自学数据分析必备的免费名校课程清单

我当初自学数据分析时，最容易踩的坑不是“没资源”，而是资源太多。收藏夹里躺着几十门课，真正看完的只有开头那句 Welcome。后来我干脆给自己做了一个筛选标准：免费、名校或大厂背书、有作业、能串成学习路线。下面这份清单，就是我觉得新手最值得啃的版本。

入门别急着上机器学习，先把分析脑子练出来

很多人一上来就学 Python、建模、神经网络，结果连“这个指标为什么下降”都说不清。数据分析不是炫技，更多时候是在一堆表格里找业务线索。

• Duke University：Excel to MySQL: Analytic Techniques for Business

这门课很适合从 Excel 转数据分析的人，里面会讲业务指标、Excel 分析、Tableau 可视化、MySQL。它的好处是“不飘”，每一步都像真实公司会遇到的问题。

• University of Pennsylvania：Business Analytics Specialization

如果你想走商业分析方向，这套课挺香，客户分析、运营分析、人员分析、会计分析都有。听起来杂，但真实工作就是这么杂，老板不会只问你回归模型，他会问“为什么用户不买了”。

统计学这关，迟早要补

我以前特别怕统计，看到假设检验就头大。后来发现，不懂统计做分析，就像拿着放大镜看雾，越看越玄学。

• Duke University：Statistics with R

概率、推断统计、线性回归、贝叶斯都有，节奏比较适合慢慢啃。哪怕不用 R，也建议把统计思路学一遍。

• University of Michigan：Statistics with Python

更偏 Python 实操，适合已经会一点 pandas 的同学。比如置信区间、统计模型这些概念，不再只是公式，而是能落到代码和图表里。

Python 和 SQL，是求职简历上的硬通货

说白了，数据分析岗位最常见的测试就是：给你一份数据，清洗、查询、画图、解释。不会 SQL，很多公司第一轮就卡住了。

• IBM Data Science Professional Certificate

这套课覆盖 Python、SQL、数据可视化、机器学习和 Capstone 项目。虽然不是传统名校，但 IBM 背书很硬，项目型学习对新手特别友好。

• Johns Hopkins University：Data Science Specialization

经典老牌数据科学课程，R 语言路线，内容包含数据清洗、探索性分析、统计推断、回归、机器学习。它不算轻松，但看完会很有“我真的入门了”的踏实感。

想做作品集，优先选带项目的课

只看视频很容易产生幻觉：我懂了。直到自己打开空白 Notebook，才发现连读取文件都要搜半天。所以我现在判断一门课值不值得学，会看它有没有 Capstone 或真实案例。

• UC Davis：Data Visualization with Tableau

想补可视化表达，这套很顺手。仪表盘、视觉原则、数据故事都讲到了，适合做一个能放进作品集的 Tableau 项目。

• Google Cloud：From Data to Insights with Google Cloud

如果你对大数据平台有兴趣，可以试试 BigQuery 相关课程。现在很多企业数据量动不动百万、千万行，只靠本地 Excel 真会卡到怀疑人生。

我的建议：别贪多，按这条线走

如果只能选 5 门，我会这样排：

1. Excel to MySQL




2. Statistics with Python




3. IBM Data Science Professional Certificate




4. Data Visualization with Tableau




5. Business Analytics Specialization

每天学 1 小时，认真做作业，3 个月能明显变样。不是那种“月薪翻三倍”的鸡血变样，而是你看到销售表、用户留存表、广告投放表时，脑子里会自然冒出问题：按渠道拆了吗？有没有异常值？同比环比怎么走？这个变化是偶然还是趋势？

这种感觉，挺上头的。比收藏 200G 课程但一节没看，爽多了。