B端数据分析师应该关注哪些

❶ 数据分析需要掌握哪些知识

数据分析需要学习以下几点：

一、统计学。二、编程能力。三、数据库。四、数据仓库。五、数据分析方法。六、数据分析工具。

想要成为数据分析师应该重点学习以下两点：

1.python、SQL、R语言

这些都是最基础的工具，python都是最好的数据入门语言，而R语言倾向于统计分析、绘图等，SQL是数据库。既然是数据分析，平时更多的时间就是与数据分析打交道，数据采集、数据清洗、数据可视化等一系列数据分析工作都需要上面的工具来完成。

2.业务能力

数据分析师存在的意义就是通过数据分析来帮助企业实现业务增长，所以业务能力也是必须。企业的产品、用户、所处的市场环境以及企业的员工等都是必须要掌握的内容，通过这些内容建立帮助企业建立具体的业务指标、辅助企业进行运营决策等。

当然这些都是数据分析师最基本也是各位想转行的小伙伴需要重点学习的内容，以后想要有更好的发展，还需要学习更多的技能，例如企业管理，人工智能等。


关于数据分析师的学习可以到CDA数据分析认证中心看看。全球CDA持证者秉承着先进商业数据分析的新理念，遵循着《CDA职业道德和行为准则》新规范，发挥着自身数据专业能力，推动科技创新进步，助力经济持续发展。

❷ 数据分析需要掌握哪些知识

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。

❸ 数据分析需要掌握些什么知识

数据分析需要掌握的知识：
1、数学知识
数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
2、分析工具
对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。
对于高级数据分析师，使用分析工具是核心能力，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）视情况而定。
3、分析思维
比如结构化思维、思维导图、或网络脑图、麦肯锡式分析，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、数据库知识
大数据大数据，就是数据量很多，Excel就解决不了这么大数据量的时候，就得使用数据库。如果是关系型数据库，比如Oracle、mysql、sqlserver等等，你还得要学习使用SQL语句，筛选排序，汇总等等。非关系型数据库也得要学习，比如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起码常用的了解一两个，比如Hbase，Mongodb，redis等。
5、开发工具及环境
比如：Linux OS、Hadoop(存储HDFS，计算Yarn)、Spark、或另外一些中间件。目前用得多的开发工具Java、python等等语言工具。

❹ bi数据分析师需要学什么

需要学会使用SQL和R语言。
假如你想学会数据分析的话，先别着急着学编程技术，先学好excel，把excel真正学会了，操作熟练了，会做常用函数公式，数据透视表，筛选，排序，图表绘制再去学SQL，最后再去学R/python。就像有句俗话说的，“还没学会走路，就想学跑步”。
首先Excel是我们最常用的数据分析和处理工具了，从Excel开始学，是先学会走，Excel的功能非常丰富，基本可以涵盖我们在之后在其它软件(SQL,R,Python)中要学到的那些功能了。有的人可能会问了，既然Excel这么强大，为什么还要学习其它的工具呢？
这是因为Excel是通过菜单的形式来进行操作的，很难实现自动化和功能复用，当然你也可以通过VBA来实现，用VBA也就是编程了，不过因为VBA这种语言学会了基本只能在office软件中使用，学习的投入成本和产出收益不成比例，不推荐学习，这是客观原因之一；
另外就是Excel在处理比较大的数据集的时候，性能很差，并且经常崩溃。(虽然Excel2013及以上版本宣称可以容纳100+万条记录，但几万条数据就开始卡顿了)。
当然只会Excel远远不够，SQL是数据分析的基础。
客观原因是绝大部分数据分析岗位招聘都有SQL技能的要求，导致这一现象的原因是公司里面为了保证数据的安全性和管理的方便，数据是统一存放在数据库中的，从数据库中提取和查询数据需要使用SQL语言，而且有的公司就是用SQL语言来做数据分析的。
另外一个原因就是即使你先学了其它的工具，比如R，Python，甚至Spark等大数据框架，你会发现最后你还是得学习SQL。如果你先学习SQL，那么很多概念你都能在学习R，Python，Spark等更加复杂的工具之前弄清楚。对于后面的学习会有帮助。这就好比建房子，都是先打地基，然后一层一层的盖，当然也有大神从上往下修房子，那种房子也不是一般的房子啦，也和我们普通人无关。
当然，如果觉得学习编程太复杂了，想要速成，不需要写编程语言就可以做漂亮的可视化效果，那就试试Smartbi吧，可以免费使用，操作也非常简单人性化。

❺ 数据分析需要掌握些什么知识

要想乱枝成为一名专业的数据分析师，就需要满足数据分析师的职业要求。数据分析师的职业要求可以总结为以下几个方面。
（1）掌握统计相关的数学知识
和统计相关的数学知识是数据分析师需要具备的基础知识，数据分析师可以根据自己的能力和水平学习相关的统计学知识，初级数据分析师和高级数据分析师需要对统计学知识掌握的程度是不一样的。
如果你是初级数据分析师，了解一些描述统计相关的基础哗拦敏内容，有一定的公式计算能力就可以，如果了解常用的统计模型算法那会是你的加分项。
对高级数据分析师来说，只了解基础的统计学知识是不够的。统计模型的相关知识是高级数据分析师必备的能力，最好对线性代数(主要是矩阵计算相关知识)也有一些了解。
“工欲善其事，必先利其器”，要成为一名合格的数据分析师，会使用数据分析工具非常重要。这里所说的工具也就是数据分析软件，例如Excel、SPSS、SAS等。由于Excel通用性强、使用门槛低、功能强大，所以深受数据分析人员的喜爱，也是数据分析师必须掌握的一个数据分析工具，本书所涉及的数据分析内容均使用Excel进行讲解。当然，数据分析师也可以根据自己的能力选择性的掌握SPSS和SAS等进行高级数据分析的工具。
对于初级数据分析师来说，掌握Excel是硬性要求，必须能熟练使用数据透视表和公式，会使用VBA(一种宏语言)的话则是你的加分项。
对于高级数据分析师来说，使用数据分析工具是核心能力。VBA是必备技能，至少熟练使用SPSS/SAS/R其中的一种，可以根据具体情况选择掌握其他分析工具(MATLAB)。
不过，电商数据分析人员除了掌握Excel、SPSS和SAS等本地软件外，还需要掌握像生意参谋、京东商智等专门的电商数据获取和分析工具。
（3）理解业务
对业务的理解是数据分析师所有工作的基础，无论是数据获取方案、指标的选取还是得出最终结论，都依赖于数据分析师对业务本身的理解。
但是要学习和掌握业务知识需要长时间的积累，成为业务专家非常不易，数据分析师则是在业务专家之上的更深层次的思考和总结，否则在数据分析工作中谁指衡败导谁都是个问题。
学习业务知识的方法有很多，以前的分析报告和取数案例都可以拿来研究，当然这也是一个循序渐进的过程。
（4）掌握数据分析方法
做数据分析一定要了解数据分析的方法、应用场景、使用过程以及优缺点，能够根据具体情况在实际工作中灵活应用，确保数据分析工作能够有效开展。
基本的数据分析方法有：平均分析法、分组分析法、对比分析法、交叉分析法、结构分析法、综合评价分析法、矩阵关联分析法等。
高级的数据分析方法包括：聚类分析法、回归分析法、类别分析法、因子分析法、对应分析法等。在做数据分析时，应该在明确目的的前提下选择适合的分析方法。
（5）了解基本设计原则
数据分析师需要通过图表把自己的分析结论和观点展现出来，根据相关的设计原则对图表进行调整，可以使数据分析结果一目了然。

❻ 数据分析需要掌握些什么知识

统计学，数学，逻辑学是数据分析的基础，是数据分析师的内功，内功不扎实，学再多都是徒劳。

掌握统计学，我们才能知道每一种数据分析的模型，什么样的输入，什么样的输出，有什么样的作用，开始我们并不一定要把每个算法都弄懂。

如果我们要做数据挖掘师，数据能力是我们吃饭的饭碗。

如果你没有数学能力，用现成的模型也好，模块也好，也能做，但一定会影响你的技术提升，当然更影响你的职位晋升。

业务方向

大家在招聘网站中搜索数据分析的职位，大概分为两类：辅助业务的数据分析职位和数据分析师职位。

1)辅助业务的数据分析：一般在零售业里职位设置较多，该职位一定要对业务烂熟于心，对业务有长时间的积淀和理解，用数据发现业务流程中的问题，并提出合理化的解决方案，分析数据是为整个商业逻辑去做支撑。细分职位包括：市场调查、行业分析和经营分析三类。

2)数据分析师：业务方向的数据分析师，该职位招聘时一定前面有一个限定词，什么数据分析师，归结起来分为三类：产品数据分析师，运营数据分析师和销售数据分析师。

技术方向

技术方向主要指数据挖掘方向，分为三类：数据挖掘工程师(机器学习)、数据仓库工程师(构架师)和数据开发工程师。在互联网和金融行业岗位设置较多

普遍来说：技术方向的基础岗的工资薪酬要比业务岗的薪酬高一个等级，但是做到管理岗的话，在中国，业务岗的薪酬比技术岗的薪酬要高。

❼ bi数据分析师学哪些

bi数据分析师学的内容如下。
1、学统计学，樱漏友编程，脊槐数据搜大分析工具等内容。
2、熟练使用Excel软件，要学SQL，POWERBI等课程。

❽ 如果想成为一个数据分析师，需要哪些技能看哪些书籍

首先需要学习的知识，也就是需要学习的书籍， 概率论、统计学、多元统计分析、数据挖掘、sql数据库等相关书籍教材，基本上这些书名都有对应的书，所以这些是必须要学习的。

其次是软件操作知识，spss、modeler、sas、eviews、stata等 常规的统计与数据挖掘软件等，软件是将上述知识进行操作转化的，基本上统计学或数据挖掘中的原理知识都可以在这些软件中找到对应的命令。

第三 是多看一些数据分析或数据挖掘的案例。因为有了知识、有了软件操作，但是具体在实际操作用应该如何使用 还存在问题，此时就需要多看一些分析报告或者案例，通过案例就会逐渐知道如何将统计学原理与实践应用结合。

最后，随着大数据越来越热门，如果要往大数据挖掘方向的话，除了上述的你需要有一定的掌握之外，还需要学习现在很火热的sql server、 oracle、hadoop 等相关软件。

❾ 数据分析需要掌握哪些知识

1）具有业务敏感度，反应迅速，能够良好沟通；

2）具有数据分析和数据仓库建模的项目实践经验；

3）3年及以上数据分析经验，有互联网产品、运营分析经验；

4）熟悉R、SAS、SPSS等统计分析软件，熟练运用Python，熟练使用 SQL、Hive等；

5）本科或以上学历，数学、统计、计算机、运筹学等相关专业；

那么对于正在入门阶段的同学们应该如何正确把握自己的学习方向呢？

从学科知识来看，数据分析涉及到一下的知识要点：

（1）统计学：参数检验、非参检验、回归分析等

（2）数学：线性代数、微积分等

（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助

（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的，这里就不多说了

1）数据分析报告类：Microsoft Office软件等，如果连excel表格基本的处理操作都不会，连PPT报告都不会做，那我只好说离数据分析的岗位还差的很远。现在的数据呈现不再单单只是表格的形式，而是更多需要以可视化图表去展示你的数据结果，因为数据可视化软件就不能少，BDP个人版、TABLUEA、Echart等这些必备的

（2）专业数据分析软件：常见的有诸如SPSS、SAS、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析，还有高级的Python、R等。

（3）数据库：hive、hadoop、impala等数据库相关的知识可以学习；

（3）辅助工具：比如思维导图软件（如MindManager、MindNode Pro等）也可以很好地帮助我们整理分析思路。

希望同学们谨记：理论知识+软件工具+数据思维=数据分析基础，最后要把这些数据分析基础运用到实际的工作业务中，好好理解业务逻辑，真正用数据分析驱动网站运营、业务管理，真正发挥数据的价值。
。

❿ 成为一名数据分析师，需要具备哪些基本知识

一、 办公软件
1） 熟练使用excel， Access，Visio等MS Office办公软件，可以制作相关的原型； （MS即microsoft微软，MS Office 是微软提供的系列软件，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath这7个办公软件中，常用的是前4个。） 2） 重点掌握EXCEL表，会使用高级功能，能快速制作报表，熟练使用EXCEL VBA；

二、 数据分析软件及方法
1）熟练使用各种数理统计、数据分析、数据挖掘工具软件，熟悉各种网站分析软件的应用，如Google Analytics 、网络统计、Omniture等；
2）具备相关数据分析软件的使用经验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等等常见数据挖掘软件中的一个进行数据挖掘的 开发工作；
4）熟练使用至少一种网站流量分析工具（Google Analytics、Webtrends、网络统计等），并掌握分析工具的部署、配置优化和权限管理；
5）精通一种或多种数据挖掘算法（如聚类、回归、决策树等）； 6）熟悉维基编辑者优先； 7）使用软件的要求；
（7.1）掌握数据分析、挖掘方法，具备使用Excel、SQL、SPSS/SAS、Powerpoint等工具处理和分析较大量级数据的能力；
（7.2）能够综合使用各种数理统计、数据分析、制表绘图等软件进行图表、图像以及文字处理；
（7.3）掌握常用的数据统计、分析方法，有敏锐的洞察力和数据感觉，优秀的数据分析能力；
（7.4）能够综合使用各种数理统计、数据分析、数据挖掘、制表绘图等软件进行具有基本数据美感的图表、图像以及文字处理 。
三、 数据库语言
1）熟悉Linux操作系统及至少一种脚本语言(Shell/Perl/Python)；
2）熟练掌握C/C++/Java中的一种，有分布式平台（如Hadoop）开发经验者优先； 3）熟悉数据库原理及SQL基本操作；
（3.1）了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，具备很强的学习能力，写过程序，会perl，python等脚本语言者优先； （3.2）熟练应用mysql的select，update等sql语句； 4）熟悉sql server或其他主流数据库，熟悉olap原理； 5）熟悉Oracle或其他大型数据库。
四、 思维能力等方面
1）具备良好的行业分析、判断能力、及文字表达能力；
2）沟通、协调能力强，有较高的数据敏感性及分析报告写作能力； 3）理解网站运营的常识，能从问题中引申出解决方案，提供设计改进建议；
4）具有良好经济学、统计学及相关领域的理论基础，熟悉数理统计、数据分析或市场研究的工作方法，具有较强的数据分析能力；
5）熟悉数据分析与数理统计理论，具有相关课程研修经历。
五、 其他要求
1）较强的英文听说读写能力，英语6级以上；
2）文笔良好；
3）了解seo,sem优先；
4）知识要求：同时具备统计学、数据库、经济学三个领域的基础知识；英语四级或以上、熟悉指标英文名称；具备互联网产品设计知识；
5）具有深厚的数据分析、数据挖掘理论知识，深入了解相关技术；能熟练使用至少一种统计分析或数据挖掘工具。