大家都知道，数据分析师是需要学习很多的知识，大家进行数据分析知识学习的时候需要对数据分析知识有一个清晰的知识体系，重点学习其中的重点知识就能节约时间从而更高效地开始数据分析师的职业成长生涯。那么大家知道不知道数据分析师需要重点学习什么技能呢？下面就由小编为大家解答一下这个问题。

首先就是学习编程，如果学会了编程，那么学起别的知识就能够显得十分轻松。一般来说，会不会编程就是区别初级数据分析师和高级数据分析师的分水岭。如果想成为高级数据分析师的话，那么一定要学习编程知识。有关数据分析的编程语言有Python和R语言。Python是面向未来的语言，无论从流行度、可用性还是学习难度来讲，Python都是最好的入门语言。而R语言倾向于统计分析、绘图等。统计学家或者学统计学的喜欢用R语言，大家在学习编程的话一定不要错过任何一个。我们在学习Python的时候，一开始学习的都是基础，当然了，如果做数据分析的话，基础肯定是不够的，既然是学习数据分析，肯定就要有数据才行，数据从哪里来？需要从互联网上获取。大家都知道，互联网上的信息何其之多，必须要对其加以过滤处理，提取我们想要的信息。这就要用到Python爬虫，爬虫主要就是为数据分析中的数据获取来提供帮助的。

然后就是学习SQL了，大家在学习数据分析的时候，最难最重要的就是编程能力，如果掌握了编程，那么后面的就显得很简单了。Sql就是数据库，既然是跟数据打交道，就免不了要使用数据库。就目前而言，主要有四种数据库：分别是SQLite、MySQL、MongoDB、Redis。SQLite 是一个文件型轻量级数据库，它的处理速度很快，在数据量不是很大的情况下，可以使用SQLite。MongoDB 是一个面向文档的非关系型数据库，它功能强大、灵活、易于拓展。Redis 是一个使用ANSI C 编写的高性能key-value数据库，使用内存作为主存储器。MySQL 是一个应用极其广泛的关系型数据库，它是开源免费的，可以支持大型数据库，很多中小型企业都是用的MySQL。

上面提到的内容就是小编要给大家讲解的数据分析师需要重点学习的知识。大家在进行学习数据分析的时候一定要注意数据库和编程的学习，这两个技能掌握了，那么别的技能学习起来就会显得很简单了。希望这篇文章能够给大家带来帮助，最后感谢大家的阅读。

更多有关数据分析请加群621540086

我和我们数据分析师总监深入聊了一下，这个答案不仅会和大家聊一下工作内容和工作职责，还会真心实意的和大家聊下这个工作是不是像想象中那么光鲜，有什么大家其实没想到的工作，其实很重要，也很闹心，也很有成长。

好吧扯远了，先来正经谈一下这件事吧。

做数据分析师，工作职责是什么？

我从我们官网扒了一份官方的JD，给大家看下：

我用“人话”简单概括一下，其实就是，能对某个行业的数据分析有所了解，知道这个行业需要分析什么数据，不仅能帮别人分析数据，还能教别人数据分析的知识，并且能自己产出文档。

其实你没看到的数据分析师的职责，还有另一部分：

一个数据分析师的职责包括沟通需求、设计采集方案、和研发沟通实现采集方案落地等，这其中存在着很多变数，比如如何和业务人员沟通不合理的需求、如何推动研发团队将方案落地而非一拖再拖、如何做一个PPT出去分享、如何争取话语权，让自己的数据能够说服不懂数据的业务人员等。

这么想想是不是感觉其实这工作不完全是你想象的样子？

部分数据分析师的工作现状

国内真正能够实现从上到下数据驱动的公司，并没有想象中那么多，大部分企业还处于成长阶段。

换而言之，数据分析师能够找到合适的平台，发挥自我价值并没有那么容易。

数据分析师行业内有些自我调侃的名词，“表哥”、“表姐”之类的称呼，其实也侧面反映了这份工作潜在的坑，很多人会沦为螺丝钉、写SQL、取报表的存在。

理想高远，工作琐碎，这就是部分数据分析师的现状。如果企业内部没有很强的数据驱动氛围，那么大部分分析师都会成为记录需求、解决需求，取数做报表的存在。但是要想实现数据驱动业务的结果，获得成就感，这些工作也不可或缺，如果数据分析师真正明白这一点，或许工作也会乐在其中吧。

所以，数据分析师如果职业发展走得好，个人成就感来源于哪里？

目前，数据分析师大多分为两个发展方向，一部分人专攻业务，另一部分人涉及到技术，包括数据挖掘、底层仓库搭建等技术工作，我这里谈的是业务导向的数据分析师，数据分析师最核心的成就感来自于：

我是什么行业的分析师，我为这项业务做了什么样的数据分析工作，驱动了业务什么样的结果。

数据分析师的工作涉及到一个项目的全流程，需求梳理——采集方案——数据统计——指标体系构建——小专题式的分析，分析结果驱动业务。

因为数据是最客观的，理想中的数据驱动应该是业务围绕以数据为中心的体系发展，所有人对数据分析出的方向认可，这样数据分析师在项目上的价值就会体现出来，数据分析师也会产生强烈的荣誉感。

当然，还是像我前面说的，想要驱动业务，你得有话语权，话语权是受到公司多方面影响的。

我们公司的数据分析师，工作都在做什么？

神策数据作为一家专业做大数据解决方案的公司，核心价值就是帮助企业实现数据驱动，通过专业的数据产品帮助企业里所有业务人员提升数据分析的能力，所以我们公司的分析师算是非常有话语权，同事都很专业，工作环境比较愉快的了。

在这样的使命以及产品服务要求中，神策的数据分析师会面对大量不同行业的客户，了解到各行各业的需求，配合对方将数据驱动落地，这是很大的挑战。

其次，在专业能力的要求上，神策数据的数据分析师技能非常全面，因为他们要服务于甲方，与多家公司沟通，同时也会有沙龙分享、客户现场演示等，沟通表达能力要求很高。

随着业务的发展，他们与很多客户的合作已经不只是标准产品的接入，进入到了大量业务层面深入合作，一起组建虚拟增长黑客团队，就某个专题合作，例如渠道评估优化、个性化推荐等。看到自己提供的方法论、产品、策略等为客户实现了价值，这也是最大的成就感。

如果这些话讲完，你还是想做数据分析师，那么就要考虑自己如何在这个大环境中取得一席之地，成为成功的数据分析师了。我接下来说的是：

数据分析师需要提升自己的哪些能力？

很多人想到面试数据分析师，就会想到SQL、Python、做报表的能力，但其实这是非常基础的工具硬技能，没有不可以，过硬很重要。一个数据分析师的成长，应该在提升对业务的理解，以及软素质方面。

其次，数据分析师讲故事、推动项目、协作的能力也是非常重要的，这是数据驱动落地的必要条件。没有落地什么都是空谈。

所以如果谈到面试，企业怎么考核数据分析师呢？大概分为以下几个层次：

1. 个人软素质，是否对数据分析感兴趣，是否具有良好的自主学习能力与沟通表达能力。

2. 2.个人硬技能，是否是理工科出身，了解数据库、数据仓库、数据采集，Excel、SQL，Python等。

3. 3.是否具备某个行业的业务经验，是否有过用数据驱动业务的经验、案例等。

当然，我们欢迎所有对数据分析有兴趣的人来试试，如果你具备这样的素质，神策数据会有你的舞台。

点击这里投简历

点击这里了解神策数据

如果您想了解更多的数据分析干货，欢迎关注“神策数据”（SensorsDataCrop），我会更新数据驱动的案例，数据分析的基础知识，数据分析的各种产品技能，以及数据分析师相关的话题探讨。

你或许还想了解这些答案~

做大数据项目经历中最头痛的是什么？

如何提升转化率？

神策数据：用户路径分析：揭秘你的用户行为偏好习惯

在互联网公司工作是种怎样的体验？

分析型数据仓库中读写分离如何高效实现？

　1.业务能力

　　只要真的在实践领域从事过数据分析工作，就会明白所有分析的重中之重都是业务知识本身。而业务知识的学习和掌握，需要的积累之深，培养一个业务专家，需要的周期之长，都远远超过后面所说的那些基本技能，成为业务专家实属不易，数据分析师其实是之于业务专家之上的更深层次的思考和总结，否则，谁指导谁都是个问题。业务学习的方式很多，比如将以前的分析报告和取数案例都拿过来研究一下，不懂就问，总是一个渐进的过程，但需要时间和行业的沉淀。数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。

　　2.思考能力

　　数据总是在那里，它不会说话，你不仅要基于业务能力理解它，还要学会推演和分析，从中发现规律，迅速定位某个商业问题的关键属性和决定因素，形成自己独创性的见解，所谓心思缜密，滴水不漏，没有思考逻辑没有数据分析。而要形成独特的见解，则来自于个人不断的学习和思考，这里的学习更多的强调是跨领域和专业，思考则更多的强调养成思考的习惯。

　　思考本身是一种实践，它可以将你的知识更加系统化和深入化，数据分析一定程度上是用来验证思路和启发灵感的，“数据分析”从来不是“数据分析”本身，而是以“数据分析”为手段和表象，对业务的深刻理解、思考和判断。

3.沟通能力

　　数据分析贯穿BIT、数据、技术、业务整个链条，数据分析师将BIT最终转化成决策者理解的语言，跨越的流程很长，你需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，成为数据和业务的桥梁，没有足够的沟通能力很难。同时，但如果你容易听取他人的意见，特别是智者的意见，则可以帮你找到另一条出路，你犯错的概率就会降低，相应的，你的分析就更有力量和说服力。

　　4.数据学习

　　业务学习有一个毛病，比如你看案例，往往接触到的数据或使用的数据是局部的，因此，你的视野会受局限，在大多数公司里，很多数据分析师其实缺乏全局的数据视野，因为他不知道到底有多少数据，因此，永远只能在已知的数据里转圈圈，当然，可能也够了，但我这里要说得是做得最好。

5.技术学习

　　有几个层面的东西要学，依赖于实际的场景和你希望达到的阶段：首先，你要学会从数据库或者其它源头获取数据，很多数据分析师仍然依赖于IT人员获取数据，但大数据时代，真的有必要自己动手了，因为依赖他人效率太低了，起码你要会SQL，SQL甚至基本上是为统计取数而生的方便工具，图形化的透视方式也远远没有SQL的表达能力强，这是基本功。

　　其次，你要会一些数据分析工具，EXCEL是最基本的，其实大多数数据分析基于EXCEL应付已经绰绰有余了，EXCEL的图形表达能力也已经够强。