每一位數據分析師都脫離不開Excel。它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。雖然現在機器學習滿地走，Excel依舊是無可爭議的工具。對于沒有經驗的你，Excel是一款必須熟練的工具。它是日常工作中最常用的工具。
SQL數據庫語言
作為數據分析人員，我們首先要知道如何去獲取數據，其中最常見的就是從關系型數據庫中取數，因此你可以不會R，不會Python，但是你不能不會SQL。DT時代，數據正在呈指數級增長。Excel對十萬條以內的數據處理起來沒有問題，但是往小處說，但凡產品有一點規模，數據都是百萬起，這時候就需要學習數據庫。
目前的招聘JD中，越來越多的產品和運營崗位，將SQL作為優先的加分項。SQL是數據分析的核心技能之一，從Excel到SQL是數據處理效率的一大進步。
主要了解數據庫查詢語言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉換函數等。
學習SQL最快的方法是能自己下載數據庫管理工具，找些數據練習?？蛻舳诉@里推薦MySQL。
數據可視化&商業智能
數據可視化能力已經越來越成為各崗位的基礎技能，數據報告顯示，數據可視化技能在2017年國內最熱門技能中排名。可視化工作幾乎是你正式進行數據分析的步，通過SQL拿到數據之后，我們需要使用可視化方法探索和發現數據中的模式規律。
數據分析界有一句經典名言，字不如表，表不如圖。實際上除掉數據挖掘這類高級分析，不少數據分析就是監控數據和觀察數據。除此之外，數據分析的大多時候都是要兜售自己的觀點和結論的，而兜售的方式就是做出觀點清晰數據詳實的PPT和報表給老板看。
可視化的工具有很多，這里我推薦Power BI或者Tableau。這兩款都不要編程功底，實現起來簡單，功能強大。
數理統計學
統計學是數據分析最重要的基礎之一，是數據分析的基石和方法論。
統計知識會要求我們以另一個角度看待數據。當你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會顯著提高。這里我們需要從基礎的統計理論（描述性統計、區間估計、假設檢驗等）出發，到基本的統計分析（T檢驗、方差分析等），最后到商業常用的模型（回歸分析、方差分析等），學習數據分析背后的邏輯，掌握實用統計學的概念和會利用統計的思維去思考問題。
數據分析與軟件應用
SPSS是統計分析入門軟件，如果你想快速入門而又不想學習編程，推薦使用SPSS。
SPSS軟件是世界三大統計分析軟件之一，以其易于操作、易于入門，結果易于閱讀的優點，一直備受數據分析人員的青睞，一般經過短期學習即可用SPSS做簡單的數據分析，包括繪制圖表、簡單回歸、相關分析等等。
學習SPSS的重點并不在于軟件本身，而是相關的統計學知識，這也是在前面建議大家鋪墊的，也就是你要學會怎樣去分析“輸入數據后，軟件給你呈現的結果”。
數據挖掘與軟件應用
數據挖掘，英文是Data Mining也叫作數據勘探，類似于采礦，但是數據是貧礦。我們需要結合行業課題，利用數據挖掘工具，建置數據挖掘模型，發掘規律和商業價值。另外數據挖掘是交叉學科，涉及統計學、計算機、機器學習、運籌學等多門學科，是一個運用廣泛和富有前景的學科領域。
學習算法模型包括線性回歸、邏輯回歸、主成分分析、因子分析、聚類、關聯規則、決策樹、隨機森林、支持向量機、貝葉斯、神經網絡等。對于工具，這一階段，建議選擇一門編程語言來學習。Python或者R語言，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。
數據分析行業應用和數據分析思維
對于數據分析師來說，業務的了解比數據方法論更重要。當然很遺憾，業務學習沒有捷徑。
