spss是一款数据统计与数据分析工具，操作简单属于数据分析的入门工具。
想灵活自如建议使用spss，是需要能够掌握两个方面内容：数据分析相关知识、spss操作
一、数据分析在建议使用数据分析工具之前，首先要清楚数据分析的思路，有的人刚拿回数据就跃跃欲试的把数据全都丢进spss里，然后再才发现到自己什么都绝对不会，可不知道做的，更还不知道怎末做。因此核心是手中掌握数据分析的思维。
在学数据分析的过程中，建议您大家听从以下四个模块通过自学：
一是数据分析思维的培养。二是数据间的几类关系情况。三是数据分析方法的选择。四是数据研究的撰写等。
1数据分析思维
数据类型是一切研究的基石，确实是数据研究思维的最基本上且最重要的思维。去确认数据的虚无飘渺准确性后，即能够完成数据清理后，可对数据类型并且区分，一切数据均易可分两种类型，除了轻重伤鉴定数据和定量分析数据。
图片来源：spssau帮助手册
定量：数字有也很意义，.例如数字越大代表满意度越高，量表为典型定量分析数据定类：数字无比较意义，比如说性别，1属於男，2华指女
如果没有有的数据同样可以不计算百分比，也这个可以换算平均值，此时就从实际出发研究情况，将其似着定类或是调整膳食数据即可。诸如学历，通常情况下时可以表示定类数据，但数字越大也可以说成是学历越高，因此有的研究方法是把学历比例内项是定量精准数据。
2数据间的几类关系情况
差异关系：大多是去研究不同类型的差异性，提到了不同类别，那肯定不属于到依据数据，差异关系可以以及定性和定量数据的差异性，定罪和定性数据的差异性。自然地也就对应到几类研究方法中。
相关关系：.例如越如何能越该如何之类的关系。除了相关关系，也有影响大关系等。x这对y的影响关系情况如何能等，此时会影响关系又word文档合并出几种分析算法。
其它关系：比如说数据的萃取，聚类等
在并且数据研究时，首先必须想到的是“我你想要做什么？“，来回就仅有六种关系，那你这种关系有着确实的怎么分辨性，对应去确认关系情况，算上数据类型的判断，不对应就会找出合不合理的数据研究方法。
3数据分析方法选择类型
上面两部分共有讲了了数据类型和数据关系情况。随后必须落地，即研究方法的使用。目标即选对研究方法，即数据类型的识别。
第二步即生克制化研究目的，最常见的一种的研究目的除开：数据基本上详细解释、影响关系研究、差异关系研究及其它关系。下表格列下研究目的与研究方法的对应关系。
ltimgclasscapturedeal_web/static/style/image/loading__srcdata:image/svgxmlutf8,ltsvgxmlnshttp:2000svgwidth554height170gt资料来源：spssau好处手册
综合以上分析，要是也可以可以区分数据类型，另外所了解研究目的，则可以不选择类型出现代自然科学的研究方法进行研究。具体看每个研究方法详细的内容，就不使用spssau的智能分析再试一下，当然也我建议你可查阅每个方法不对应的帮助手册，里面会有更具体一点的说明和例子，注意事项等。
4数据研究的编写书籍
如果没有巳经明白了数据类型，数据关系，但是中,选择了对的的数据研究方法。结果就是是把数据研究方法得出结论通过汇总资料收拾，然后再可以写成有条理性的报告，另外在结论基础上随机给出有意义流通价值建议您措施等。
关与数据报告的亲自撰写，单独从数据分析角度上看，个人建议以实际需求出发到达，诸如想研究差异关系，那么首先得必须明白有没有差异，随后有了差异，具体差异情况如何。有了差异或者没有差异时，不对应的建议措施应该是如何能。明确的这样的思路，相信数据研究报告的撰写未必难事。
2spss操作掌握了核心的数据分析的思维意识，接下来的就很简单n多了。去学习一款工具的使用，主要注意还是靠两个字多用，多理论和实践找点数据练练手，不停地你的操作不停地胡乱摸索，很快就能手中掌握。在线版spss（spssau）可以提供多种分析数据的下载，用户是可以在spss或spssau上通过操作。想省时间的同学也帮我推荐不使用spssau，是可以在线参与分析，操作要比spss更简练，更比较容易上手，可拖拽点一下即可生成结果有智能分析建议。
是需要数据挖掘肯定必须一些理论基础。最常见的一种的算法如分类，降临，聚类等算法要熟悉，再深入了也有学数学，尤其是线性代数（推荐推荐国外翻译的《线性代数及其应用》第五版[美]戴维c.雷/[美]史蒂文r.雷/[美]朱迪j.麦克唐纳机械工业出版社，有看最好就是的线代书）。
理论基础知识之外，要有求实际落地的能力，用什么软件。
建模的可分商业版和开源免费版
1-商业版软件
spssmoderler，
sasem深处挖掘模块，
2-开源的挖掘软件也有很多
1.weka（不需要java编程基础），
2.当今最火的pythonscikit-learn建模模块（常3见算法应该有）
3.rapidminer
（大而全的一个软件，做etl和数据挖掘都可以不，学过python挖掘模块一看这个会感觉上也很很简单，反过来更很难表述python深处挖掘算法）
从另外一个角度来说，分成三类编程，和图形化操作两种，图形化无必须编程悉数配置各个节点，连线即可解决搭建。
推荐你2个，pythonscikit-learn建模模块（编程），和knime（图形化操作，非编程，下图为knime操作界面）。本人刚申请开通头条，准备着逐渐讲解要如何快速掌握knime该软件，欢迎您关注和给我留言。
基础知识：
编程语言，数据结构和算法，操作系统和网络编程（数据库两者相比问的比较少），前两部分非常重要！
机器学习很火，个人解释的机器学习通常有三个方向（通过岗位要求分）：数据挖掘，自然语言处理和深度学习。数据挖掘主要是搜索排序，反作弊，智能推荐，信用评价等；自然语言处理主要注意是分词，词性分析等；深度学习通常是语音和图像识别。
什么是数据挖掘？数据挖掘的一般过程是怎样的？
