五、学习：业务、工具和资源

　　(一)业务层面

　　数据分析并没有想象中的高不可及，掌握好相应的概念、思路、流程，运营都可以做好数据分析。这里要着重强调一点，数据分析的目的是指导业务实践;脱离实践的数据分析、为分析而分析的数据分析都是在耍流氓。

　　不同于职业的数据分析师和数据科学家，运营人员做好数据分析的前提是娴熟的业务理解。从业务的角度来说，数据不是数字，它是用户的心声。运营人员要从数据中发现问题，不断优化，提升用户体验、为用户创造更多的价值。

　　(二)工具层面

　　磨刀不误砍柴工，做好数据分析工具必不可少。我汇总了下面几种工具，运营可以结合自己的实际需要采用。

　　Excel 是最常见、最基础的数据分析工具，Excel 里面的图表、函数、透视表能满足大家基本的需求。Access 是微软 office 系列套装的一部分，是一种小型的关系数据库;当excel数据量很大、表格之间各种关联、查询、更新频繁的时候，Access就是一种非常不错的选择。

　　Python是一种高级的编程语言，近年来发展很快，它可以用来做数据分析、编程或爬虫;R语言是一种数据分析工具，在统计学中广泛使用。目前，Python被广泛用来编写爬虫程序，获取网上的信息，这是对运营人员非常有帮助的。

　　Google Analytics、百度统计、友盟是常见的网站流量分析工具，Mixpanel、Heap、GrowingIO属于用户行为数据分析工具，较前者功能更加丰富、分析更细致。

　　(三)资源层面

　　运营入门数据分析，并不需要学习多么复杂的数学知识理论，更多的是将业务操作和数据分析结合起来。我这里推荐两个网站和两本书，希望有帮助。

　　数据分析网(http://www.afenxi.com/ )：覆盖统计理论、数据分析方法、业务分析等内容。

　　GrowingIO博客(https://blog.growingio.com/ )：GrowingIO数据分析、增长实践等内容。

　　《谁说菜鸟不会数据分析》：数据分析入门知识汇总。

　　《精益数据分析》：从精益创业的角度，诠释业务增长的分析方法和前言案例。