数据分析师需要学习哪里内容？

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。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。
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。
对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。
3、编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。
对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
4、业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，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。
业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。
4、逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
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，逻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。
5、数据可视化
数据可视化说起来很高大上，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，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，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。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
6、协调沟通
对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。
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。
对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。
7、快速学习
无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。
快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！

如何做好数据分析师的职业规划

说实话，入门数据分析师行业并不难，但想竞争到较好的岗位就不太容易了。除了要有过硬的数据技能和扎实的实操能力，高情商更是不可或缺，此外还得具备流畅的沟通和表达能力，才能在芸芸众生之中脱颖而出。不过这些终究还是得不断磨练和成长，才能逐渐优秀和熟悉起来。对于数据分析师这个职位，你算是小白出身，做好自己的职业规划，可以让我们在职场中更加得心应手，不至于真正面临问题的时候束手无策。
做好职业规划，让自己的数据分析师之路走得更顺。
1、要知道，技术永远都是只是一种客观手段和谋生工具，产生价值、凸显价值才是王道。这里面涉及到诸多的自身能力需要不断磨练，比如个人的意志力、沟通能力、表述能力，还有你得好奇心、创造力和影响力等等。这些都是可以让你逐渐成长为一个优秀的数据分析师的重要素质。要去make the change and influence，不只停留在数字展示。
2、笨鸟先飞，拥有一个好的身体会使你能量倍增。初入职场，肯定事事要虚心向学求教，对于领导的指派任务，我们一定要高效完成，加班加点在所难免。职场里面那些充满能量、新鲜项目感兴趣、滔滔不绝做presentation的人通常都是有着很好的生活习惯、处理事情很快，吸收知识很快、愿意学习了解新事物，坚持锻炼的人。这个法则适用于大多职场。拼到后面其实是持久的耐力，就是不松懈，坚持对的事情。
3、别钻牛角尖，要灵活。如果一种方法试了好久都不行，停下来，问一问，试一试别的，可能会有新的出路。职场不是一个学术的地方。我们要认真做事，但是不要追着一个小的问题不放，这样很容易丢失掉大的东西， 负责任地讲，有很多项目是半途而废的，有很多数字不是准确的，我们要做的是顺势而为，抓住重点。Always focus on big picture.
4、先做倾听者，再做思考者，然后做好的提问者，最后做实现者。这里每一个环节都重要，先知道别人关心的是什么，有什么问题，然后要系统性考虑，有时候不要着急解决小问题，Focus on big picture，此外，提问出关键问题甚至能够帮助stakeholder更清楚了解他要的是什么，最后搞清楚了这些之后就是Action。
5、有意识地去跟人交流，特别是业务相关人员，以及各个条线的stakeholder，如果仅仅利用必要的时间，比如开会的时候交流彼此对业务对分析的看法，通常是不够的。我们作为分析人员，最好要走在前面，试探性的问问题，交流想法。提升自己举例子的能力，把复杂的东西通过简单的描述让别人理解很重要。
6、不停的总结，迭代。其实数据分析里面的分支学科还是很多的，ETL, Data Cleansing, 一些基本分析模型，Data visualization等等，不管是自己做过的项目经验，还是网上看来得好文章，或者同行交流来的新的好的内容，都可以不停的总结，试用，反馈，以此循环。长期来看是非常有好处的并且容易形成自己的体系。

数据分析专员需要掌握什么技能？

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。

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。

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。

数据分析需要掌握些什么知识?

1.基础知识

数据分析师在数学知识的基础上，引入了统计学，其基础知识包含数学、线性代数、统计学等，这些也是决定数据分析职业发展高度的基石。对于初级数据分析师，学习描述统计相关的内容和公式即可，但要更进一步就需掌握统计算法，甚至机器学习算法等更多知识，对于算法相关的工作，则要对高数进行深入学习。

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。

脱离业务的纯数据分析没有任何意义，没行业背景的技术如空中楼阁，想成为优秀的数据分析师或培养自己的数据分析思维， 首先要对业务了如指掌，熟悉业务后再去获取需要的数据，对数据进行业务分析，制定出相应方案，这才是王道。

3.分析工具，如Excel、python、SQL、R语言等

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。

Excel运用最广，是最容易入门的数据分析工具之一，函数、数据透视表和公式必须熟练掌握。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。

另外，具备一个专业统计分析技能更好，SPSS作为入门是极好滴。不过随着数据的增长，编程语言的学习，如Python等将会使数据处理变得更高效。当然，只要和数据打交道，我们就会接触到数据库，所以要学SQL（数据库），掌握基本的增、删、改、查等技能。

最后，可以学写主流的利器，如Python或R，有些行业可能会用到SAS或其他工具，请依据自己的行业选择。

4.沟通能力

数据分析会涉及到很多和业务部门、技术部门的沟通，做出报告后也需要进行展示，并说服别人接受自己的结果。因此，协调沟通能力对于数据分析者而言，也是非常重要的素质之一。

5.学习力

无论是数据分析，还是其他岗位，都需要有持续、快速学习的能力，学业务逻辑、行业知识、技术工具、分析框架……

初级数据分析师具备哪些技能

技能一：理解数据库。

还以为要与文本数据打交道吗？答案是：NO！进入了这个领域，你会发现几乎一切都是用数据库来存储数据，如MySQL，PostgreSQL，CouchDB，MongoDB，Cassandra等。理解数据库并且能熟练使用它，将是一个基础能力。

技能二：掌握数据整理、可视化和报表制作。

数据整理，是将原始数据转换成方便实用的格式，实用工具有DataWrangler和R。数据可视化，是创建和研究数据的视觉表现，实用工具有ggvis，D3，vega。数据报表是将数据分析和结果制作成报告。也是数据分析师的一个后续工作。这项技能是做数据分析师的主要技能。可以借助新型软件帮助自己迅速学会分析。如大数据魔镜可视化分析软件(“魔镜”)既可以满足企业需求，也可以适应个人需要，是进行数据分析的一个新型而精准的产品。

技能三：懂设计

说到能制作报表成果，就不得不说说图表的设计。在运用图表表达数据分析师的观点时，懂不懂设计直接影响到图形的选择、版式的设计、颜色的搭配等，只有掌握设计原则才能让结果一目了然。否则图表杂乱无章，数据分析内容不能良好地呈现出来，分析结果就不能有效地传达。

技能四：几项专业技能

统计学技能——统计学是数据分析的基础，掌握统计学的基本知识是数据分析师的基本功。从数据采集、抽样到具体分析时的验证探索和预测都要用到统计学。

社会学技能——从社会化角度看，人有社会性，收群体心理的影响。数据分析师没有社会学基本技能，很难对市场现象做出合理解释。

另外，最好还能懂得财务管理知识和心理学概况。这些都将会使你做数据分析的过程更容易。

技能五：提升个人能力。

有了产品可以将数据展示出来，还需要具备基本的分析师能力。首先，要了解模型背后的逻辑，不能单纯地在模型中看，而要放到整个项目的上下文中去看。要理解数据的信息，形成一个整体系统，这样才能够做好细节。另外，与数据打交道，细心和耐心也是必不可少的。

技能六：随时贴近数据文化

拥有了数据分析的基本能力，还怕不够专业？不如让自己的生活中充满数据分析的气氛吧！试着多去数据分析的论坛看看，多浏览大数据知识的网站，让自己无时无刻不在进步，还怕不能学会数据分析吗？

拥有这些技能，再去做数据分析，数据将在你手里变得更亲切，做数据分析也会更简单更便捷，速成数据分析师不再遥远。

前期一、统计概率基础二、工具使用（Excel，SPSS，SAS等）三、行业背景知识（业务知识）中期一、分析方法模型二、数据挖掘算法三、IT编程能力后期：一、业务能力二、管理能力三、管理业务能力+1

前期 一、统计概率基础 二、工具使用（Excel，SPSS，SAS等） 三、行业背景知识（业务知识） 中期 一、分析方法模型 二、数据挖掘算法 三、IT编程能力 后期： 一、业务能力 二、管理能力 三、管理业务能力+1

统计学中,统计数据来源渠道有哪些

一、数据的来源
从使用者的角度看，统计数据资料的来源主要有两种渠道：
一种是通过直接的调查或实验获得的原始数据，这是统计数据的直接来源，一般称为原始或第一手统计数据。
另一种是别人调查的数据，并将这些数据进行加工和汇总后公布的数据，通常称为次级数据或第二手间接的统计数据。一切间接的统计数据都是从原始的、第一手数据过渡而来的。
二、数据的直接来源——原始数据
搜集数据最基本的形式就是进行统计调查或进行实验活动，统计调查或进行实验就是统计数据的直接来源。
1、统计调查
统计调查是指根据统计研究预定的目的、要求和任务，运用科学的方法，有计划、有组织地向客观实际搜集资料的过程。通过统计调查得到的数据，一般称为观测数据。
2、实验法
实验法是直接获得统计数据的又一重要来源。通过实验法得到的数据就是实验数据。
三、数据的间接来源有：
1、公开出版的统计数据。
主要来自官方的统计部门和政府、组织、学校、科研机构。
2、尚未公开发表的统计数据。
如各企业的经营报表数据、专业调查咨询机构为公开发布的调查结果数据。
需注意的是，如果公开引用未公开发表的数据需要征得数据所有者的同意，同时要为自己发布的数据负责。

扩展资料：
1，要注意每种统计分析方法的适用范围。许多分析方法对数据的要求很高，如果样本的分布不符合要求，样本量数量不足，或者存在大量的伪样本，都会造成最后结果的偏差甚至是完全错误。
2，在选择一种分析方法的同时，要按照方法的要求整理数据库。错误的数据库格式对于研究有时是灾难性的。我们在使用任何研究模型之前，都要考虑数据的适用性。同样，数据的合理转换也很重要。
3，如果必要，可以使用不同的研究方法对同一问题进行解释，来互相验证结论的真伪。如果出现互相矛盾，一定要找到矛盾的原因，去伪存真。任何的分析模型和方法都有其使用的局限性，在一定场合会失效。
4，数据分析结果要使用通俗易懂的语言或图表进行描述，繁琐高深的公式和过程不应该经常成为最终研究报告的一部分。
5，数据分析需要耐心和细致，不能出现任何疏漏。哪怕是一点点的失误，都可能产生“蝴蝶效应”，让研究报告变的一钱不值。
6，统计分析方法高级不一定是最好的，简单有效能够解决问题才是最好的。
参考资料：搜狗百科-统计数据

nit和ncre的报考选择

NIT是用于接本专用的。二级MS 是可以用来证明自己的办公自动化能力 NIT并无实际作用，只作为考试的一种科目罢了全国计算机二级用途： 1、凡获得全国计算机二级者，可免得考高等教育自学考试中的计算机相关课程。 2、全国计算机等级（二级）是非上海，北京，深圳生当届毕业生申请在当地工作的必要条件和要求；特别金融危机时期大多企业选择裁员而不是聘请，没有计算机证书，找工作将非常艰难 3、重多优秀企业聘请毕业生的三大条件：大学毕业证、英语四级证和计算机二级，学好了计算机二级，在工作中能熟练操作工作软件，那就是有些企业看中二级的缘由。 4.很多老师，公务员上岗，升职都拿计算机二级作为考核标准。 5、计算机二级很遍及，重多的学校和学位证书都必须通过计算机二级。 NIT证书：又称计算机应用技术证书。根据各省的自考规定：自学考试系统组织的“全国计算机应用技术证书（NIT）考试《计算机应用基础》”模块合格证书者可取代“计算机应用基础”课程；获得自学考试系统组织的“全国计算机应用技术证书（NIT）考试中《管理系统中信息技术的应用》”模块合格证书者可取代自考中“管理系统中计算机应用”课程。 计算机二级的用途比较大一些，而NIT证书只应用于自考抵免课程