每一位数据分析师都脱离不开Excel。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的工具。对于没有经验的你，Excel是一款必须熟练的工具。它是日常工作中最常用的工具。
SQL数据库语言
作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会Python，但是你不能不会SQL。DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起，这时候就需要学习数据库。
目前的招聘JD中，越来越多的产品和运营岗位，将SQL作为优先的加分项。SQL是数据分析的核心技能之一，从Excel到SQL是数据处理效率的一大进步。
主要了解数据库查询语言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。
学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习。客户端这里推荐MySQL。
数据可视化&商业智能
数据可视化能力已经越来越成为各岗位的基础技能，数据报告显示，数据可视化技能在2017年国内最热门技能中排名。可视化工作几乎是你正式进行数据分析的步，通过SQL拿到数据之后，我们需要使用可视化方法探索和发现数据中的模式规律。
数据分析界有一句经典名言，字不如表，表不如图。实际上除掉数据挖掘这类高级分析，不少数据分析就是监控数据和观察数据。除此之外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的方式就是做出观点清晰数据详实的PPT和报表给老板看。
可视化的工具有很多，这里我推荐Power BI或者Tableau。这两款都不要编程功底，实现起来简单，功能强大。
数理统计学
统计学是数据分析最重要的基础之一，是数据分析的基石和方法论。
统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。这里我们需要从基础的统计理论（描述性统计、区间估计、假设检验等）出发，到基本的统计分析（T检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。
数据分析与软件应用
SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，推荐使用SPSS。
SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS做简单的数据分析，包括绘制图表、简单回归、相关分析等等。
学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。
数据挖掘与软件应用
数据挖掘，英文是Data Mining也叫作数据勘探，类似于采矿，但是数据是贫矿。我们需要结合行业课题，利用数据挖掘工具，建置数据挖掘模型，发掘规律和商业价值。另外数据挖掘是交叉学科，涉及统计学、计算机、机器学习、运筹学等多门学科，是一个运用广泛和富有前景的学科领域。
学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。对于工具，这一阶段，建议选择一门编程语言来学习。Python或者R语言，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。
数据分析行业应用和数据分析思维
对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。
