以下是一位在数据分析领域打滚了N年后的分析师写下的一些总结和体会大家可以借鉴学习！
一、成为数据分析师有哪些要求？
1、理论知识要宽泛，涉及数学、市场和技术。要求及对数据敏感，包括统计知识、市场研究、模型原理等。
2、常规分析工具的使用，包括数据库、数据挖掘、统计分析工具，常用办公软件（Excel、PPT、思维导图）等等。
3、有一定的业务理解能力，能理解业务背后的商业逻辑。因为只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。
4、数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。
二、把数据分析当做一种能力来培养
现在大多工作都需要你拥有逻辑分析能力，尤其是对数据的分析理解。在数据化运营理念深入的今天，BAT这样的大型互联网公司强调全员参与数据化运营，把数据分析当作一种能力在培训，也必定是未来趋势。
三、数据分析师所需具备的能力和知识（从数据分析的4个步骤来理解）
数据分析的四个步骤：数据获取、数据处理、数据分析、数据呈现。
1、数据获取
数据获取看似简单，但是需要把握对问题的商业理解，转化成数据问题来解决，直白点讲就是需要哪些数据，从哪些角度来分析，界定问题后，再进行数据采集。此环节，需要数据分析师具备结构化的逻辑思维。
推荐书籍：《金字塔原理》、麦肯锡三部曲：麦肯锡意识、工具、方法；
推荐工具：思维导图工具（Xmind百度脑图等）；
2、数据处理
数据的处理需要掌握有效率的工具：
Excel及高端技能：日常工作通用，容易掌握，处理10万级别的数据很轻松。
学习高端Excel需要哪些技能？
学习excel是个循序渐进的过程
基础：简单的表格数据处理、打印、查询、筛选、排序
函数和公式：常用函数、高级数据计算、数组公式、多维引用、function
可视化图表：图形图示展示、高级图表、图表插件
数据透视表、VBA程序开发
按照我习惯的方法，先过一遍基础，知道什么是什么，然后找几个case练习。多逛逛excelhome论坛，平常多思考如何用excel来解决问题，善用插件，还有记得保存。
帆软FineReport：专业的报表工具，日常做报表设计一个模板可通用，只要会写SQL就可上手。相比excel做报表，开发的技术要求较少，能很快地开发常规报表、动态报表，并可以放在移动端和大屏查看。
Oracle和SQL sever：企业最常用的千万级别的数据库，熟练掌握SQL语言。
保持不断的技术学习，比如学习新流行的Hadoop之类的分布式数据库来提升个人能力，对求职有帮助。
3、分析数据
分析数据往往需要各类统计分析模型，如关联规则、聚类、分类、预测模型等等。
因此，熟练掌握一些统计分析工具不可免：
SPSS系列：老牌的统计分析软件，SPSS Statistics（偏统计功能、市场研究）、SPSS Modeler（偏数据挖掘），不用编程，易学。
SAS：经典挖掘软件，需要编程。
R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。
各类BI工具：
Tableau:可视化工具的鼻祖，对于处理好的数据可作自由的可视化分析，图表效果惊人
大数据BI工具FineBI:类同Tableau，可在前端做任意维度分析；数据可在前端继续处理（计算、筛选过滤等），可对接hadoop之类的大数据平台，数据处理性能较好。
推荐书籍：
1、《说菜鸟不会数据分析》系列，入门级书，初学者最适。
2、《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，内容很系统很全面。
3、《市场研究定量分析方法与应用》，简明等编着，中国人民大学出版社。
4、数据可视化呈现
很多数据分析工具已经涵盖了数据可视化部分，只需要把数据结果进行有效的呈现和演讲汇报，可用wordPPTH5等方式展现。
四、关于数据分析师的职业发展
1、数据分析师通常分两类，技术型分析师和业务型分析师，分工不同，但各有优势。
技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等，这些称谓都或多或少代表了其工作性质。
业务型分析师是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。
2、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。
从行业的角度来看：
1）互联网行业是数据分析应用最广的行业，其中的电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。
2）其次是咨询公司（比如专门的数据挖掘公司Teradata、尼尔森等市场研究公司），他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。
3）再次是金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。
4）最后是电信行业（中国移动、联通和电信），它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。
五、什么人适合学习数据分析？
这个问题之前有详细写过一篇文章哪些人能做好数据分析？就好比学功夫一样，既要有天赋也要有后天的努力，但我想后者占大部分，铁杵也能磨成针。
六、如何系统地学习数据分析？
学习方法千万种，关键是找到适合自己的，最好能够结合你的工作遇到的问题来学习。
这里我列举一个经典的从0到1的入门方法
第一周：Excel学习掌握
第二周：数据可视化
第三周：分析思维的训练
第四周：数据库学习
第五周：统计知识学习
第六周：业务学习
第七周：Python/R学习
七、最后
请再次问问自己，是否真的喜欢数据分析，能否忍受处理数据时的寂寞？如果是，那就宜早不宜迟，马上开始行动吧。
再次强调：
1、把数据分析作为一种能力培养，让自己在现在的团队中展现出良好的数据分析能力，为你以后内部转岗做好准备。如果内部转岗不成，你可以考虑跳槽到我之前分析的行业中，但我强烈建议你还是需要把系统开发的编程能力学习好，并且对商业智能系统（BI和CRM）有一定了解，这也许是应聘数据分析的优势。如果没有数据分析经验去应聘，相对会难一些，用人单位会考你统计和数据挖掘模型方面的知识，以及工具使用情况。
2、扎实学好一、两门数据挖掘软件，基于你已有得编程基础，可以学SAS或者R，基本能够满足很大部分企业的需求。
3、多看多想多观察，学习业务职能是这样，细水长流，还需要不断工作积累和广泛的阅读。
最后，希望你能够成为你想成为的人！