数字抽奖怎么做php，大学生的电脑有哪些必装软件？
说到实用的电脑软件，由于用的是Windows，这里就推荐一些作为互联网办公日常生活用到的软件。
安全工具：火绒：
优点：
火绒是一个有洁癖的杀毒软件。他们固执地相信杀毒软件只杀毒，其余的事情不能，也不应该做。这和以免费杀毒吸引用户进而用广告把钱赚回来的360形成了鲜明的对比，进而成为了理想对抗现实的一种力量。火绒的理想国不一定会实现。但有他们的世界，比没有他们的世界更好。
链接：https://www.huorong.cn/
下载个人版就好。
播放器PotPlayer
PotPlayer有独特的高级功能！
第一，支持单帧播放（F键前进一帧，D键倒退一帧，空格键正常播放）第二，支持变速播放（X键降速10%，C键提速10%，Z键重置）第三，支持5.1声道和7.1声道，可以搭建环绕声家庭影院第四，支持画声同步调节（<键画面提前50ms，>键画面延后50ms，？键重置）第五，按Tab键就能显示视频文件的详细信息第六，支持硬解码，支持软解码（软解码画质更佳）第七，支持画面宽高比自定义
链接：https://potplayer.en.softonic.com/?ex=CORE-117.3
压缩软件bandzip：
Bandizip 是一款压缩软件，它支持WinZip、7-Zip 和 WinRAR 以及其它压缩格式。它拥有非常快速的压缩和解压缩的算法，适用于多核心压缩、快速拖放、高速压缩等功能。软件授权： 免费软件（家庭和办公室 100% 免费）.
可能会在软件页面内出现广告，如下图，不过影响不大，毕竟主要是使用这个功能嘛。
链接：https://www.bandisoft.com/
看图爱奇艺看图
如果仅仅是简单的看看图片，没有什么专业需求。这款爱奇艺看图可以说非常适合。
关于图片的图片编辑功能，爱奇艺看图也所具备基础的水平/垂直翻转，裁剪，马赛克，添加文字，添加标注等等功能。
修改尺寸和格式转换，在一款看图软件中能加入这样的功能而且不卡顿，修改后的图片快速保存，可以说很实用了。
而且还支持压缩。
截图：Snipaste：
主要功能
截图（普通截图、自定义截图，支持复制）贴图（钉到桌面）标注（矩圆型、折线、箭头、画笔、马赛克等等，贴图还可透明、镜像、旋转等等）取色对于一边忙于实验过程，一边截图运行过程，结果，然后写报告的工作者来说，较为不错。
支持复制图片，不需要下载图片，可以直接进行图片的粘贴以悬浮（桌面上），可以一边看图片，一边工作。
浏览器对于浏览器没有什么过多描述的，推荐Chrome，FireFox，以及新版Edge。
这个是最新的浏览器市场份额：
来源：百度流量研究院
办公软件除了微软自带的office系列，推荐WPS，
WPS不是盗版软件，是一款完全自主知识产权的国产软件，这里的自主知识产权是真正意义上的自主，也是国产软件的骄傲之一。
一般格式都支持，word，pdf，ppt，Excel..而且商城内还有很多模板。
而且WPS还可以进行云空间备份，办公有保障
在线云文档下面说一说我习惯用的吧，几款在线云文档吧，只需浏览器就可以，无需下载。
保存在云空间。
首先
有道云笔记：
有道云笔记，采用空间计费，最早的是2G，现在已经升为3G免费空间，这储存空间，已经比很多免费云盘的空间都要大了，针对于个人记笔记是绝对够用的，而付费成为会员后，直接50G。
当然，无需付费，也可以免费领取空间，只需要每天签到就可以了，签到领空间，连续签到一段后，每天大概能领取到10M左右空间，对于一般的小任务来说，足够了。
金山文档：
支持的文档类型多。支持：文档、表格、演示、流程图、思维导图、便签、表单……
会员拥有100 G云空间。与WPS完美对接。而且通过微信小程序，更加方便操作。
腾讯文档：
腾讯文档方面，编辑界面较为齐全，能够很好满足日常办公需求，同时文档在编辑过程中，支持实时保存，所有修改都会自动保存云端，不用担心因断网、断电导致正在编辑的内容丢失，重新联网后文档内容自动恢复。
支持微信，QQ操作，比较方便。
这次就分享这些了，我参考参考别的，不断更新。
才能够快速进入这个行业？
很高兴可以回答你的问题，下面我通过以下3点跟你聊一聊，it行业的职位以及如何进入这个行业：
（1）职位介绍
（2）职位选择
（3）总结
职位介绍一般来说IT行业的职位有如下几点：
产品经理前端工程师后端工程师测试工程师运维工程师全栈工程师（1）首先产品经理也分为初级、中级、高级，当然了这三个级别，不同的级别所负责的事情就不同了，但是产品经理这个岗位主要就是负责产品前期的需求沟通和产品原型的设计等等工作。以及后期如果有需求变动，也是产品经理负责与程序员沟通的。
（2）前端工程师主要是负责前端页面的开发工作以及和后端工程师一起联调开发功能模块，前端工程师这边也是分为初级、中级、高级三个级别的职位，不同的级别所负责的东西也是不同的，当然了，待遇也是不同的，好的前端，待遇还是很不错的。
（3）后端工程师主要是负责后端系统的代码编写，然后负责和前端联调功能以及产品经理那边沟通需求和模块所需的需求，后端工程师也是分为初级中级和高级，三个级别的职位，初级工程师所负责的项目可能比较边缘化，但是终极的话基本就是负责核心的项目开发，高级的话差不多就是架构师或者项目总监的职位，待遇还是非常不错的。
（4）测试工程师主要是负责前后端那边开发的功能交付过来，他们这边按照需求去测一下是否符合需求上面所要求的功能，测试工程师和前面一样也分三个级别，最高级别的话基本上就是负责测试的一个小组，组长主要是负责项目测试的进度把控以及项目测试功能分配。
（5）运维工程师主要是负责公司的网络以及数据库的维护和线上项目环境的搭建等等，运维工程师也和前面一样分为三个等级，一般高级运维的情况下，薪资福利待遇还是挺不错的。
（6）全栈工程师这个职位的话，主要是考验的是你的综合能力，对于技术以及沟通能力要求是特别严格的，你最起码对于所有的技术你都要精通而且可以负责整个项目基本上和项目总监架构师同等级别。
职位选择对于职位的选择，这里就要看你会什么技能，或者说你对哪些岗位感兴趣，首先你要有一个目标，然后确定好方向之后再去往这个方向去努力，比如说你对编程感兴趣，然后可以去培训一下，或者以应届生的身份进入公司去学习，从一个初级的开发人员慢慢的去努力，去奋斗，慢慢的向这个职位的最高岗位晋升。
总结总结一下，其实IT行业如果想入门的话，也不是像你想象的那么难，如果你想要进入这个行业，可以从编程这个行业进入，而选择一个培训机构学一个3~6个月，基本上都可以达到初级的水平，这样你就可以顺利的进入到了IT行业，因为我本身的话，也是通过这种方式进入到这个行业的。当然啦，进入之后不代表你就可以永远在这个行业做下，做IT这一行业需要你不断的去学习新的技术，才能够永远的在这个行业待下去，相比于其他行业来说这个行业，虽说薪资高一点，但是加班也是常有的事，所以这个行业的选择还是需要你慎重的考虑一下的。
好了，以上的几点就是我对于这个行业的了解做的分析，希望可以帮到你。
有哪些黑科技App可以推荐一下？
1.全世界：超级文科（历史、政治、地理、音乐、美术、心理、哲学、战争）资讯学习利器
时空柱：绝对眼前一亮、超级酷炫的学习功能，横向对比中西历史，纵向对比上下几千年。学习历史，一目了然。
关系图谱：了解历史时间，全方位覆盖，层层递进。
关系图谱：了解一个人的所有事项，一目了然。
时空地图；每一个历史事件，对应的年份、地理位置、人物、历史事件，同一事件发生的大事，一目了然。
时间线：时间顺序梳理整个过程，学习历史用更生动有趣的方式。
人物族谱：来龙去脉、融会贯通。
同样品质的内容，覆盖：知识树、全古迹、全战争、全哲学、全心理、全画作、全音乐、美术史、音乐史、科技史、全古迹、国家简史、全国家。
中国断代史：
世界国别史：
top100分类：
全世界，是一个能开启过去和未来点的超级app，用过的人大多会把它归类为“黑科技”。
2.时光序：以一敌百的规划类应用，秒杀一切同类，不服来战先来两个普通功能：
透明桌面插件，显示日程不是原点而是文字和不同的颜色，一天、一月的规划一目了然。
桌面重要/紧急四象限插件，很多人的梦寐以求：
接下来才是重点：
规划，酷炫的同时还得好用、好看
数据统计，一目了然
多端同步，满足不同场景：甚至很多人用它来传输文件
特色黑科技：艾宾浩斯遗忘曲线记忆日程（这一个功能就被可开发为一个软件）
帮助孩子提高学习成绩超级武器之一，自动生成复习计划。
此外：事项记录、倒数纪念日、习惯打卡、备忘录、日记、记账、喝水、专注、读书......
(它在不断进化，每一项就是别的一个软件的特色)
部分功能预览图（实际界面比这还要好几倍，这个仅仅是预览图）：
网友评价：
就这？还有。
3.扫描王全能宝：扫描界的良心软件，同样不服来战职场办公需要用到把图片转化为文本或表格，文本很简单，我们只说“图片转表格”，比如下面这张图：
这是一张打印出的电子表格，如果需要扫描为电子档，很多软件会败下阵来,而很多优质的软件非常贵，有的甚至按次收费（不良心啊）。
使用扫描王全能宝效果如下：
效果非常好，一键导出为excel格式，大大提升工作效率（不加班的秘密）。
作为对比，看看白描和迅捷ocr的成绩：
扫描王全能宝（90分）>白描（80分）>迅捷ocr（70分）。
注意：
其他的扫描软件有：一个木函ocr、极度扫描、天若ocr等（后期可能会进行复杂场景对比），但论即超级实惠又效果超好，扫描王全能宝应该首屈一指。
因为扫描仅仅是它的功能之一，未来可期，价格实惠：
4.笛云听写：免费语音转文字，效果好0付费，网友评价秒杀讯飞（开玩笑）办公场景除了图片文字识别还有语音识别，比如做会议记录，录制讲话音频等，网友的痛点是好用的太贵，便宜的广告多不好用。
你需要这款黑科技：无广告，全免费（每天10小时转写时长，还不够你用啊）
此外免费的也有好软件，识别率达到96%，除非专业人士，完全够用：
支持外部文件导入识别：
支持多端同步：
网友评价：被topbook、少数派等多家大V号推荐的黑科技：
但是，不得不告诉你，它有一个很大的缺陷：不支持同步转写。如果你有同步转写需求，请看下一个软件：
5.考拉语音转文字：同步语音转文字，效率神器，好用不贵
实时转写、实时翻译、文字转语音，付费软件就是这么牛
录音转文字实时转写功能测试：效果不错
文字转语音：多种音色可选择
实时翻译：支持多种语言间转换，各种场景不担心语言问题。
5.一个木函：手机中的百宝箱，要什么有什么，称得上黑科技以拼图为例：
有时候需要把很多张图片拼接起来，用一个木函一键就搞定了。
这只是它几十个超级功能的一个，所以给公认为手机黑科技。
6.essentialpim PRO：少有人知道的软件，但足够厉害，任何时候都拿得手被三星、惠普等超级巨头选择的日程管理（桌面及手机端）
7.图怪兽：手机作图神器，设计神器，超级黑科技（超好用+超实惠）一次付费，终生不愁：
日签、海报、培训、日报、倒计时、logo、邀请函、表情包、喜报、总结、汇报：
覆盖新媒体、电商、教育培训、餐饮美食、企业管理、金融保险、影视宣传、营销推荐：
8.万能遥控：没有遥控板，没关系。任何人都需要的黑科技，不然怎么开空调
9.河豚直播APP、蓝鲸体育：免费看NBA等体育赛事10.同样：听说你喜欢艺术，怎能错过的黑科技100万高清图库随意下：
40万中外艺术家：
书画、印鉴、书籍：随便搜
10万电子书库，随心看：
黑科技要么超高效率解决问题、要么提供优质资源信息，以上这些软件做到了。
其他的超级软件：头条、得到、喜马拉雅、知乎等等，至于看电影、电视剧的软件，拉轰把这类消耗型的软件再好也不是黑科技，顶多是让人颓废的黑科技。
手机端如此，电脑端更多：
比如电脑端的黑科技：
word内置范文搜索神器：
文件夹整理超级神器：
比snipaste更好用的截图软件：
一个软件效率加1，10个软件效率加10，10个网站再加10，如果能够融汇贯通呢？效率翻10倍。拉轰持续更新。
转发+关注，你懂的。有问题、需要请留言。有推荐，一起更好。
有没有好用协同办公的软件？
我们先分析一下题主的需求：1. 多人文档在线编辑 2.支持Word/Excel/PPT等office办公 3.可以协同办公 4.PC/移动端同步 5. 免费
虽然列举出这些需求，但还算是比较简单，这里我们再往深度延伸一下，看看协同办公软件能够实现哪些办公功能？
1.PC/移动端同步
既然需要在线办公，那就必须要支持PC/移动端同步，且操作简单易上手
2.项目的创建和管理
一键创建项目，组建团队，建立不同任务，分配到成员个人，责任划分，将项目任务结构清晰化
3.项目进度管理
每一个任务的进展对于项目来说都是非常重要的，尤其是因为不及时清楚任务的进展情况，会直接影响到项目的完成，所以任务进度看板甘蓝图还是非常有必要的
4.在线交流讨论
成员之间可以随时在线交流，支持发送文字/图片/文件/语音（移动端）。这里插一句：交流工具有很多，这里也不强求，不过工具切换来切换去还是比较麻烦
5.文档在线存储共享编辑
办公时肯定会有很多文件，对于文件的存储和共享，员工应该都知道，方式有很多种，但都不如在线云盘存储，一键分享文件，为了保护重要文件，也可设置分享状态（公开/私密/只读）；共享到云盘的公开文档，大家都可在线编辑，支持Word/Excel/PPT办公三件套。
6.项目动态管理
对于项目的一些动态，也需要进行记录，什么时间/什么人/做了什么/，项目一切清晰明了
7.人力资源分配
对于团队来说，在人力资源合理分配上还是比较欠缺的，需要有实时数据查看成员的任务比重情况，更合理的去分配任务。
8.客户参与
云竹作为新时代的协作工具，不仅需要的是企业内团队的协作，更需要的是与客户的交流，独有客户协作功能，可授权客户通过客户账号登陆专属页面，及时了解项目进展，并根据项目需要在线提供相关文档及配合。
哦，对了，还有一点免费。云竹协作 现阶段就是提供免费使用（不用问我为什么不收费，可能是因为傲娇吧）；当然，还有更多云竹功能等你来解锁get！！
如何学习数据分析？
想要成为数据分析师，给大家分享一份初级的入门指南！
它包含Excel、数据可视化、数据分析思维、数据库、统计学、业务、以及Python。
这七part 的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。
第一part：Excel
每一位数据分析师都脱离不开Excel。
它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。
Excel的学习分为两个部分。
掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。把各类数据输入，经过计算和转换输出我们想要的结果。
在SQL，Python以及R中，函数依旧是主角。掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近的函数。
在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。
清洗处理类：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text
关联匹配类：lookup、vlookup、index、match、row、column、offset
逻辑运算类：if、and、or、is系列
计算统计类：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif
搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。
第二部分是Excel中的工具。
在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性价比的几个技巧。包括数据透视表、格式转换、数组、条件格式、自定义下拉菜单等。正是这些工具，才让Excel在分析领域经久不衰。
在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。
Excel需要反复练习，实战教程「数据分析：手把手教你Excel实战」，它通过网络上抓取的数据分析师薪资数据作为练习，总结各类函数的使用。
除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。
了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，float等。
了解数组，以及相关应用（excel的数组挺难用），Python和R也会涉及到 list，是核心概念之一。
了解函数，深入理解各种参数的作用。它会在学习Python中帮助到你。
了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。
第二part：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。
数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。首先了解常用的图表：
Excel的图表可以100%绘制上面的图形，但这只是基础。
在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。
数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。了解图表的维度和适用场景，比好看更重要。比如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭露数据内在状态的变化和流向。案例是用户活跃状态的趋势。
Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可视化报表。「数据可视化：教你打造升职加薪的报表」教给大家常用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的设立、复合图表等方法。
Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。
图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。
上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元格直观不少。我们常常把绘制这类Dashboard的工具叫做BI。
BI（商业智能）主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。
另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。
在「数据可视化：手把手打造BI」教程中，以微软的PowerBI举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。最后的成果就是上文列举的分析师案例。
BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。
后续的进阶可视化，将和编程配合。因为编程能够提供更高效率和灵活的应用。而BI也是技术方向的工具，了解技术知识对应用大有帮助。
第三part：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。
在一场战争中，士兵装备再好的武装，进行再严苛的训练，若是冲锋的方向错了，那么迎接他们的唯有一败涂地。
分析思维决定一场「数据战争」中的冲锋方向。只有先养成正确的分析思维，才能使用好数据。
既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，以「我觉得我认为」展开，好的数据分析首先要有结构化的思维。
麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。最典型地莫过于金字塔思维。
这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。
除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这些都是不同领域的框架。框架的经典在于，短时间内指导新人如何去思考，它未必是最好的，但一定是性价比最优的。数据分析思维，是分析思维的引申应用。再优秀的思考方式，都需要佐证和证明，数据就是派这个用处的，「不是我觉得，而是数据证明」。
现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。每一位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机器学习，也是围绕指标体系建立的。
下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。每一个环节，都有数据及指标以查询监控。
不同业务背景需要的指标体系不同，但有几个建立指标的通用准则。这篇文章深入介绍了「如何建立数据分析的思维框架」。你将区分什么是好指标、什么是坏指标、比率和比例、指标的结构、指标设立的维度等概念。
数据分析不是一个结果，而是一个过程。几乎所有的分析，最终目的都是增长业务。所以比分析思维更重要的是驱动思维落地，把它转化为成果。
数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。以生活中的问题出发做练习。
这家商场的人流量是多少？怎么预估？
上海地区的共享单车投放量是多少？怎么预估？
街边口的水果店，每天的销量和利润是多少？怎么预估？
这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。另外就是刷各种CaseBook。
优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。
第四part：数据库
Excel很容易遇到瓶颈，随着业务的发展，分析师接触的数据会越来越多。对大部分人的电脑，超过十万条数据，已经会影响性能。何况大数据时代就是不缺数据，这时候就需要学习数据库了。
即使非数据岗位，也有越来越多的产品和运营被要求使用SQL。
很多数据分析师戏称自己是跑SQL的，这间接说明SQL在数据分析中有多核心。从Excel到SQL绝对是处理效率的一大进步。
教程内容以MySQL为主，这是互联网行业的通用标准。其实语法差异不大的。
新手首先应该了解表的概念，表和Excel中的sheet类似。「写给新人的数据库指南」是一篇入门基础文章，包括表、ID索引、以及数据库的安装，数据导入等简单知识。
SQL的应用场景，均是围绕select展开。增删改、约束、索引、数据库范式均可以跳过。新手在「SQL，从入门到熟练」教程会学习到最常见的几个语法，select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数。
数据还是分析师薪资数据，它可以和Excel实战篇结合看，不少原理都是相通的。
想要快速掌握，无非是大量的练习。大家可以在leetcode上做SQL相关的练习题，难度从简单到困难都有。「SQL，从熟练到掌握」教程中将会带领大家去刷一遍。
join对新手是一个很绕的概念，教程会从图例讲解，逐步提高难度。从一开始的join关联，到条件关联、空值匹配关联、子查询关联等。最后完成leetcode中的hard模式。
如果想要更进一步，可以学习row_number，substr，convert，contact等函数。不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再想提高，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。知道为什么union比or的效率快，这已经和不少程序员并驾齐驱。
第五part：统计学
很多数据分析师并不注重统计学基础。
比如产品的AB测试，如果相关人员不清楚置信度的含义和概念，那么好的效果能意味着好么？如果看待显著性？
比如运营一次活动，若不了解描述统计相关的概念，那么如何判别活动在数据上的效果？可别用平均数。
不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。
统计知识会教大家以另一个角度看待数据。如果大家了解过《统计数据会撒谎》，那么就知道很多数据分析的决策并不牢靠。
在第一篇教程「解锁数据分析的正确姿势：描述统计」，会教给大家描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。
箱线图就是描述统计的大成者，好的分析师一定是惯用箱线图的常客。
第二篇「解锁数据分析的正确姿势：描述统计(2)」将会结合可视化，对数据的分布进行一个直观的概念讲解。很多特定的模型都有自有的数据分布图，掌握这些分布图对分析的益处不可同日而语。
直方图和箱线图一样，将会是长久伴随分析师的利器。
统计学的一大主要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，「概率论的入门指南」和「读了本文，你就懂了概率分布」都是对其的讲解。
包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。理论不应用现实，那是无根之木，教程中会以运营活动最常见的抽奖概率为讲解，告诉大家怎么玩。
其实数据分析中，概率应用最广泛和最全面的知识点，就是假设检验，大名鼎鼎的AB测试就是基于它的。俗话说得好，再优秀的产品经理也跑不过一半AB测试。
何为假设检验？假设检验是对预设条件的估计，通过样本数据对假设的真伪进行判断。
产品改版了，用户究竟喜不喜欢？调研的评分下降了，这是用户的评价降低了，还是正常的数据波动呢？这些都是可以做假设检验的。它可以说是两面两篇文章的回顾和应用。
「数据分析必须懂的假设检验」依旧以互联网场景讲解各种统计技巧的应用。假设检验并不难，通过Excel的几个函数就能完成。它的难点在于诸多知识点和业务的结合使用，实际公式不需要掌握的多透彻，了解背后的意义更重要。
统计学是一个很广阔的领域，包括方差分析，时间序列等，都有各自不同的应用。大家若感兴趣，可以去阅读各类教材，没错，教材是学习统计学最优的方式。我这类文章堪堪算入门罢了。
第六part：业务
对于数据分析师来说，业务的了解比数据方法论更重要。举个例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，根本不知道垂直距离。这是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。业务形态千千万万，数据分析师往往难窥一二。我的公众号业务部分也涉及了不少，大家可以通过这几篇文章了解。
一篇文章读懂活跃数据；深入浅出，用户生命周期的运营；获取新增用户，运营都应该知道的事；运营的商业逻辑：CAC和CLV；从零开始，构建数据化运营体系；读懂用户运营体系：用户分层和分群，这些都是互联网运营相关的内容，或多或少涉及了不少业务方面的概念，数据分析人员可以选择性的挑选部分内容。了解业务的数据分析师在职场发展上会更加顺利。
而在「最用心的运营数据指标解读」中，我尝试总结了几个泛互联网领域的指标和业务模型，它们都是通用的框架。
产品运营模型：以移动端APP为主体，围绕AARRR准则搭建起数据框架。包括Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播，以及细分指标。
市场营销模型：以传统的市场营销方法论为基底，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。
流量模型：从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、用户分享率、停留时间、退出率跳出率等。
电商和消费模型：以商品的交易、零售、购买搭建而起。包括GMV、客单价、复购率、回购率、退货率、购物篮大小、进销存，也包含SKU、SPU等商品概念。
用户行为模型：通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层，还包含点赞评论浏览收藏等功能的相关指标。
除了上述的几个常见模型，数据分析还有其他分支。比如SEO/SEM，虽然可以归类到流量模型，但它并不简单。比如财务分析，商业的各种成本支出也需要专人负责。
在业务知识外，业务层面的沟通也很重要。业务线足够长的时候，沟通往往成为老大难的问题。
业务学习没有捷径，哪怕掌握了诸多模型，不同行业间的业务壁垒会是分析师们的门槛。金融的各类专有领域知识，电子商务不同产品的特性，这些都会影响到分析报告的质量。
在早期，新人最好选择一到两个领域深入了解其业务，然后以此拓展边界。
第七part：Python/R
第七周是最后的学习环节。
是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。掌握一门优秀的编程语言，可以让数据分析师升职加薪，迎娶白富美。数据分析领域最热门的两大语言是R和Python。R的优点是统计学家编写的，缺点也是统计学家编写。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。
Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。
这里的教程以Python为主。
「开始Python的新手教程」将会教大家搭建数据分析环境，Anaconda是功能强大的数据科学工具。Python建议安装Python3+版本，不要选择Python2了。
Python的语法相当简洁，大家print出第一个hello world顶多半小时。就像在Excel上进行运算一样方便。
「开始Python的数据结构」介绍给大家Python的三类数据结构，列表list，元组tuple，以及字典dict。万变不离其宗，掌握这三种数据结构以及相对应的函数，足够应付80%的分析场景。函数式编程为Python一大特色，Python自身就提供不少丰富的函数。很多都和Excel的函数相通，掌握起来非常迅速。另外还有控制流，for、while、if，通常配合函数组合使用。
「了解和掌握Python的函数」教大家如何自定义函数，丰富的函数虽然能偷懒，但是不少场景下，还是需要自己动手撸一个。
能够调第三方包解决，就使用第三方的函数。如果是一个频繁使用的场景，而第三方依靠不了，就自己编一个函数。如果是临时性的场景，写得粗糙点也无所谓。毕竟分析师的代码能力不要求工程师那么严格，所以Python的学习尽量以应用为主，不用像分析师那么严格。
包、模块和类的概念属于进阶知识，不学也不要紧。
「Python的数据分析: numpy和pandas入门」介绍了数据分析师赖以生存的两个包，numpy和pandas，其他Python知识可以不扎实，这两个最好认真掌握。它是往后很多技能树的前置要求。
array，series，dataframe是numpy和pandas的三个数据结构，掌握它们，便算是入门了。后续的两篇教程都是实战。
「用pandas进行数据分析实战」以分析师的薪资作为实战数据。Excel、BI、SQL，一路走来，大家想必对它无比熟悉，这也是最后一次使用它了。教程通过Pandas的各类功能，绘制出一副词云图。
最后一篇教程，将结合以往的知识点，包括业务指标，可视化，描述统计学等内容。「用Python分析用户消费行为」，完成它，不说登堂入室，但也是一位合格的数据分析师了。
它使用某网站的用户消费数据，计算各类常见指标：用户的客单价、人均购买量、回购率、复购率、留存率、平均生命周期等，真正做到融会贯通。用一份数据报告作为毕业作品，也是七周系列最好的结业证书了。
对于没有技术基础的同学，第七part最吃力，但已经完成到这一步，不妨让自己咬咬牙学习下去。
最后
如果能够看完到这里的同学，相信你是对数据分析真正感兴趣的。