💡 核心結論速覽 (TL;DR)
- 先學順序：零基礎別急著碰 Python，先把 Excel → SQL 練熟，多數入門職缺這兩樣就夠用，Python 放第三步再補。
- 自學時間：每天 1 小時、大約 3～6 個月能做出第一份能放進履歷的分析作品，不是網路上說的「兩週速成」。
- 課程怎麼選：要系統路徑＋履歷加分選 Coursera 的 Google Data Analytics 證照（月費約 US$49、約半年）；想邊寫邊練用 DataCamp（月費約 US$35、內容可免費試看）。
- 下一步：先花一週用免費資源確認自己真的坐得住，再決定要不要付費——別一開始就砸半年學費。
「數據分析入門到底要先學 Excel、Python 還是 SQL？」這大概是我被朋友問過最多次的一題。老實說，我自己也走過那段「打開一堆課程頁面、每個都想學、結果一個都沒學完」的鬼打牆時期。
先給你直接的答案：零基礎的話，先 Excel、再 SQL，Python 放第三步。理由後面慢慢說。我是從工程師、數據分析師一路做到產品負責人的人，這篇不是幫你整理維基百科，而是把「如果我現在從零開始，會怎麼排順序、怎麼花錢、會先避開哪些坑」講給你聽。
如果你連「要不要走數據分析這條路」都還在猶豫，這篇也會幫你把「適合誰、不適合誰、學完能做什麼」講清楚。那我們開始吧。
數據分析入門先學哪個？Excel、Python、SQL 我的先後順序
直接講結論：零基礎先學 Excel，接著 SQL，最後才是 Python。很多教學一上來就叫你裝 Python、學 Pandas，我覺得那是勸退新手最快的方法。
為什麼是這個順序？因為數據分析的核心其實不是寫程式，是「問對問題、看懂數字、把結論講給別人聽」。Excel 就能練到八成這種感覺，而且門檻最低——你今天下午就能打開一張表開始玩樞紐分析。
等你習慣了「用數據回答問題」，資料量變大、Excel 開始卡，這時候學 SQL 就水到渠成。SQL 是資料庫的共通語言，幾乎每一個數據分析職缺都會考，投資報酬率高得誇張，語法又比程式語言好上手。
Python 我會放最後，不是因為它不重要，而是它適合在你「已經知道自己要算什麼」之後，用來自動化、跑統計、做機器學習。先有分析思維，再學 Python 才不會變成「會語法但不知道要幹嘛」。
工具 | 先學順序 | 解決什麼 | 上手難度 |
|---|---|---|---|
Excel | ❶ 第一步 | 建立分析思維、樞紐表、圖表、快速探索小資料 | 低 |
SQL | ❷ 第二步 | 從資料庫撈資料、篩選、彙總，職缺必考 | 中低 |
Python | ❸ 第三步 | 自動化、統計建模、串接大量資料與機器學習 | 中 |
如果你已經有一點程式底子（例如寫過網頁），那 SQL 和 Python 可以並行；完全零基礎、又怕挫折的人，就乖乖照 ❶❷❸ 走，你會走得比硬啃 Python 的人還快。想同時把寫程式當第二技能練的，可以看我另一篇 從工程師視角整理的零基礎自學程式完整路線圖，跟這篇的邏輯是同一套。
零基礎數據分析自學路線圖：我會照這四步走
先給路線：❶ 建立分析思維 → ❷ 練資料處理 → ❸ 做一個真的作品 → ❹ 補證照或進階技能。很多人卡住不是因為不夠聰明，是因為順序亂掉、每一步都想跳級。
❶ 建立分析思維（約 3～4 週）：用 Excel 拿一份你有興趣的資料——追劇清單、記帳、社團活動報名表都行——練習「提出一個問題、用數據回答它」。這一步不寫任何程式，重點是養成「看到數字先問為什麼」的直覺。
❷ 練資料處理（約 4～8 週）：學 SQL 的 SELECT、WHERE、GROUP BY、JOIN 這幾個核心，能從一堆表裡撈出你要的答案。這階段我最推薦互動式練習，寫一行、馬上看到結果，比看影片有效十倍。
❸ 做一個真的作品（約 4～6 週）：這是拉開差距的關鍵。找一個公開資料集，從頭做一份完整分析：清資料、算指標、畫圖、寫一段「所以呢」的結論。這份東西之後就是你履歷上最有說服力的證據。
❹ 補證照或進階技能（看需求）：想轉職、需要一張履歷背書，這時候再上結構化課程或考證照最划算。前面沒基礎就先砸錢考證照，我看過太多人半途而廢，錢和時間都浪費了。
提醒一個我自己踩過的坑：不要在「選工具、選課程」這一步耗太久。我當年花了快一個月比較各種資源，比較到後來根本忘了要學什麼。工具沒有最完美的，先選一個開始動手，遠比繼續比較重要。
數據分析自學要多久？能不能不靠學校自學？
先講實話：每天穩定 1 小時，大約 3～6 個月能做出第一份拿得出手的分析作品，能不能靠自學完全看你有沒有「做完一個作品」，跟有沒有學校無關。網路上那些「兩週學會數據分析」的標題，你就當作沒看到。
我認識一個朋友，行銷背景、完全非本科，她就是靠下班自學，花了大概半年做出一份自己公司的用戶分析報告，後來直接被調去做數據相關的職位。她的關鍵不是學得多快，是真的把一個專案從頭做到尾，而不是課上到一半就換下一堂。
會拖到 6 個月以上的人，通常卡在兩件事：一是同時開太多課程，樣樣通樣樣鬆；二是只看不做，影片看得很爽，真的要自己寫一段 SQL 就腦袋空白。說穿了就是輸入太多、輸出太少——這是自學最難跨過的一關。
還有一個 AI 時代的變化我要特別講：現在 ChatGPT、Claude 已經能幫你寫 Excel 公式、寫 SQL、寫 Python，很多人問我「那還要學嗎？」要，但學習重心不一樣了。你不用背語法，但你得看得懂 AI 給的答案對不對、問得出對的問題。工具幫你打字，判斷還是你的事。
數據分析課程平台怎麼選？DataCamp、Coursera、Udemy 的取捨
直接說我的分法：要邊寫邊練選 DataCamp、要系統路徑＋履歷背書選 Coursera、要便宜補單一技能選 Udemy。三種需求不一樣，硬要三選一反而選不好。
DataCamp 是我最推薦給「坐不住、看影片會睡著」的人。它整個介面就是「寫一行程式碼、馬上看到結果」的互動式練習，Data Analyst with SQL、with Python 的學習軌一條龍排好，內容還能免費試看再決定要不要訂閱（月費約 US$35）。對數據分析自學來說，這種即時回饋真的很對症。
Coursera 的 Google Data Analytics 專業證照則是我會推薦給「要轉職、需要一張看得懂的背書」的人。它是 Google 出的、零基礎可入門、走月費制（約 US$49，官方建議約半年完成，總價 US$300 上下）。這張證照在履歷上的辨識度，是它最值錢的地方。想知道證照到底值不值得，可以參考我另一篇 帶團隊面試的角度分析 Google 證照含金量。
Udemy 我會拿來「哪裡不會補哪裡」。它是單堂買斷、常常大特價，適合你已經在自學、只是卡在某個特定技能（例如某個 Excel 函數、某段 Python 視覺化）時，花小錢買一堂針對性的課。不適合當主線，適合當工具箱。
平台 | 最適合 | 收費模式 | 我的一句話 |
|---|---|---|---|
坐不住、想邊寫邊練 | 訂閱制（可免費試看） | 即時回饋最強，自學數據分析首選 | |
轉職、要履歷背書 | 月費制（約半年） | Google 證照辨識度高 | |
補單一技能缺口 | 單堂買斷、常特價 | 當工具箱用，別當主線 |
如果你想連其他技能課程一起比，我之前寫過一篇 繳過學費後的線上學習平台真心話，把 Hahow、Udemy、Coursera 的差異講得更細；想直接看清單的話，這份 最值得上的 10 堂線上課程也有列到數據相關的選擇。
👉 想先零成本試水溫？先用 DataCamp 的免費試看內容寫幾行看看自己坐不坐得住，再決定要不要付費——這是我覺得最不會後悔的第一步。
學數據分析能做什麼？薪水與適合誰、不適合誰
先講現實面：會數據分析不等於一定要當數據分析師，它更像一個能幫你在很多職位上加薪的底層技能。行銷、營運、產品、業務，只要你能用數據講話，你的意見就比別人有份量。
以我從基層做到帶團隊的觀察，會不會看數據，常常是同一個職位裡薪水拉開差距的原因之一。這件事跟「會不會用 AI」很像——工具是加分項，能不能用它做出判斷才是關鍵。這點我在 會用 AI 薪水真的比較高嗎那篇聊過更多。
更實際的是，數據分析是一個很好變現、也很好接案的技能。你幫小店家看一份銷售資料、幫自媒體看一份流量後台，都是能收費的服務。我自己就寫過怎麼用數據分析優化社群行銷，那套邏輯拿去接案完全通用。想把它變成副業的人，也可以搭我這篇從零開始的副業選擇攻略一起看。
適合走這條路的人：喜歡追根究柢、看到數字會想問為什麼、願意花 3～6 個月做完一個作品的人。先別急著投入的人：只是因為「聽說薪水高」而來、討厭跟數字打交道、期待兩週速成的人——你會很痛苦，而且大概率半途而廢。
免費資源 vs 付費課程：我會怎麼分配預算
我的原則很簡單：前期用免費資源確認興趣，中期用付費課程買「系統」和「時間」，後期用證照或作品買「信用」。一開始就砸半年學費，是新手最常犯的錢坑。
免費資源其實已經多到學不完——SQL 有一堆線上互動練習、Python 官方文件和免費教學影片、Excel 更是隨便一搜都有。這個階段的目標只有一個：確認你真的坐得住、真的有興趣，別急著付錢。
什麼時候該付費？當你發現「免費資源東一塊西一塊，我不知道下一步該學什麼」的時候。付費課程買的不是知識本身，是幫你排好順序、幫你省下亂逛的時間。這時候 DataCamp 這種有完整學習軌的訂閱制就很值得。
我踩過的一個坑是：買了課卻沒排時間上，等於白花錢。所以我現在的做法是先確定每天有固定 1 小時，再刷卡。工具再好，沒有固定時間都是浪費。AI 工具也能幫你加速這段路，想邊學邊用的話，可以看我這篇用 ChatGPT 寫 Excel 公式、整理資料與做分析的實作教學。
FAQ 常見問題
數據分析入門一定要會寫程式嗎？
不一定。入門階段用 Excel 就能建立分析思維，很多基礎職缺 Excel＋SQL 就夠用。Python 是進階自動化和建模才需要，別被「數據分析＝寫程式」的印象嚇退，先從不用寫程式的部分開始最容易堅持。
沒有數學或統計背景，能自學數據分析嗎？
可以。入門用到的數學大多是加減乘除、比例、平均這種國中程度，真正吃重的統計是進階才碰。比起數學，更重要的是「願不願意把一個分析從頭做到尾」。非本科出身自學成功的人非常多，別自己先嚇自己。
DataCamp、Coursera、Udemy 到底該選哪個？
看需求：想邊寫邊練、要即時回饋選 DataCamp；要轉職、需要一張履歷背書選 Coursera 的 Google 證照；只是想補某個特定技能、預算有限選 Udemy 單堂買斷。三者不衝突，很多人是先用一個免費試看，再依卡關的地方補其他。
自學數據分析要花多少錢？
可以從零元開始。前期完全能靠免費資源確認興趣，真的要付費，訂閱制平台月費大多在 US$35～49 之間，Udemy 單堂常有特價。我的建議是先用免費資源撐過第一個月，確定坐得住再付費，不要一開始就砸半年學費。
AI 這麼強了，還需要學數據分析嗎？
需要，但重心變了。ChatGPT、Claude 能幫你寫公式和程式，你不用死背語法，但你得看得懂結果對不對、問得出對的問題。會用 AI 的人反而更需要數據判斷力，不然只是把錯的答案跑得更快。
參考資料
- Coursera — Google Data Analytics Professional Certificate
- DataCamp — Best Data Analyst Certifications 2026
- Python 官方網站
- Microsoft Power BI 官方學習資源
- 更多我對工具、自媒體與職涯的實測，都放在關於夜羽凌與我的部落格。
