成为一名数据分析师所需要掌握的知识：
数学知识
对于初级数据分析师来说，则需要了解统计相关的基础性内容，公式计算，统计模型等。当你获得一份数据集时，需要先进行了解数据集的质量，进行描述统计。
而对于高级数据分析师，必须具备统计模型的能力，线性代数也要有一定的了解。
分析工具
对于分析工具，SQL 是必须会的，还有要熟悉Excel数据透视表和公式的使用，另外，还要学会一个统计分析工具，SAS作为入门是比较好的，VBA 基本必备，SPSS/SAS/R 至少要熟练使用其中之一，其他分析工具（如 Matlab）可以视情况而定。
编程语言
数据分析领域最热门的两大语言是 R 和 Python。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力不足，学习曲线比较陡峭。Python 适用性强，可以将分析的过程脚本化。所以，如果你想在这一领域有所发展，学习 Python 也是相当有必要的。
当然其他编程语言也是需要掌握的。要有独立把数据化为己用的能力, 这其中SQL 是最基本的，你必须会用 SQL 查询数据、会快速写程序分析数据。当然，编程技术不需要达到软件工程师的水平。要想更深入的分析问题你可能还会用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。
业务理解
对业务的理解是数据分析师工作的基础，数据的获取方案、指标的选取、还有最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
逻辑思维
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。对于数据挖掘工程师，罗辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
数据可视化
数据可视化主要借助于图形化手段，清晰有效地传达与沟通信息。听起来很高大上，其实包括的范围很广，做个 PPT 里边放上数据图表也可以算是数据可视化。
对于初级数据分析师，能用 Excel 和 PPT 做出基本的图表和报告，能清楚地展示数据，就达到目标了。对于稍高级的数据分析师，需要使用更有效的数据分析工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
协调沟通
数据分析师不仅需要具备破译数据的能力，也经常被要求向项目经理和部门主管提供有关某些数据点的建议，所以，你需要有较强的交流能力。
对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。
Excel提到Excel大家都不陌生，很多小白非常喜欢用Excel来进行数据分析。即使是专业的分析人员，他们也会使用Excel处理聚合数据。因为Excel具备非常多的优点，例如：（1）使用方便（2）简单易学（3）能够查看每个步骤的结果（4）无需编程基础
2. SQL语言SQL（结构化查询语言）是一种用于处理和检索关系数据库中存储的数据的计算机语言，是关系数据库管理系统的标准语言。它具备很多优点，例如：（1）速度快。输入你要进行的操作，仅需几秒，操作就能完成。（2）不需要你具备很强的编程能力。（3）语言简单易学。
3. 可视化工具将数据可视化可以让人更加理解数据。人类都是视觉动物，图形往往比密密麻麻的文字更易于理解。在这里，我顺便给大家推荐几款好用的可视化工具：（1）Cognos：Cognos拥有强大的数据库平台。但是Cognos并不适合小白，因为它需要用户有很好的数据分析基础。（2）Tableau：Tableau的可视化功能非常能打，操作也简单。用户只需在简单配置，拖拖拽拽就可以完成数据分析。（3）FineBI：Cognos和Tableau的确非常好用，但是它们是两款国外软件，相关的学习资料比较少。而FineBI是一款国内软件，我们可以在各大平台找到海量的学习教程。同时，运用FineBI进行部署非常方便。
4. PythonTableau、FineBI这一类的可视化工具，的确可以自动生成报告。但是，如果想要进行更深入的探索，你需要学习Python来进行数据挖掘。Python是一种面向对象的高级编程语言，主要用于Web以及应用程序的开发。Python拥有图形和可视化工具、以及扩展的分析工具包，能够更好地帮助我们进行数据分析。以下是Python的一些优点：（1）语法清晰，简单易学。（2）开源且免费。（3）库量非常大。
5. SASSAS（统计分析软件）是一套模块化的大型集成应用软件系统。它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等等。因此，SAS能够对数据进行深层次的挖掘和分析。
6. AlteryxAlteryx是一种自助服务分析工具。用户可以快速混合和准备数据，即便没有任何编程能力的人，也可以在Alteryx中构建数据工作流。同时，Alteryx的运行速度也非常快。使用拖放式工作流程和数据清理技术，仅需几分钟，你就能得到输出结果。以下是Alteryx的其他优点：（1）能够融合数据。（2）易于采购。（3）可以建立工作流程。
7. “软”实力光懂技术还不行，数据分析师还必须具备以下几种“软”技能：（1）很强的沟通能力。如果数据分析师不能将自己的分析结果表达清楚，那么他的分析结果将一文不值。（2）熟悉业务内容。我们学习数据分析的最终目的，就是就业。因此，每个数据分析师都必须做到熟悉业务。（3）快准狠地分析出最佳解决方案。了解了业务之后，数据分析师要找出最有效的数据分析方法，来对数据进行分析。
学习路线
技术：
Excel
SQL
Python/Spss
可视化
理论：
数据分析思维和方法
统计学
对业务的理解
四、推荐书籍/网站
1、Excel学习：
没有什么推荐的书籍和网站，网上有很多大神的教程，如果时间充裕，就系统的学习一下，如果时间紧张，就用临阵用度娘也是可以解决问题的，当然，学什么都最好能够系统地学习。要记住一点，我们是用Excel进行数据分析的，所以应当从数据获取、数据处理、数据分析和输出几个方面来学习Excel。
2、SQL学习
建议在B站找视频观看,有很多,我们就有同名号定期上传学习视频哦。如果想要练习的话，可以从SQLZoo去练习，在线版的SQL练习教程。书的话《SQL必知必会》还不错，很精简，基本可以满足日常表的查询和维护了，想要不仅满足于查询的话，还可以参考《深入浅出MySQL》，数据库开发、优化与管理，600多页。
3、Python学习
对于非程序员出身的新手小白来说入门很简单，精通还是不容易的。如果你仅仅是停留在用Python进行数据处理和分析的阶段上，建议《利用Python进行数据分析》这本书非常不错，不要去学python开发、python编程之类的书，Python可以用来做很多事情，但对于数据分析师而言，我们可能不需要用Python来开发什么游戏、网站等，我们只需要进行数据控制、处理、整理和分析即可，系统地学一下python中的数据科学库是非常有必要的，如：Numpy、pandas等。
4、可视化
有很多可视化的工具，用Excel可以实现可视化，powerBI、Tableau、Python也可以可视化。工具的选择是一方面，另一方面是对于图表的理解，什么场合适用什么样的图表。
用Excel做排列图
5、数据分析的思维和方法
参考书籍《深入浅出数据分析》，把道理方法讲的很透彻的一本书，对于深入理解底层逻辑很友好。《谁说菜鸟不会数据分析》系列，主要是对于方法和工具使用的学习。可参考之前的文章 数据分析方法论 来大概了解。
6、统计学
《深入浅出统计学》非常棒的一本书，对于统计学的基本概念的解释非常直白到位，让小白能够清楚地理解这个公式为什么是这样子的，而不是直接摆公式。底层逻辑明白后，可以参考李航的《统计学习方法》，这是大学课本，有时间的话还是应该好好研究一下系统逻辑的。
7、对业务的理解
推荐《数据挖掘与数据化运营实战》，这本书对业务与数据分析怎么结合有很详细的说明和实例。