除此此外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。可视化的工具有很多，这里我推荐Tableau（国外）或者FineBI（国内），FineBI是国产的用起来方便点。这两款都不要编程功底，实现起来简单，功能强大。推荐书籍：《用图表说话》-麦肯锡第四阶段：数理统计学这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。
推荐书籍：《从零进阶 数据分析的统计基础》-曹正凤第五阶段：SPSSSPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议你铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。推荐书籍：《如虎添翼 数据处理的SPSS/SAS EG实现》-徐筱刚第六阶段：数据挖掘学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等，建议选择一门编程语言来学习。
Python或者R语言，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。推荐书籍：《笨方法学Python》《像计算机科学家一样思考》《Python数据科学手册》《利用Python进行数据分析》《数据科学入门》第七阶段：数据分析行业应用和数据分析思维对于数据分析师来说，业务的了解比数据方法论更重要。
本人会计一枚，准备换工作，一是换家公司做会计，二是在现有公司转做数据分析，怎么选？
到底做什么，可以从具体的工作内容、发展前景和自己的职业规划来看，同时也需要跟自己的兴趣和优势相结合。1. 工作内容虽然大家都叫会计，不同公司所做的工作内容可能有所不同。在大公司，应收应付、总账、税务各个模块都相互分离，一个人或者多个人只负责其中的一个模块；而小公司，可能就是全盘账。而数据分析，也要看分析的是什么。
有些比较初级的岗位，主要是做数据处理，而另一些主要偏向财务分析，还有一些偏向业务分析。具体岗位有所不同，工作内容不同，自己更想做哪一块的工作，可以提前做好规划。2. 发展前景和职业规划相结合不同的工种，发展的路径也会有所不同。比如，在大公司做会计，可以深挖一块，有人从税务专员做起，做到税务经理总监，也有人有轮岗的机会，可以把基本模块都做一遍，然后再走上经理和总监的道路，当然，也有人直接转做分析岗位，从基础的数据处理做起，然后慢慢了解业务，做财务分析，然后再慢慢做到经理、总监，最后成为一个业务伙伴的角色。
具体走哪条路，自己可以考虑好，将工作的发展前景与自己的未来职业规划相结合。3. 分析自己的兴趣和优势自己是喜欢研究法条规则，还是喜欢跟数字打交道，去研究商业的逻辑，喜欢跟账打交道，还是喜欢跟人沟通，能够跟自己的兴趣结合，是最好的。同时，可以分析下自己最大优势在哪里，在能够发挥自己优势的方向上，才能如鱼得水。
