数据分析需要学哪些？数据分析师要学什么？

初入数据分析，需要学哪些工具？需要掌握到什么程度？这里李海博客给大家简单总结一下，希望对你有所帮助。

00序言

数据分析，横向来看，属于计算机与统计学的结合；纵向来看，始于数据、终于业务。因此需要掌握的工具/技能跨度还是比较大的，从数据流转角度来看，涵盖从「数据仓库→数据提取→数据分析→数据展示→数据汇报」几个模块，李海博客为大家梳理了各模块涉及的工具内容，并标注重要性，供大家参考。

01数据仓库

数据分析岗位，一般不会涉及数据仓库的搭建及维护，但对数据仓库的了解，有助于下游数据提取，以及做一些ADS层的数仓建设，有益于自身成长。其中涉及到的工具/技巧主要涵盖：SQL、Python、Java、Flink等。

其中SQL是最为重要的，会在下文详细展开；Python、Java在数据处理层会应用到，Python会在下文展开，Java的优先级不高，大家了解即可；Flink在处理实时流时会应用到，优先级同样不高，了解即可。

02数据提取

数据提取是数据分析的首个环节，将数据从数据库中，按照指定的格式输出出来。在这个过程中，SQL是必备工具。

SQL「重要性：五星」

非常重要！非常重要！非常重要！建议掌握程度如下。

• 熟练掌握增、删、查、改等基础语句。

• 熟练掌握基础函数，在遇到问题时，能够快速检索出用什么类型函数来解决问题。

• 熟练掌握语法结构，能够写出相对复杂的嵌套语句。

• 有清晰的代码逻辑，在遇到不同类型需求时，能够快速在脑海中形成输出结构。

03数据分析

数据提取后，分析是日常工作的核心环节，将数据加工处理，探索其中的业务价值。这里涉及的工具比较多，包含但不限于：Excel、Python、R、Spss、Eviews、Sas等。

Excel「重要性：五星」

虽然不高端，但仍然是数据分析最好用、最常用的工具。建议掌握程度如下。

• 熟练掌握常用函数。例如：sum、average、vlookup等。

• 熟练掌握常用操作技巧。例如：行列转置、选择性粘贴等。

• 熟练掌握常用快捷键。例如：快速删除行列、快速筛选内容等。

• 了解VBA，能够简单实现Excel自动化。这一点不是必须，但对提高工作效率会有帮助。

Python「重要性：四星」

Python并不是数据分析必备工具，但却能够决定你的发展上限。主要应用场景涵盖：创建SQL中应用的UDF函数、通过脚本快速产出分析报告、通过数据挖掘产出模型。建议掌握程度如下。

• 熟练掌握Python基础语法、函数，能够看懂别人写的代码。

• 熟练掌握分析及挖掘常用工具包。例如：numpy、pandas、matplotlib、sklearn等。

• 熟悉通用的Python项目目录结构。

R「重要性：三星」

从功能角度来说，R与Python很多功能是交叉的。R更加偏向于统计分析与绘图，一般在学术研究中应用较多。对于数据分析同学，Python与R二选一即可，个人推荐前者，应用方向更广一些。

Spss「重要性：三星」

Spss是一款数据统计与应用软件，在处理「离线+中小数据量」的统计分析时比较好用。通过「可视化界面+点选方式」选择不同类型的统计分析，例如：概率统计、相关分析、回归分析等，甚至还包含了机器学习算法与文本分析等，应用方向较广。建议掌握程度如下。

• 熟练掌握常用的统计学原理，并了解各原理中的参数含义。

• 了解工具能解决哪些问题，至于具体的操作细节，可在用到的时候查询。

Eviews、Sas「重要性：两星」

Eviews和Sas在非经济学领域出现频次不太高。Eviews主要在时间序列分析中有较多应用；而Sas主要在银行及金融业应用较多，属于付费软件。这两个工具，大家了解就好，用到的时候再深入研究。

04数据展示

产出数据结论后，往往需要配合图表进行展示，Excel、Python Matplotlib基本就可满足需求。但如果希望配置成例行图表，则需要通过BI软件来完成。一般公司内部会有自己的BI平台，而至于外部软件，Tableau应用较为广泛。

BI平台操作相对比较简单，但如果之前没有应用过，建议下载Tableau用一用，了解一下BI平台的一般功能，并能够实现一些简单的看板搭建（Tableau是付费的）。

05数据汇报

数据对于业务的价值，需要通过汇报让更多人知晓。这里PPT是最常用的工具。

PPT「重要性：五星」

只有一个原则，汇报的PPT「思路清晰+内容简洁+突出结论」即可。

以上就是本期的内容分享，希望对你有所帮助！