B端數據分析師應該關注哪些

❶ 數據分析需要掌握哪些知識

數據分析需要學習以下幾點：

一、統計學。二、編程能力。三、資料庫。四、數據倉庫。五、數據分析方法。六、數據分析工具。

想要成為數據分析師應該重點學習以下兩點：

1.python、SQL、R語言

這些都是最基礎的工具，python都是最好的數據入門語言，而R語言傾向於統計分析、繪圖等，SQL是資料庫。既然是數據分析，平時更多的時間就是與數據分析打交道，數據採集、數據清洗、數據可視化等一系列數據分析工作都需要上面的工具來完成。

2.業務能力

數據分析師存在的意義就是通過數據分析來幫助企業實現業務增長，所以業務能力也是必須。企業的產品、用戶、所處的市場環境以及企業的員工等都是必須要掌握的內容，通過這些內容建立幫助企業建立具體的業務指標、輔助企業進行運營決策等。

當然這些都是數據分析師最基本也是各位想轉行的小夥伴需要重點學習的內容，以後想要有更好的發展，還需要學習更多的技能，例如企業管理，人工智慧等。


關於數據分析師的學習可以到CDA數據分析認證中心看看。全球CDA持證者秉承著先進商業數據分析的新理念，遵循著《CDA職業道德和行為准則》新規范，發揮著自身數據專業能力，推動科技創新進步，助力經濟持續發展。

❷ 數據分析需要掌握哪些知識

數學知識
對於初級數據分析師來說，則需要了解統計相關的基礎性內容，公式計算，統計模型等。當你獲得一份數據集時，需要先進行了解數據集的質量，進行描述統計。

而對於高級數據分析師，必須具備統計模型的能力，線性代數也要有一定的了解。分析工具
對於分析工具，SQL 是必須會的，還有要熟悉Excel數據透視表和公式的使用，另外，還要學會一個統計分析工具，SAS作為入門是比較好的，VBA 基本必備，SPSS/SAS/R 至少要熟練使用其中之一，其他分析工具（如 Matlab）可以視情況而定。編程語言
數據分析領域最熱門的兩大語言是 R 和 Python。涉及各類統計函數和工具的調用，R無疑有優勢。但是大數據量的處理力不足，學習曲線比較陡峭。Python 適用性強，可以將分析的過程腳本化。所以，如果你想在這一領域有所發展，學習 Python 也是相當有必要的。

當然其他編程語言也是需要掌握的。要有獨立把數據化為己用的能力, 這其中SQL 是最基本的，你必須會用 SQL 查詢數據、會快速寫程序分析數據。當然，編程技術不需要達到軟體工程師的水平。要想更深入的分析問題你可能還會用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。業務理解
對業務的理解是數據分析師工作的基礎，數據的獲取方案、指標的選取、還有最終結論的洞察，都依賴於數據分析師對業務本身的理解。

對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本了解就可以。對於高級數據分析師，需要對業務有較為深入的了解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。對於數據挖掘工程師，對業務有基本了解就可以，重點還是需要放在發揮自己的技術能力上。邏輯思維
對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，了解分析對象之間的關聯關系，清楚每一個指標變化的前因後果，會給業務帶來的影響。對於數據挖掘工程師，羅輯思維除了體現在和業務相關的分析工作上，還包括演算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。數據可視化數據可視化主要藉助於圖形化手段，清晰有效地傳達與溝通信息。聽起來很高大上，其實包括的范圍很廣，做個 PPT 里邊放上數據圖表也可以算是數據可視化。

對於初級數據分析師，能用 Excel 和 PPT 做出基本的圖表和報告，能清楚地展示數據，就達到目標了。對於稍高級的數據分析師，需要使用更有效的數據分析工具，根據實際需求做出或簡單或復雜，但適合受眾觀看的數據可視化內容。協調溝通
數據分析師不僅需要具備破譯數據的能力，也經常被要求向項目經理和部門主管提供有關某些數據點的建議，所以，你需要有較強的交流能力。

❸ 數據分析需要掌握些什麼知識

數據分析需要掌握的知識：
1、數學知識
數學知識是數據分析師的基礎知識。對於初級數據分析師，了解一些描述統計相關的基礎內容，有一定的公式計算能力即可，了解常用統計模型演算法則是加分。
對於高級數據分析師，統計模型相關知識是必備能力，線性代數（主要是矩陣計算相關知識）最好也有一定的了解。
2、分析工具
對於初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。
對於高級數據分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具（如Matlab）視情況而定。
3、分析思維
比如結構化思維、思維導圖、或網路腦圖、麥肯錫式分析，了解一些smart、5W2H、SWOT等等那就更好了。不一定要掌握多深多全，但一定要了解一些。
4、資料庫知識
大數據大數據，就是數據量很多，Excel就解決不了這么大數據量的時候，就得使用資料庫。如果是關系型資料庫，比如Oracle、mysql、sqlserver等等，你還得要學習使用SQL語句，篩選排序，匯總等等。非關系型資料庫也得要學習，比如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起碼常用的了解一兩個，比如Hbase，Mongodb，redis等。
5、開發工具及環境
比如：Linux OS、Hadoop(存儲HDFS，計算Yarn)、Spark、或另外一些中間件。目前用得多的開發工具Java、python等等語言工具。

❹ bi數據分析師需要學什麼

需要學會使用SQL和R語言。
假如你想學會數據分析的話，先別著急著學編程技術，先學好excel，把excel真正學會了，操作熟練了，會做常用函數公式，數據透視表，篩選，排序，圖表繪制再去學SQL，最後再去學R/python。就像有句俗話說的，「還沒學會走路，就想學跑步」。
首先Excel是我們最常用的數據分析和處理工具了，從Excel開始學，是先學會走，Excel的功能非常豐富，基本可以涵蓋我們在之後在其它軟體(SQL,R,Python)中要學到的那些功能了。有的人可能會問了，既然Excel這么強大，為什麼還要學習其它的工具呢？
這是因為Excel是通過菜單的形式來進行操作的，很難實現自動化和功能復用，當然你也可以通過VBA來實現，用VBA也就是編程了，不過因為VBA這種語言學會了基本只能在office軟體中使用，學習的投入成本和產出收益不成比例，不推薦學習，這是客觀原因之一；
另外就是Excel在處理比較大的數據集的時候，性能很差，並且經常崩潰。(雖然Excel2013及以上版本宣稱可以容納100+萬條記錄，但幾萬條數據就開始卡頓了)。
當然只會Excel遠遠不夠，SQL是數據分析的基礎。
客觀原因是絕大部分數據分析崗位招聘都有SQL技能的要求，導致這一現象的原因是公司裡面為了保證數據的安全性和管理的方便，數據是統一存放在資料庫中的，從資料庫中提取和查詢數據需要使用SQL語言，而且有的公司就是用SQL語言來做數據分析的。
另外一個原因就是即使你先學了其它的工具，比如R，Python，甚至Spark等大數據框架，你會發現最後你還是得學習SQL。如果你先學習SQL，那麼很多概念你都能在學習R，Python，Spark等更加復雜的工具之前弄清楚。對於後面的學習會有幫助。這就好比建房子，都是先打地基，然後一層一層的蓋，當然也有大神從上往下修房子，那種房子也不是一般的房子啦，也和我們普通人無關。
當然，如果覺得學習編程太復雜了，想要速成，不需要寫編程語言就可以做漂亮的可視化效果，那就試試Smartbi吧，可以免費使用，操作也非常簡單人性化。

❺ 數據分析需要掌握些什麼知識

要想亂枝成為一名專業的數據分析師，就需要滿足數據分析師的職業要求。數據分析師的職業要求可以總結為以下幾個方面。
（1）掌握統計相關的數學知識
和統計相關的數學知識是數據分析師需要具備的基礎知識，數據分析師可以根據自己的能力和水平學習相關的統計學知識，初級數據分析師和高級數據分析師需要對統計學知識掌握的程度是不一樣的。
如果你是初級數據分析師，了解一些描述統計相關的基礎嘩攔敏內容，有一定的公式計算能力就可以，如果了解常用的統計模型演算法那會是你的加分項。
對高級數據分析師來說，只了解基礎的統計學知識是不夠的。統計模型的相關知識是高級數據分析師必備的能力，最好對線性代數(主要是矩陣計算相關知識)也有一些了解。
「工欲善其事，必先利其器」，要成為一名合格的數據分析師，會使用數據分析工具非常重要。這里所說的工具也就是數據分析軟體，例如Excel、SPSS、SAS等。由於Excel通用性強、使用門檻低、功能強大，所以深受數據分析人員的喜愛，也是數據分析師必須掌握的一個數據分析工具，本書所涉及的數據分析內容均使用Excel進行講解。當然，數據分析師也可以根據自己的能力選擇性的掌握SPSS和SAS等進行高級數據分析的工具。
對於初級數據分析師來說，掌握Excel是硬性要求，必須能熟練使用數據透視表和公式，會使用VBA(一種宏語言)的話則是你的加分項。
對於高級數據分析師來說，使用數據分析工具是核心能力。VBA是必備技能，至少熟練使用SPSS/SAS/R其中的一種，可以根據具體情況選擇掌握其他分析工具(MATLAB)。
不過，電商數據分析人員除了掌握Excel、SPSS和SAS等本地軟體外，還需要掌握像生意參謀、京東商智等專門的電商數據獲取和分析工具。
（3）理解業務
對業務的理解是數據分析師所有工作的基礎，無論是數據獲取方案、指標的選取還是得出最終結論，都依賴於數據分析師對業務本身的理解。
但是要學習和掌握業務知識需要長時間的積累，成為業務專家非常不易，數據分析師則是在業務專家之上的更深層次的思考和總結，否則在數據分析工作中誰指衡敗導誰都是個問題。
學習業務知識的方法有很多，以前的分析報告和取數案例都可以拿來研究，當然這也是一個循序漸進的過程。
（4）掌握數據分析方法
做數據分析一定要了解數據分析的方法、應用場景、使用過程以及優缺點，能夠根據具體情況在實際工作中靈活應用，確保數據分析工作能夠有效開展。
基本的數據分析方法有：平均分析法、分組分析法、對比分析法、交叉分析法、結構分析法、綜合評價分析法、矩陣關聯分析法等。
高級的數據分析方法包括：聚類分析法、回歸分析法、類別分析法、因子分析法、對應分析法等。在做數據分析時，應該在明確目的的前提下選擇適合的分析方法。
（5）了解基本設計原則
數據分析師需要通過圖表把自己的分析結論和觀點展現出來，根據相關的設計原則對圖表進行調整，可以使數據分析結果一目瞭然。

❻ 數據分析需要掌握些什麼知識

統計學，數學，邏輯學是數據分析的基礎，是數據分析師的內功，內功不扎實，學再多都是徒勞。

掌握統計學，我們才能知道每一種數據分析的模型，什麼樣的輸入，什麼樣的輸出，有什麼樣的作用，開始我們並不一定要把每個演算法都弄懂。

如果我們要做數據挖掘師，數據能力是我們吃飯的飯碗。

如果你沒有數學能力，用現成的模型也好，模塊也好，也能做，但一定會影響你的技術提升，當然更影響你的職位晉升。

業務方向

大家在招聘網站中搜索數據分析的職位，大概分為兩類：輔助業務的數據分析職位和數據分析師職位。

1)輔助業務的數據分析：一般在零售業里職位設置較多，該職位一定要對業務爛熟於心，對業務有長時間的積淀和理解，用數據發現業務流程中的問題，並提出合理化的解決方案，分析數據是為整個商業邏輯去做支撐。細分職位包括：市場調查、行業分析和經營分析三類。

2)數據分析師：業務方向的數據分析師，該職位招聘時一定前面有一個限定詞，什麼數據分析師，歸結起來分為三類：產品數據分析師，運營數據分析師和銷售數據分析師。

技術方向

技術方向主要指數據挖掘方向，分為三類：數據挖掘工程師(機器學習)、數據倉庫工程師(構架師)和數據開發工程師。在互聯網和金融行業崗位設置較多

普遍來說：技術方向的基礎崗的工資薪酬要比業務崗的薪酬高一個等級，但是做到管理崗的話，在中國，業務崗的薪酬比技術崗的薪酬要高。

❼ bi數據分析師學哪些

bi數據分析師學的內容如下。
1、學統計學，櫻漏友編程，脊槐數據搜大分析工具等內容。
2、熟練使用Excel軟體，要學SQL，POWERBI等課程。

❽ 如果想成為一個數據分析師，需要哪些技能看哪些書籍

首先需要學習的知識，也就是需要學習的書籍， 概率論、統計學、多元統計分析、數據挖掘、sql資料庫等相關書籍教材，基本上這些書名都有對應的書，所以這些是必須要學習的。

其次是軟體操作知識，spss、modeler、sas、eviews、stata等 常規的統計與數據挖掘軟體等，軟體是將上述知識進行操作轉化的，基本上統計學或數據挖掘中的原理知識都可以在這些軟體中找到對應的命令。

第三 是多看一些數據分析或數據挖掘的案例。因為有了知識、有了軟體操作，但是具體在實際操作用應該如何使用 還存在問題，此時就需要多看一些分析報告或者案例，通過案例就會逐漸知道如何將統計學原理與實踐應用結合。

最後，隨著大數據越來越熱門，如果要往大數據挖掘方向的話，除了上述的你需要有一定的掌握之外，還需要學習現在很火熱的sql server、 oracle、hadoop 等相關軟體。

❾ 數據分析需要掌握哪些知識

1）具有業務敏感度，反應迅速，能夠良好溝通；

2）具有數據分析和數據倉庫建模的項目實踐經驗；

3）3年及以上數據分析經驗，有互聯網產品、運營分析經驗；

4）熟悉R、SAS、SPSS等統計分析軟體，熟練運用Python，熟練使用 SQL、Hive等；

5）本科或以上學歷，數學、統計、計算機、運籌學等相關專業；

那麼對於正在入門階段的同學們應該如何正確把握自己的學習方向呢？

從學科知識來看，數據分析涉及到一下的知識要點：

（1）統計學：參數檢驗、非參檢驗、回歸分析等

（2）數學：線性代數、微積分等

（3）社會學：主要是一些社會學量化統計的知識，如問卷調查與統計分析；還有就是一些社會學的知識，這些對於從事營銷類的數據分析人員比較有幫助

（4）經濟金融：如果是從事這個行業的數據分析人員，經濟金融知識是必須的，這里就不多說了

1）數據分析報告類：Microsoft Office軟體等，如果連excel表格基本的處理操作都不會，連PPT報告都不會做，那我只好說離數據分析的崗位還差的很遠。現在的數據呈現不再單單只是表格的形式，而是更多需要以可視化圖表去展示你的數據結果，因為數據可視化軟體就不能少，BDP個人版、TABLUEA、Echart等這些必備的

（2）專業數據分析軟體：常見的有諸如SPSS、SAS、Matlab等等，這些軟體可以很好地幫助我們完成專業性的演算法或模型分析，還有高級的Python、R等。

（3）資料庫：hive、hadoop、impala等資料庫相關的知識可以學習；

（3）輔助工具：比如思維導圖軟體（如MindManager、MindNode Pro等）也可以很好地幫助我們整理分析思路。

希望同學們謹記：理論知識+軟體工具+數據思維=數據分析基礎，最後要把這些數據分析基礎運用到實際的工作業務中，好好理解業務邏輯，真正用數據分析驅動網站運營、業務管理，真正發揮數據的價值。
。

❿ 成為一名數據分析師，需要具備哪些基本知識

一、 辦公軟體
1） 熟練使用excel， Access，Visio等MS Office辦公軟體，可以製作相關的原型； （MS即microsoft微軟，MS Office 是微軟提供的系列軟體，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath這7個辦公軟體中，常用的是前4個。） 2） 重點掌握EXCEL表，會使用高級功能，能快速製作報表，熟練使用EXCEL VBA；

二、 數據分析軟體及方法
1）熟練使用各種數理統計、數據分析、數據挖掘工具軟體，熟悉各種網站分析軟體的應用，如Google Analytics 、網路統計、Omniture等；
2）具備相關數據分析軟體的使用經驗SPSS\SAS\EVIEW\STATA\R\Weka……
3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常見數據挖掘軟體中的一個進行數據挖掘的 開發工作；
4）熟練使用至少一種網站流量分析工具（Google Analytics、Webtrends、網路統計等），並掌握分析工具的部署、配置優化和許可權管理；
5）精通一種或多種數據挖掘演算法（如聚類、回歸、決策樹等）； 6）熟悉維基編輯者優先； 7）使用軟體的要求；
（7.1）掌握數據分析、挖掘方法，具備使用Excel、SQL、SPSS/SAS、Powerpoint等工具處理和分析較大量級數據的能力；
（7.2）能夠綜合使用各種數理統計、數據分析、製表繪圖等軟體進行圖表、圖像以及文字處理；
（7.3）掌握常用的數據統計、分析方法，有敏銳的洞察力和數據感覺，優秀的數據分析能力；
（7.4）能夠綜合使用各種數理統計、數據分析、數據挖掘、製表繪圖等軟體進行具有基本數據美感的圖表、圖像以及文字處理 。
三、 資料庫語言
1）熟悉Linux操作系統及至少一種腳本語言(Shell/Perl/Python)；
2）熟練掌握C/C++/Java中的一種，有分布式平台（如Hadoop）開發經驗者優先； 3）熟悉資料庫原理及SQL基本操作；
（3.1）了解Mysql，postgresql，sql server等資料庫原理，熟悉SQL，具備很強的學習能力，寫過程序，會perl，python等腳本語言者優先； （3.2）熟練應用mysql的select，update等sql語句； 4）熟悉sql server或其他主流資料庫，熟悉olap原理； 5）熟悉Oracle或其他大型資料庫。
四、 思維能力等方面
1）具備良好的行業分析、判斷能力、及文字表達能力；
2）溝通、協調能力強，有較高的數據敏感性及分析報告寫作能力； 3）理解網站運營的常識，能從問題中引申出解決方案，提供設計改進建議；
4）具有良好經濟學、統計學及相關領域的理論基礎，熟悉數理統計、數據分析或市場研究的工作方法，具有較強的數據分析能力；
5）熟悉數據分析與數理統計理論，具有相關課程研修經歷。
五、 其他要求
1）較強的英文聽說讀寫能力，英語6級以上；
2）文筆良好；
3）了解seo,sem優先；
4）知識要求：同時具備統計學、資料庫、經濟學三個領域的基礎知識；英語四級或以上、熟悉指標英文名稱；具備互聯網產品設計知識；
5）具有深厚的數據分析、數據挖掘理論知識，深入了解相關技術；能熟練使用至少一種統計分析或數據挖掘工具。