1、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。
2、第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法设计能力，所以数学和统计学对于数据分析是非常重要的。
3、统计学相关知识 统计学是数据分析的基础，因为数据分析需要对大量数据进行统计分析，大家可以通过对统计学的学习，培养数据分析最基本的一些逻辑思维。 EXCEL 不要小看EXCEL，它可是最初级的数据分析工具，在处理的数据量不是很大时，EXCEL完全可以胜任。
4、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。
第一阶段：初识数据分析 这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。
我认为掌握vlookup和数据透视表足够，是最具性价比的两个技巧。学会vlookup，SQL中的join，Python中的merge很容易理解。学会数据透视表，SQL中的group，Python中的pivot_table也是同理，这两个搞定，基本10万条以内的数据统计没啥难度，80%的办公室白领都能秒杀。
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。
然后就是不断的循环优化着。分析出问题，确认用户的需求，改进产品，进一步统计并维持提升结果。分析的流程方法大概如此，比较好掌握，但是具体到工作当中，远非这几句话能解释当的，所以慢慢实践成长吧。
而要想快速成为数据分析师，则可以从计算机知识开始学起，具体点就是从数据分析工具开始学起，然后在学习工具使用的过程中，辅助算法以及行业知识的学习。学习数据分析工具往往从Excel工具开始学起，Excel是目前职场人比较常用的数据分析工具，通常在面对10万条以内的结构化数据时，Excel还是能够胜任的。
大数据分析师与传统的数据分析师之间有什么区别呢？数据分析可谓由来已久，举例说明一下。帐房先生在某种意义上讲也可以称之为数据分析师，分析着往来帐务、应收、支出等，传统的数据分析师只是基于自身数据的统计而已。
数据分析师要学习以下几点：统计学 对于互联网的数据分析来说，并不需要掌握太复杂的统计理论。所以只要按照本科教材，学一下统计学就够了。编程能力 学会一门编程语言，会让处理数据的效率大大提升。如果只会在 Excel 上复制粘贴，动手能力是不可能快的。
作为一名大数据分析师，需要掌握以下技能：数据库知识：理解数据库的基本架构、SQL语言以及常见的数据库管理系统（如MySQL、Oracle等）。编程语言：熟练掌握一种或多种编程语言，例如Python、Java等。编程语言是进行数据分析和处理的基础。
大数据专业选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。
第二阶段是要会SQL、懂业务，能够做一些基本的数据处理，再加上上一阶段的那些技能，你就能做大部分公司的数据运营和数据产品。然后是专业的数据分析师，你要非常熟悉统计学，回归、假设检验、时间序列等等，还要会做数据可视化，掌握了这些技术，就足以应付大多数的互联网业务。
兴趣是最好的老师，既然决定转好从0基础学习大数据，那你一定要从心里爱上它，只有你真正的上心了，才能有动力去学好它。多看，课前预习是少不了的，课前老师都会把当天讲的课件提前发给你，一定要抽出时间先认真看一下，否则，你会发现到时候老师讲的内容你接受起来非常吃力。
Excel 零基础学数据分析师一定要从Excel入门，因为Excel是处理小型数据量企业用的最多的工具，在基础数据分析师与数据运营岗位中具有极其重要的地位。（2） Mysql SQL同样是零基础学习数据分析的核心内容。因为作为数据分析师，你首先要解决的问题就是你要有数据来做分析。
利用Python进行数据分析，掌握如何使用Python来做数据分析；Python数据分析与挖掘实战，这本书中有较多的实际案例，可以让我们学习如何将商业问题转化为数学问题；如果大家能够将以上几本书看透学会的话，那么恭喜你，你已经离做数据分析师不远了。
最好的途径，就是找本行的数据分析职位。数据分析必然是脱离不开业务的，现在的公司都在关注如何组建数据分析团队。那么这一块，业务知识其实就不成问题了，专业在这呢。再加上自己在工具这块的学习，相信不成问题。中小型公司，或许可以一试。不同于大厂，小公司的话或许要求不会特别严格。
大数据技术毕业做什么工作 大数据开发方向。所涉及的职业岗位为：大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等工作；数据挖掘、数据分析和机器学习方向。
当然，除了以上数据分析师必备技能外，数据敏感度、逻辑思维能力、归纳能力、批判性思维能力以及沟通能力等软技能也是一个优秀数据分析师的必备技能。关于“一个合格的数据分析师需要什么技能？”的内容就给大家介绍到这里了，更多关于大数据分析的相关内容，关注小编，持续更新。
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。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。有一定的业务理解能力，能理解业务背后的商业逻辑。
数据的选择、合并与拆分、检查异常值。2）新变量生成，SPSS函数。3）使用SPSS变换数据结构——转置和重组。4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。c、数据探索和报表呈现。企业需求：对企业级数据进行探索，主要涉及图形的使用。spss报表输出。
首先，你必须具备相关的统计知识，大多数数据分析师岗位都会倾向于招数学专业出身的人，因为学数学的人基本都系统的学过数据的分析算法、或者说具备逻辑性很强，能快速的成长为一名数据分析师。
娴熟的业务能力 只有在实践领域做过数据分析的工作，才会明白所有分析的重中之重都是业务知识本身。但业务知识的学习和掌握是需要一定的时间和经验的积累，培养一个数据专家，需要时间周期很长，远远超过下面所说的基本技能。
数据分析师证书 考试难度 数据分析师证书考试相对来说是比较好考的。考试内容大部分与网课所学知识相关，主要考察理论基础知识。考生只要认真学习和备考，掌握好考试内容，通过考试并不难。考试内容和要求：数据分析师证书考试通常分为客观题部分和案例操作部分。
数据分析师的考试其实不难，难度其实还好。根据统计，数据分析师资格证的通过率有80%以上，通过率算是很高。 另一方面，数据分析师资格证分三个等级， 每个等级的条件只要满足两者之一就能报考数据分析师资格证。
数据分析师资格证的通过率有80%以上。但国家级的资格证肯定是有一定的难度的，通过率高也不代表一定能够通过。数据分析师资格证分三个等级， 每个等级的条件只要满足两者之一就能报考数据分析师资格证。
至于难度，取决于个人基础。有相关背景和经验者可能备考较为顺利，而初学者可能需要更多时间和努力。备考流程包括选择信誉良好的认证机构、参加培训课程、充分准备考试、并通过考试获取证书。整个过程规范透明，但需要考生根据自身需求和能力做出选择。
考试难度是不大的。但随着数据分析师普及度越来越高，参与考试的人数也越来越多，因此，为了更好地为行业选拔人才，资格考试难度可能会进一步加大。CDA数据分析师指在互联网、零售、金融、电信、医学、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才。
LevelⅠ数据分析师考试内容偏基础数据分析方法，难度不大。考试的内容分为这两部分：理论部分理论部分大部分的题型为：单项选择、多项选择，考试的知识点要求学员对概念特征熟悉掌握，并且对时间价值指标等数据的处理进行相应的简单计算。