我們在前面的文章中給大家說一一下資料分析知識中的SQL知識以及R語言和Python語言，這些技能對於資料的提取以及資料選擇有幫助。資料分析的前提就是找到資料，只有找到資料我們才能夠分析資料，在這篇文章中我們會給大家詳細的解釋一下R語言和Python語言、統計知識、分析思維以及業務知識。

先來給大家說一說程式語言各自的有點。再前面我們給大家說到是否掌握R/Python語言的知識是初級資料分析和高階資料分析的風水嶺。如果我們能夠掌握了資料分析知識，才能夠做好資料分析的前提工作。由於R的優點是統計學家編寫的，如果是各類統計函式的呼叫，繪圖，分析的前驗性論證，R無疑有優勢。學習R，需要了解資料結構（matrix，array，data.frame，list等）、資料讀取，圖形繪製(ggplot2)、資料操作、統計函式(mean,median,sd,var,scale等)；開發環境建議使用Rstudio。而Python則是萬能的膠水語言，適用性強，有很多分支，我們專注資料分析這塊。需要了解呼叫包、函式、資料型別(list,tuple,dict)，條件判斷，迭代等；開發環境建議Anaconda。如果學會了這些才能夠做好資料分析的前提工作。

然後給大家說一說統計知識。統計學是資料分析的基礎。需要花一些時間掌握描述性統計知識，包括：均值、中位數、標準差、方差、概率、假設檢驗、顯著性、總體和抽樣等概念。學會了這些就能夠給大家在進行資料分析工作的時候獲得幫助。

接著給大家說說分析思維。好的資料分析首先要有結構化的思維，也就是我們俗稱的金字塔思維。思維導圖是必備的工具；之後再瞭解SMART、5W2H、SWOT、4P理論、六頂思考帽等框架。分析也是有框架和方法論的，主要圍繞三個要點展開：一個業務沒有指標，則不能增長和分析。好的指標應該是比率或比例。好的分析應該對比或關聯。

最後給大家說一說業務知識。對於資料分析師來說，業務其實比了解資料方法論更重要。但很遺憾，業務學習沒有捷徑，必須靠在某個行業一點點積累。

以上的內容就是小編為大家介紹的資料分析知識了，學會了這些知識我們就能夠做好資料分析的工作了。希望這篇文章能夠給大家帶來幫助，最後感謝大家的閱讀。