作为一个从事数据分析培训行业多年的“老油条”，我见过很多自学成才的人，当然也见过很多自学失败的人。自学与培训其实并不能简单的对立起来，很多人在自学之后都会选择培训，也有很多人在培训的过程中是附以自学的手段的。

自学和培训本身没有优劣之分。但是，如果你要是问我，哪种方式学习数据分析更容易成功？那我一定会告诉你培训优于自学。

说到这里可能你会觉得我在吹牛，想要忽悠你去培训，那我们就来唠唠为什么我会觉得培训数据分析比自学好。

我为什么推荐数据分析培训，自学到底差在哪里？

你觉得自学比培训好的原因是自学比起培训需要付出的经济成本更低，不需要交学费，所以在你看来自学怎么都是不亏的，就算花费大量时间最后得到失败的结果也是没有什么损失的。但是事实真的如此吗？

自学的优点很多，包括但不仅限于经济成本低、时间自由、不用脱产等。但是自学的缺点也是非常明显的，学习路线不清晰，学习资料不齐全，没有真实可用的项目操作，求职能力不足。而其中，项目实操经验和求职能力，是企业在招聘数据分析师时非常看重的能力。

培训与自学恰恰相反，正常的一个靠谱的培训机构都会有科学系统的课纲，齐全的学习资料，自有的真实可用的实操项目，好一些的培训机构还会有专门的求职能力培训。

但是，培训机构的缺点也是非常明显的。

首先就是学费问题，需要投入经济成本。其次是时间问题，正规靠谱一些的培训班基本都需要脱产上课。因为培训机构的课程安排是合理紧凑的，基本时间集中在4-5个月，而想要在这么短的时间内学好数据分析，必须要花费大量的时间，在职利用业余时间学习肯定是不行的。

所以，如果想要在职转行的话，我建议你最好还是自学，那种愿意让你在职报班学习的培训机构，我不敢说全是，但是大概率都是骗人的。

如果想要自学数据分析，可以参考我们整理的学习路线。数据分析完整学习路线图：

Excel基础知识→Excel函数与数据表→MySQL数据库→ 商业智能分析概念 →PowerBI数据处理→FineBI基础操作→ Tableau可视化表盘→ 数据分析标准流程→ 指标体系搭建→ AARRR流量漏斗模型 →行业分析方法 →Python语言基础 →面向对象编程 →网络爬虫框架 →Python高级数据分析→ Python办公自动化 →无监督机器学习 →有监督机器学习→ OpenCV常用基础函数→深度学习基础知识→Linux基础知识→ Hadoop生态圈→ 数据治理和ELT工具→ Hive和数据仓库→数据挖掘算法→行业分析报告撰写→数据运营与商业智能 →机器学习项目→真实项目实战演练→简历撰写基本要求→面试模拟与技巧分享→笔试常见题型讲解→语言表达逻辑培养

或可直接保存图片：

第一阶段 商业数据分析

Excel基本操作、Excel常用函数、数据透视表、Excel图表绘制、Excel快捷键、数据库系统概 论、MySOL简介及安装配置、MySQL数据表管理、MySQL数据管理、MySQL数据查询、 MySQL 函 数、MySQL基础操作

第二阶段 数据可视化

商业智能分析基础知识、PowerBI基础操作、PowerBI数据处理、FineBI基础操作； Tableau安装、 Tableau数据报表项目、 Tableau可视化表盘项目等。

第三阶段 数据运营指标体系

数据分析标准项目流程、指标体系搭建过程；AARRR流量漏斗模型，PEST分析、SWOT分析、 波士顿矩阵等行业分析方法，相关性分析及显著性检验，多元回归分析等。

第四阶段 Python数据分析

Python语言基础、Python高级基础知识、Python高级特性、IO操作、面向对象编程、内建模块 和第三方模块、网络爬虫、网络爬虫框架、 Python数据分析、 Numpy 、Pandas 、Matplotlib 、 Python机 器学习等。

第五阶段 机器学习与深度学习

K-Means,DBscan,KNN,朴素贝叶斯模型，决策树，随机森林，SVM,线性回归，逻辑回 归，XGBoost等算法原理，深度学习基础知识。

第六阶段 ETL和数据仓库

Linux系统介绍与常用命令， Hadoop生态系统， Hive数据仓库， Kettle基础到高级， Oracle数 据库函数到应用。

第七阶段 综合项目实战

数据分析业务实践过程及注意事项、行业分析方法论与报告撰写、数据分析项目实战、BI可视化平 台搭建与实践、机器学习项目实战、团队合作基本原则与分工。

第八阶段 就业指导

简历撰写基本要求、如何挑选简历模板、如何选择合适的职位、面试流程、面经分享、面试技巧、 笔试题准备、群面应对技巧和注意事项、如何应对业务面、高管面和HR面、如何提升逻辑表达能力、offer注意事项。

以上就是职来offer最新、最全面的数据分析学习路线了，只要你能按照上面的学习路线走，把每个阶段、每个工具的内容都掌握好，那么你才能真正算是学好、学成了数据分析，也才能被称为一个合格的数据分析师。