第一周：
- excal学习掌握：重点了解各种函数包括但不限于 sum,count,sumif,countif,if,left/rigth,时间转换
掌握vlookup和数据透视表足够，最具性价比的两个技巧
学会数据透视表，SQL中的group，Python中的pivot_table也是同理
附加学习任务： - 了解单元格格式，后期的数据类型包括各种：timestamp,data,string,int,bigint,char,factor,float等
- 了解数组：以及怎么用，Python和R也会涉及到list
- 了解函数和参数：进阶编程型的数据分析时，会让你更快的掌握
- 了解中文编码：utf-8,ASCLL，包括CSV的delimiter等
第二周：
了解常用的图表：
其次掌握BL(微软），最后学习可视化和信息图制作。
第三周：分析思维的训练
学理论知识，数据分析师首先要有结构化的思维，金字塔思维思维导图师必备的工具
之后了解SMART、5W2H、SWOT、4P理论、六大思考帽等框架。
第四周：数据库的学习
进一步学习：row_number,substr,convert,contect等
第五周：统计知识学习
掌握：描述性统计包括均值、中位数（位于中间的数），标准差、方差、概率、假设检验、显著性，总体和抽样
第六周：业务知识（用户行为、产品、运营）
第七周：Python和R学习（学单个就行）
- R要掌握的：了解数据结构（matrix,array,data,frame,list等）、读取数据，图形绘制（ggplot2),数据操作，统计函数（mean,median,sd,var,scale等）
R语言的开发环境建议用RStudio - 学习python有很多分枝，我们专注数据分析这块，需要了解调用包、函数、数据类型（list,tuple,dict),条件判断，迭代等，Numpy和Pandas在有精力的情况下设计
少走弯路：如果你想系统的学习，那就建议选择系统的渠道，一般来说，一本书比公众号的文章系统性强，一本某个领域的经典教材要比很多快销书系统性强，一个系统课程要比一次一小时的分享系统系强，既然你是这个领域的新手，就不要指望自己能把散落的信息整合成系统，那是高手要做的事情，要想系统地学习，那就踏踏实实地拿出几个月的时间来，看5本这个领域经典的数，选一门课程，或者跟着一个系统学习过的老师把这个领域的骨架摸清楚。你又不比别人聪明几倍，却想用几分之一的是时间，就掌握人家花了好长时间才了硬功夫，系统掌握的知识，怎么可能？先接受一个已经存在的系统，再在上面修修改改，对于新手是最合适的方案
中33总结：1.最好有人带指导；2.认识大数据这块的人；3.系统的学习，要几个月，扎扎实实看书。
发现并不懒惰的我最后却一个谋生的技能都没有的原因：就是想在妄想自己能走捷径，从来没有想过接受已经存在的一个系统，可能是学习最快的方法了。这可能是我从下看**做事的行为的有关，下次切记：接受已有的系统，可能是最快的方法。
