帆軟大師兄

想從0開始，學習資料分析，有哪些推薦的教學資源？今天整理一份最全資料懶人包，內容包含資料庫，SQL，Power BI，Tableau，FineReport的教學資源，語言上包含繁體，簡體和英文，形式上包含視頻和文字，精選了免費高質量的學習資料，希望可以幫助到你。

如何學習Tableau,Power BI,FineReport這些常見的BI工具？本文將好用的學習資源做最全整理。網路上介紹Tableau,Power BI,FineReport的學習內容的非常多，但是很多只是簡單的介紹，不能夠系統的完整的掌握BI工具的使用，所以在寫這篇文章整理教學資源的時候，會遵循這4個原則：

資料分析定義

資料分析是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支援過程。在實用中，資料分析可幫助人們作出判斷，以便採取適當行動。是有組織有目的地收集資料、分析資料，使之成為資訊的過程。

資料分析分類

資料分析劃分為描述性統計分析、探索性資料分析以及驗證性資料分析。

企業在搜尋BI工具時，面對很多選擇，如何選擇適合自己企業的工具呢？今天給大家提供一個全面的分析思路，通過12個問題來教你一步一步選擇到適合自己的BI工具。

1.你的預算是多少？

企業收入，企業規模，企業戰略都將影響你的BI項目預算，這裡的預算並不只是BI工具的價格，它包含的要素有： BI導入前期投入費用。為了讓導入的BI工具發揮最大作用，我們前期需要有什麼樣的配置？比如Tableau常常會有資料倉儲的需求，這也是一筆不小的費用。 BI軟體購買費用，這裡考慮滿足企業需求的情況下軟體的價格，像是Power BI雖然起始價格並不高，但是要附加功能的話其費用並不低。 BI項目實施費用，很多時候企業內部並沒有能力或足夠時間來完成BI項目，需要廠商給予項目實施，項目的費用需要預先考量，不然軟體買來了，自己不會用，又沒辦法請原廠做項目就很失敗了。 人力資源投入：BI軟體的前期導入，後期維護，專門的分析人員投入夠不夠，一定程度上決定著軟體發揮的價值。 學習成本：軟體是否易學易用，學習資源是否充足，教育訓練是否收費都是潛在的成本。

最近從一位HR朋友那裡聽到了一件有趣的事情： 他們公司正在招聘銷售助理崗，一個經驗豐富的面試者各方面都很優秀，馬上要發offer的時候，他問了一句”要匯總銷售報表嗎“？HR點頭說道“銷售管理需要寫日報、週報、月報”，面試者竟然直接起身，表示堅決不幹。我的HR朋友對此很是疑惑不解，問我：“日報、週報這樣的報表有那麼可怕嗎？不就是把每天的資料彙報一下嗎，有這麼誇張嗎？”

一鍵生產日報週報，讓使用者無需實時把控

今天就給大家說說怎麼建立企業級的財務資料分析平臺，3分鐘就能看完的超強乾貨，不讀你就虧大了。 先從上到CEO，下到小會計都關心的財務報表說起吧。 財務報表分析是任何一個企業都不可輕視的工作，然而對於很多剛剛入門的新手來說，剛拿到一張財務報表往往是一臉懵比的，那麼如何來分析賬務報表呢？怎麼樣才能確定公司的財務是健康的呢？其實答案就在報表中，學會財務報表分析，就能找到隱藏在報表中的秘密。

財務報表到底怎麼做才好！

老闆們真正關心的是能直觀體現企業的經營狀況：盈利能力、營運能力、償債能力、發展能力的財務分析報表。 先貼出三張根據不同商業需求做出的視覺化財務分析報表，其透過多維度、全方面的視覺化圖表，讓領導們快速準確的掌握公司運營現狀，為公司未來風險控制和財務決策提供有效依據！

作為一名數據分析師，一提到資料視覺化就會感到莫名興奮，我認為資料視覺化有兩個非常重要的部分：一個是資料，一個是視覺化。而我們最常見的問題就是一看已經有了資料，卻不知道如何去視覺化。市面上有相當多的視覺化工具，絕對能夠挑花你的眼，但這些大多是門檻比較高的工具，比如Gantti、Paper.js、Highchart.js等等，不得不說，它們在技術層面上確實做的很牛逼，也很成熟。但是針對的使用人群也比較單一，就是程式師。 個人覺得在大數據時代，資料的使用是會越來越普及的，現在的很多做資料類工具的公司都在企圖讓資料分析變成一件沒門檻的事，只有大家都能輕鬆上手，才能真正實現資料價值最大化。所以站在這個角度上說，想給大家推薦幾款人人可用，能夠快速給資料賦能的視覺化工具。

最近有很多人在問資料分析的一些問題。關於資料分析到底應該怎麼學？如何快速入門，以及技術和業務之間的瓶頸如何突破？ 其實，要學資料分析之前，至少要瞭解一下資料分析師，到底需要哪些技能。有的同學看到資料分析幾個字，就馬上開始Python函數+控制語句、R語言和ggplot庫...上來一頓操作，還沒入門就放棄了。這就是需求不明確導致的，當然學習方式也值得商榷，那到底資料分析需要什麼樣的技能呢？ 其實企業對資料分析師的基礎技能需求差別不大，可總結如下：

分析工具：一般要求R、Python、FineBI等分析工具至少會一種，會兩種以上加分，有的企業因內部需求，會指定的一種。 資料庫：絕大會要求會SQL，部分要求SQL、NoSQL會一種，高級的分析師或者大型企業要求能夠處理大數據，需要Hive（較少的需要Hadoop/Spark）。 統計學：若無相關專業背景，需要具備相應的統計學、概率論等基礎知識。 資料採擷：少部分要求會建模，瞭解基本的演算法模型，能夠做資料預測，即便不要求，演算法也是加分項。 結果輸出：Excel、PPT、Tableau、FineReport等專業BI工具。Excel和PPT要求的比較多，主要用作常規的資料呈現，與業務部門溝通等，FineReport、Tableau等一般作為視覺化或者分析工具的加分項或者要求之一。 業務/思維：對某個領域（如電商、金融等）相關業務的瞭解或具有產品、運營方向的分析經驗，有自己的資料分析的方法論和專案經驗。

---

 

做過資料分析的人都知道，老闆最喜歡的莫過於資料視覺化，視覺化中最喜歡的莫過於地圖視覺化。但是想要做地圖視覺化也並非易事，對於大多數人來說，Excel一直都是首選，但是Excel真的是實現地圖視覺化的最好工具嗎？目前市場上，能夠實現地圖視覺化的工具有很多，可以分為程式設計類、平臺類和軟體類三種：

做大數據分析的人，如果沒做過報表，那麼他的數據生涯是不完整的；但如果僅僅做報表，不經常進行數據分析般的思考，累的要死不說，還很難獲得認可！ 如果你是公司內的一名報表開發人員，那麼你肯定遇到過報表任務沒完沒了的情況：在開發應用系統時經常會發現，總是有新的報表需求源源不斷地冒出來，業務人員在應用過程中想到的新統計需求就會很隨意地被提出來，報表總是東提一張西提一張，拼命的催進度，動不動就是領導要，這就造成了報表任務的沒完沒了。