描述性统计是做数据分析最基础的知识与概念，所以想要入行的小萌新一定要对其有所了解，主要包含以下内容：

这些词单独放在这里，还告诉你这是统计学的东西，你肯定会觉得压力很大，其实这都是非常基础的东西，不管什么行业，在日常工作中多多少少都是用过的，只是没有总结而已，所以千万不要被它们的外表所迷惑了。

在做数据分析的过程中，比如矩阵分析、分层分析等，就运用到了描述性统计，所以小萌新们如果想要学点统计学知识，给自己增加底气，按照上图中的分类，买本书看到第四章就完全可以了。

如果想要在面试中提高成功率，可以适当补充第二部分的内容：概率与抽样。不是说这两个工作中一定会用到，而是面试的时候面试官喜欢问，补充第二部分内容，仅仅只是为了应对面试而已。

二、中级数据分析师

第三部分：假设与检验，是中级以后数据分析师要掌握的，主要会运用在使用抽样方法做统计推断。实际工作中，大部分场景不需要做抽样。比如统计销售、运营、产品情况，都是全量统计，很少做抽样，但是在供应链相关数据分析上会比较常用，比如检验生产线生产质量等。

但是不要过度迷信统计学的抽样，抽样检验往往是和具体的业务场景结合在一定的，不同的业务场景会有不同的使用方式，比如，互联网产品会采用ABtest先对流量进行分类，做调研的时候则会先拦截受访者在进行特征甄别等等。

所以孤零零的看统计学，是无法满足实际工作需要的，一切理论、方法都不是万能的，都是需要结合实际业务进行灵活应对的。

三、高级数据分析师

第四部分：回归/预测模型。这一部分涉及知识量大，且平时工作中不怎么用得上，并且现在机器学习流行，其计算模型思路和统计学不太一样。所以这一部分，建议在自己已经有相关知识体系积累的情况下再看。

有一个非常重要的点，提醒大家千万千万要注意：统计模型不是万能的，不要轻易到处用。

初入行业的小萌新们，经常会将统计模型经常会被错用、乱用，特别是在相关分析和回归分析上，很多时候其实用Excel就能做，但是小萌新们会在对统计模型一知半解的情况下拿来套用，往往会造成两种结果：要么业务部门看不懂，要么自己说不清，所以，建议新人慎用！

【拓展一下】

如果小萌新们想要通过统计学知识提升一下，建议大家可以多多关注时间序列，时间序列不但使用范围比较广，而且也比较容易表现自己的能力，尤其是当领导扔来几个数据让做预测的时候，时间序列非常好用。

同时，在数据分析师面试中，招聘方也很喜欢问几个统计学相关的问题，凸显自己公司的逼格，他们的问题一般集中以下3个方面：ABtest、因果推断、预测模型，如果超出这3个的范围，那就要见招拆招了。

好啦，老王今天的分享就到这里，你还想听数据分析哪方向的信息，评论区或者私信告诉我~

返回搜狐，查看更多