python大神資料，辛苦整理
相信有很多的小夥伴在自學Python，有很多的剛入門的卻不知道該怎麼入手，從哪裡學起，該找那些資料。網上有太多學習Python的資料，但是如果你想把他找齊還是挺難的，所以我在這裡給大家一個福利吧，自己存了很多年的學習視頻資料，有好多也是自己以前學習的，也有好多自己在網上找的，現在用不到了，無償給大家吧！
希望大家能夠把文章分享出去，關注加分享，私信我可以獲取我一前自學的一整套Python學習資料
第一步：
一定要去了解你所處公司的業務，而且要深入下去，最好能夠去一線全流程的走一遍，切身經歷完整的業務流程。我從一家大型金融集團跳到一個物流平臺，當時對物流完全不瞭解，一線的物流樞紐都是髒亂差的，同事都不願意出差到一線去，寧願呆在總部的辦公室裡。但是我依然跑了很多樞紐，去看倉儲，看調度，跟司機跑配送，拜訪客戶。正是因為這樣的經歷，讓我能夠切身瞭解物流業務的全流程，讓我瞭解一線的實際工作情況。當具備這樣的能力後，數字在我眼睛裡已經不再是數據，而是鮮活的業務，這樣的“分析”才能夠真正幫助到業務成長。
第二步:
一定緊緊抓住公司戰略主線。上一步完成之後大家就有了“深度”，這一步需要大家提升自己的“高度”。所謂戰略主線，簡而言之就是公司未來一段時間的目標是什麼。千萬別覺得這些事情是“大佬”的事情，每一名數據分析師都應該對公司戰略瞭然於胸，只有這樣你的分析才不會“跑偏”。試問，如果公司近期的戰略是高速增長，這時需要你進行產品定價分析。正確的方向是如何通過定價來快速佔領市場，而如果你不瞭解公司的戰略，把分析重點放到怎麼最大化利潤上，你覺得有誰會青睞使用你的分析？我在上家公司時，從來不放過任何一個能夠參與到公司戰略的會議，哪怕只是列席旁聽。這樣也保證了我的分析始終與公司主線保持一致。如果說戰略會議哪能是一個小兵就能旁聽的。那主動旁聽你服務的業務部門的會議，如產品、運營、廣告部門等。這個就簡單多了。
第三步：
持續跟進數據分析方案落地，跟進迭代分析結果。沒有任何一個分析方案能夠自動落地的，不管你做的有多麼好。並且在數據方案落地的過程中，還會持續產生更多的數據，這時也需要分析師跟進迭代，不斷的修正方案，最終實現數據對業務增長的驅動。
第四步：
懂得分析彙報方式。數據分析師往往強於數理邏輯而弱於表達溝通。但要知道，很多業務領導乃至於公司高層都是非常感性的。要想他們接受你的分析結果，一定不能上來就講數據，而是要講“故事”，講業務，多用圖表，少用文字。確保你的分析結果在清晰準確的前提下，能夠生動貼切業務。這方面比較薄弱的小夥伴建議儘快加強。如果有需要可以翻翻我之前的文章，裡面分享過不少PPT模版。
第五步：
一定不要受制於“術”，而止步於“道”。很多數據分析小夥伴特別關注python等程序語言，張口閉口大數據，人工智能。其實這些都是技術而已，是我們達到目的的工具。然而，如何達到目的，策略、規劃、方法等才是最重要的。GrowingIO的張溪夢大家應該都是熟悉的，他本身是從外科大夫再到美國讀MBA，他就算後期自學了寫代碼技能但是始終沒辦法和科班的比，但他靠對業務的充分理解和鑽研，通過數據分析幫助領英實現高速增長。最終他成為了美國十大數據科學家之一。由此可以看到“術”“道”之間何輕何重了。
做一名數據分析師是困難的，不止要懂技術，還要了解業務，懂得彙報，具有推動力，知道方法論，正因為需要綜合的能力，所以市場上優秀的數據分析師供不應求。希望通過這篇文章能夠給大家一點啟發，沿著正確的方向和道路展開自己的數據分析之路。
