我是一名英专的学生，想get新的技能比如数据分析以及运营管理。 python和SQL哪个更适合学习？

作为一个正在从事数据工作，和都略懂一二的英专生，我还是有一些经验可谈的。

我认为两个都应该掌握。先学，然后

数据分析师的工作往往都需要技能，毕竟数据分析师的别名是人工取数机，英文名是，一般公司不会给数据岗位提供修改数据的权限，所以增删改查只要掌握查就行了：嵌套查询，基础差不多就是这些东西，我觉得一周内掌握好并不困难，我当时看的是下面这本实体书，一周内过一遍；

顺便搭配网上的题目做一做，当时我做的是的题，为面试找找自信

​

我觉得这个问题取决于你的技能场景，以及你学习的这个目的是什么，因为两款工具各有优势。

：如果是便业务型的数据分析，数据源是结构化的数据，那么绝对够用，结构化的查询语言，可以帮你规整数据，然后按照你想要的结果输出结果，学习费力度低，跟函数稍微高一点点，入门大概周；推荐一本书日本人写的入门教材

《基础教程(第二版》

，彩色的，有对应不同类型语句的差异，主要看第一章到第章。后再花周时间练习经典的在线练习，熟悉基本的语法操作，然后自己又根据一个实战的大的花了一周时间把它练习做完，的基本语法语句比较简单，重点练习熟悉关联和条件的用法。在线练习链接如下：

////_

。

：如果是涉及数据挖掘或者算法的，或者需要自动化办公的或者数据源是有很多非结构化的数据需要处理，可以学习；现在只是社会上炒的的比较热，入门大概个月左右。

但是说实话吗，现在我在互联网公司担任业务分析师，用的很少，基本上就是++搞定。

更多数据分析文章，请关注专栏和公众号【数据氧气】。

都要学

做数据分析是必须的，是用来获取数据的，是用来处理数据的。用从数据库里查出来需要的数据，用对数据进行分析。

从学习门槛来说&;容易入门

从适用范围来说&;：使用范围大

语法简单，入门容易；主要关键字没几个,,,,,,,哈哈就这个几个初学大部分够用了；但是它依赖于数据库，也就是说首先你的数据要在数据库中，或者能够导入到关系数据库中。才有用武之地。当然你也要学习一定的数据库与业务基础知识。可以这么理解，这个工具，需要有特定的环境做支撑，在这个环境下，学习使用相对简单，功能却不弱。

首先它是一门编程语言，所以它的应用面很广。目前在人工智能机器学习领域非常流行。因为轮子多，入门相对于其它语言而言门槛较低。在数据分析领域有非常大的施展空间，可以贯穿数据分析的全过程。数据采集数据导入或利用爬虫数据清洗深度学习建模分析预测业务数据数据可视化展示等全流程全方位均能搞定。就是大家说的全栈。但是学习周期相对较长，关联知识较多，需要学习的东西也多。

注：由于是非专业入门所以暂时不去讨论其他例如之类的情况。

然而，我倒是建议你先学学数据分析的理论基础知识，或者运营管理的知识。而不是先纠结或。因为对于中高端的数据分析岗位来说，需要统计学概率学等方面的知识；

我个人的理解

数据分析，有两个方向，一个方向是定义要这么干，另一个方向是我去干；简单点说，一类人做模型，一类型负责实现；仅负责实现的这部分同学，需要精通工具

运营管理，基本上是根据数据做决策，慢慢的把决策经验系统化，条条框框作为显性知识归纳总结传承，甚至后来可以作为数据分析的参考，做到系统中

数据分析中负责做模型的同学，以及运营管理的同学，更多挑战的是思维，方法，经验，而不是纠结工具，实现

现在市面上有较多关于数据分析的课程，大都是讲工具和方法的，如果是想学工具，这里课程适合参考。

在知乎中也看到有麦肯锡的一个什么教程，是讲做分析报告的，这类课程可能更适合做运营管理的

是绝对的基础，必学

数据分析分为两个方向，业务数据分析和数据挖掘也就是技术方向，业务数据分析需要了解工作相关业务指标，通常公司的业务数据分析师需要掌握,,,语言等相关技能，需要知道基本统计知识及软件实现，需要掌握的软技能就是讲故事的能力，即能够给上级或者相关运营人员讲清楚你的分析结果的能力，也就需要很好的沟通能力，公司的数据分析师一般的工作流程是公司老板等高层提出一个问题，就拿滴滴公司来说，老板说怎么样能提高司机的积极性，并提高营业额，这时运营人员就把该问题转化为如何提高司机的留存率，然后交给公司的高级数据分析师，高级数据分析师制定相关指标，交给初级数据分析师完成相关分析任务，运用与制作出仪表盘，分析得出结论，交给运营人员并一块商讨从而推进实施落地，在接着试运营，最后复盘，又回到发现问题这个阶段了，总之数据分析就是一个提出问题，分析问题，数据可视化，得出结论，进而提出问题的循环过程，因为没有最好只有更好。

说完流程来说说数据分析分类以及提升阶段，数据分析一开始最基本的是描述性分析即对现有数据运用统计学知识分析得出结论，即这个现象是什么，接着就是原因分析为什么会得出这样的结论，然后就是预测性分析，根据前两步得出原因后基于现有的结论对未来进行预测从而指导决策，最后一步就是如何实现预测的结果。当然这个过程就是从简单到困难的过程，初级分析师需要掌握前两个阶段就可以了，越深对你的数学基础以及编程能力要求越严格，比如到了预测阶段你得知道各种分析模型比如多元回归模型等具体模型可以自行百度。

接着来说说和的区别，是一门编程语言应用范围很广比如数据分析，开发，数据分析，人工智能，就因为他的开源库文很多，不用重复造轮子提升效率，当然作为脚本语言他的弊端也明显就是运行效率低，数据分析只是应用的一个领域，库很牛逼的，可以处理多种文件格式如,常见的格式，处理效率要比快很多倍，当然得记住各类函数才能灵活运用，这样说吧数据分析这个流程都能做，包括数据获取，数据筛选，数据清洗，数据建模，数据可视化，这一流程都能干，相当于+，不过功能要更强大，因为数据挖掘建模还是用做比较方便。

是关系型数据库查询语言，最主要的就是查询，对于数据分析师来说应该是必备技能，在中也可以操作但个人感觉不是很方便，当然熟练了也差不多，如果做的分析偏业务还是先把学会吧。

总而言之，是必备，对于初级分析师来说,,,就足够了，因为学习编程付出的成本也多，建议等能够熟练运用相关分析软件分析出结果在学，这样效率会更高。

都要学啊

适合

都得学，也都不难！

巧了,我也是一名英专毕业的学生，目前从事数据分析工作。

如果你真的从事相关职业，建议和都要学如果只选一项那就选，最好再看下统计学相关知识，另外还有一些基本要用到的工具,也要学会应用。

先，之后都可以看你喜欢看你需求

最好是都学