京公网安备 11010802034615号
经营许可证编号:京B2-20210330
文科生决心做数据分析师是不是疯了?
背景:
传媒类专业毕业,一直做视频剪辑、编辑方面的工作。没什么编码基础,只在大学时期考过VB。偶然得到一份数据分析师的工作,便决心从零做起。
疑惑:
工作近一年,一直在做数据整理方面工作,感觉没什么分析提炼的能力提升。自学了一点SQL查询语句,统计学与概率教程看不懂理论与具体工作有什么关系。想问我这种情况该从哪方面着手自我修炼呢?

回答:
完全有可能。
题主知不知道有个专业叫心理学,这是一个理科专业,但是是文理兼招的。心理学专业要学很多数据分析,很多文科生也学的很好。
首先破除一个误解,数据分析师最主要的能力不是计算机技术,而是数据统计分析能力。其实小公司里面的数据分析师能力要求并不高,周围的数据分析师很少有高级到懂机器学习的。大家说的懂Java什么的我觉得是数据挖掘工程师了。数据分析和数据挖掘需要掌握的技能有什么区别? – 纪路的回答须知数据分析师到数据挖掘工程师之间还差了100个程序员。下面贴出阿里的“数据分析师职位技能树分析,进阿里什么难度大家懂,所以应聘小公司“数据分析师岗位的话技能要求可适当放低。””校园招聘时一位应聘“数据分析师”职位的学生应该具备哪些技能? – 知乎用户的回答
如果你要入坑数据分析师,我建议你从四方面入门: (根据阿里数据分析师试卷)
1.统计学
2.SQL
3.spss
4.R语言
统计学绝对是数据分析师的核心竞争力,是你技能树的骨干,你要知道过去数据分析也是直接靠人工计算的。但是现在数据量级越来越大,靠手算已经不能解决问题了。所以我们需要一些工具来帮助我们处理数据。比如spss就是一个专门为数据分析开发出来的成品软件,已经非常成熟了。你可能听别人说数据分析师要会spss和SAS,其实呢,他们就相当于PPT和Keynote的关系。工具嘛,会一门就行。对于你这种还没入门的,spss比SAS简单,你可以就学spss不学SAS。那SQL是干什么的呢,它是数据库语言,也就是说数据太多了你要建个仓库把它们分门别类的放好,方便查找。R语言呢,是专门用来统计和制图的一门编程语言,也是数据分析的利器。但是呢,其实spss已经有很多功能了,所以R语言并非必要,只能说是个加分项。
所以只要你统计学的好,spss和SQL也会了,基本上就差不多了。
至于学习难度呢,统计学选外国的教程看起来思路就明晰很多。SQL选对了书一点也不难,spss比SAS简单好多,就是一个直接点的软件,R语言跟你想的不一样,它也跟一般的编程语言不同。不需要多少编程基础,非常适合作为文科生的你。
话不多说,直接推荐入门书籍:
1.统计学:国外的统计学书籍你自己找找,看书做练习题。
2.SQL:《head first SQL》强推,超级简单
3.spss……这个都可以,在网上找找课件
4.R语言:可以从code school上R的入门教程学起,书的话《实战R语言》《R for beginners》《R语言核心技术手册》 入门之后再多分析case,多运用。
还有这个答案,很值得参考如何快速成为数据分析师? – 卡牌大师的回答
但是入门之后,往深里学的话还是要弥补一下自己的数学方面的短板,高数、现代、离散数学(计算机数学)和数据结构(计算机数学)等。尤其离散数字。前期你也许感受不到这个的重要性。可是后期你会越来越感受到。比如你学R语言的xx包,那个包有个论文,然后你看论文发现里面讲了有向图,你就会想这个有向图是个什么鬼。然后你学了离散数学就知道了。数据分析师总之是一个数学和计算机交汇处的职业,所以计算机方面比如网页分析等等也需要涉及一些。这些也并没有你想象的难。我们科班出身的也就是一门学了一学期而已。
然后关于如何入门数据分析师和数据分析师的要求,推荐你翻一翻上关于数据分析师的答案。多看看,然后制定自己的学习计划。关于数据分析、挖掘和R语言的公众号和资源。还有一些博客、统计之都等等可以去看看。
最后,要对自己有信心,有一个idea就去实现它。这是完全可能的。多看书,多刷题,刷到一定数量开始尝试解决实际问题。我有个文科同学就做了一个学期习题期末统计得了我们班最高分 99。现在统计很厉害。
但是我觉得你更应该考虑的是你的职业规划,你学数据分析到底是准备现在就靠这个找工作呢还是把它当做未来的跳板?如果在小公司,数据分析师技能要求并不高,你也许学个几个月就可以去了。可是与之对应,工资也并不高。你不一定愿意。如果去大公司呢,技能要求高,那需要一定的时间。
总之,相信自己,文理科本来就是一个人为的划分而已,大家的脑结构并无显著差异。加油
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12