本文篇幅较长，大约
7 分钟
，但如果不花点时间阅读，可能是人生最贵的 7 分钟。
编程这个东西是真的奇妙。对于懂得的人来说，会觉得这个工具是多么的实用、有趣，而对于小白来说，就如同大山一样。
对于成年人或者进入职场的人来说，学习一门新的知识，目的主要不在于积累，
而在于解决问题。
很多人学不进去编程，
最容易走弯路的原因
就是没有应用在自己的工作或者生活上，没有找到自己一个感兴趣且擅长的领域去持续牵引学习。
找工作、买房、投资、数据库、大数据、分布式、人工智能、机器学习等等编程可以应用的方向，不去好好选几个自己喜欢的然后持续投入，过度关注语言本身，自己亏太大了。
新生大学一直倡导“人人都能用英语”，今年我们提出已经到了
“人人都能用编程”
的拐点。
编程和英语都是通往未来世界的关键语言，
语言永远不核心，工具永远不关键，
只有用是关键。
找到要用的领域，你的大脑会很厉害，它自己会想办法穿透那层“毛玻璃”（语言），看到那玻璃背后的意义…… 不知不觉之间，那“毛玻璃”就会变成“透明玻璃”，就这么简单。
用好手中数据，决策质量提升非常明显
学习编程的第一个重要应用，我们推荐数据分析。
我们可以先看一看，有数据分析能力的人是如何提高决策质量的。
依靠数据分析，买房可以少花40万
怎样抓住稍纵即逝的买房时机？
你可以通过数据分析了解房地产行业动态，增加对自己的投资决策的信心。
数据分析师刘红阁是一个很好的案例。她2016年8月份在北京的第二次买房，她入手后仅一个月后，北京新建商品住宅销售价格曾创下单月同比上涨30.4%的历史记录。
其实很简单。
她先把历年北京的房价走势数据拉出来看看。
2012年房价疯涨后，13年进入横盘期，14年全年趋势下行，15年中开始上涨。房价在2-3年的横盘或者下行后（主要受政策调控影响），会进入下一个上涨通道。她的朋友一犹豫不要紧，仅仅4个月的时间，房价涨了40万，而她已经轻巧地避过了这场大风。
所以，你就可以抓取关注地区的房地产行业数据，为自己的投资决策做更好的判断依据，再通过价格动态、成交信息、地理位置、新房二手房等基本信息，
根据个人关注情况提取更多数据特征判断自己关注指标。
数据分析还可以发挥保险的最大价值
可以对比各个保险（重疾险、分红险、基础保障险等）涵盖的疾病类型、风险情况、分红时间等信息。其次，查询一下各类疾病在不同人群中（男性、女性、年龄段等）出现的概率。
然后，综合考虑每个家庭成员的情况，决定购买哪家公司的哪款产品。
找工作，数据分析也可以帮忙
你可以敏锐关注财经新闻中指标的增长率，如果某个细分行业年增长率高达15-20%，它一定在高速发展，毕业生可以考虑加入。对比于发达国家，宏观经济或行业领域变化大于5%的指标都值得关注，如果变化大于20%，往往不是机会就是陷阱。
再比如，
大家都在说互联网数据分析师薪资高，你就可以自己抓变化趋势来判断
。
你可以通过数据分析了解市场对行业人才的需求，通过抓取市场针对 Python 相关岗位招聘信息，分析判断 Python 就业前景。通过具体岗位、薪资水平、分布区域，招聘企业等基本信息，根据个人关注情况提取更多数据特征，更精准判断就业趋势。
让数据成为信息、知识和有效商业决策
我们处于越来越数据过载的时代。
不仅仅是你电脑里面的文件堆积越来越多，每个人身边每时每刻的数据容量、数据流动速率和数据种类都在急剧增加。
很多个人或者企业没有充分利用手中的数据发挥它的价值，
决策质量差异化非常明显。
不论你是工作人士还是学生，请回答以下问题：
你是不是准备
买房
或者要给家人
买保险
，面对一堆不断在变动的房价和保险公司产品，感觉信息爆炸、无从下手？
你是不是平时要做很多工作报告，而报告分析结果通常不能让老板满意，数据查找和整理花费时间过长从而
不得不加班
？
你是不是自己管理着自己的
企业
，却发现从来没有积累、整理过数据，资料一团乱麻？
你是不是还在主要依赖Excel做数据分析和
数据可视化
？
你是不是只会SPSS等数据分析中的“幼儿园软件”？
你是不是在面试中，曾因不具备Python等数据分析基本编程能力而与
Offer
无缘？
你是不是急需掌握数据分析软件以获得更好的工作机会？
你是不是想找偏数据分析的工作，但自己的编程能力不足？
如果你对以上任何一个问题的回答是Yes，
那你不仅有必要应用数据分析，你还十分紧迫地先需要提高输入质量。
学会如何查看和理解数据，让数据成为信息、知识和有效商业决策
，在有限时间内对认知产生巨大提升。
如上图，
数据—>信息—>知识—>商业决策
有一个升级提炼的过程，数据挖掘和分析往往可以帮助我们，从大量无序的流动信息中逐渐自动化提取有趣、有用的隐含信息，善于分析因此能做出更优的决策。
虽然大家都说数据分析是未来生存的必备技能，但目前只有1%的年轻人有基础，更有可能去学习和理解大数据的含义 。
互联网目前存在巨大的数据分析人才缺口红利
，因为能真正发掘数据需求、懂得查看并理解数据的人太少。
不走弯路，数据分析帮助穿透编程的“毛玻璃”
最重点的方法论
部分开始了。
市面上有足够多现成的数据分析工具以供选择，我们还是推荐你能用编程的方式实现数据分析。
并不是每个人学习了数据分析技能都能直接达到买房少花40万的效果，就像不是每个人学习了价值投资都可以成为巴菲特。
我们更需要从根本的思维能力去提升自己，所以更要科学入门、不走弯路。
有两点是需要你能了解的：
其一：
做数据分析，必须挖掘出一个明确的目的，有一定的编程基础最适用于给自己定制需求。
知道自己为什么要做数据分析，想要通过数据分析达到什么效果，而不只是学会运用一堆软件，无法胜任真实工作中遇到的数据挖掘场景。
需要分析什么样的数据，需要对数据进行什么层次的分析，最清楚这些事项的其实是你自己，学会编程的好处是，可以根据自己的真实需求对数据进行灵活可定制的分析，
从海量无序数据中提出有趣有用的隐藏信息
，这就是所谓的极大提高认知决策效率。
其二：编程真的不难，就好像识字其实不难一样。难得是有想法 —— 就好像识字却不会写文章一样。
不懂编程最大的苦恼在于整天都在用别人的模型
，“实现别人的想法”，却“自己啥想法都没有”…至于如何在找到更好的数据分析工作、升职加薪，都是“有想法”之后才有的东西。
所以，
通过学习编程就是学习思考。关键是在数据过载的时代，科学构建自己的数据分析思维模型
：数据来源，数据清洗方式，数据可视化到最后的数据报告。从本质上学会数据分析这一技能，才能够把地基打的足够扎实。
地基扎实的好处是：无论之后遇到什么样的真实难题，你都能游刃有余。
好了，那我们如果
从哪门编程语言入手，最适合我们零基础应用呢
？
掌握 Python，能胜任 90% 互联网企业的数据分析工作
我们要用，就要选择最值得拿来应用的编程语言。毕竟，
成功的真相从来不是努力而是做对了事情。
Python不仅连续三年蝉联TIOBE“最受欢迎编程语言”榜首，而且现在是Data Analytics领域最受欢迎的数据分析工具：
KDnuggets网站最近公布了2019年度的数据分析、数据科学和机器学习工具调查结果。2300多名参与者对自己“过去 12 个月内在项目开发中使用过的数据分析工具”进行了投票。
结果显示Python取代了R成为最受欢迎的数据分析工具
。
但是上面这幅图里，Data Science、Machine Learning的工作者也参与其中，对于Data Analytics数据分析领域本身，Python是否也已成为了需求最大的工具了？
为了更严谨地回答这个问题，有第三方网站爬取了3万条Data Analyst的Job Description，得到了Python在这些Job Description中出现的频率：
Python在Data Analyst的Job Description里出现的频率居然高达69%
。（R的频率是66%)
为什么Python会成为入门数据分析的不二之选？
首先是Python的语法简单，代码可读性高，容易入门，有利于初学者学习。
Python成为数据分析领域的宠儿，得益于Python在数据分析和交互、探索性计算以及数据可视化等方面都有非常成熟的库和活跃的社区，使Python成为数据处理任务重要解决方案。
在科学计算方面，Python拥有Numpy、Pandas、Matplotlib、Scikit-learn、Ipython、Seaborn等等一系列非常优秀的库和工具，掌握最广泛使用的工具集，让困难的东西变得简单、更简单。
这就是为什么自学训练营
