身边总有人问：我想转做数据分析，是不是先报个课、先学 Python、先考个证？
说实话，顺序错了，越学越懵。
下面这套路径更适合零基础成年人，不玄乎、能落地。
一、先别急着学工具，先选一个业务场景
数据分析不是孤立技能，它永远挂在某个业务上：
- 电商 → 客单价、转化率、退货率
- 内容 → 播放、完播、涨粉来源
- 销售 → 线索转化、回款周期
- 运营 → 活跃、留存、渠道质量
你连「分析啥」都不知道，直接学代码，学完也不会用。
👉 建议：挑你当前工作或感兴趣的一个小场景，比如「上个月店铺销量为什么波动」。
二、第一步其实是 Excel，不是 Python
别鄙视 Excel。
它能练三件底层能力：
- 数据透视
- 条件筛选
- 图表表达
很多人连「行列口径」「字段含义」都没理清，就去写代码，结果就是复制报错。
Excel 阶段做个小作业就够了：
一份销售表，按地区、品类、月份算出趋势和占比。
能做到这句，再往下走。
三、第二步才是 SQL
企业里数据大多在数据库，不是 CSV。
SQL 不用学太深，先会这些就够用：
- SELECT 基础查询
- WHERE 过滤
- GROUP BY 聚合
- JOIN 多表关联
- 时间字段处理
学 SQL 的好处是：你开始理解「数据是从哪张表来的」，不会再把指标当黑盒。
四、第三步再做可视化
工具选一个就行，别全学：
- Tableau
- Power BI
- 帆软 / 其他 BI
- 或者 Python 的 matplotlib、plotly
重点不是「图好看」，是三件事：
- 坐标轴别骗人
- 维度别混着比
- 一张图只讲一件事
业务方没耐心看炫图，只看「你到底想说啥」。
五、Python 放第四层，别当入门
Python 很有用，但零基础一上来就 pandas、numpy，容易劝退。
等你有了业务问题 + SQL 提数能力，再学 Python 会更顺：
- 批量清洗
- 分组统计
- 简单回归
- 做可复用脚本
记住：Python 是放大器，不是入门票。
六、最后才碰统计和模型
这部分别死磕公式，先懂思路：
- 对比分析
- 漏斗分析
- 分组分层
- 相关性
- A/B 实验基础
- 回归和思想，不背推导也行
业务岗用得到「解释」，不一定用得到「发论文」。
七、选课的时候看这几点，比看标语靠谱
现在市面课很多，挑的时候别被话术带跑：
✅ 看大纲有没有项目作业
✅ 看案例是不是真实业务场景
✅ 看老师讲不讲「指标口径」
✅ 看有没有 SQL 和 BI 实操
❌ 「包就业」「内部推荐」直接划掉
❌ 「几天速成分析师」别信
❌ 「考了就能上岗」基本是话术
正规点的课程，会把课时、内容、退费规则写进协议里，这比海报标语实在。
EEC工信教考中心，大数据分析师
零基础学数据分析的正确顺序大概是：
业务场景 → Excel → SQL → 可视化 → Python → 统计思维
别反着来，也别一上来追「很高大上的模型」。
能把一张业务表讲清楚的人，就已经比大多数拍脑袋决策的人值钱了。
你现在是纯零基础，还是已经会点 Excel？可以评论说说，我帮你排个顺序。