作為數據分析師，當然還是需要有必要的技能傍身，比如精通SQL、數據庫原理、Excel/報表/BI工具技能。除此以外，上下游技術領域，比如數據倉庫、數據架構、ETL，需要了解甚至會用。比如：
(1)SQL是最靈活的操作數據的語言
任何一個數據庫都會提供SQL的支持，它架起了業務和數據的橋梁，簡單易學，性價比很高，也是數據分析師的必須要學習的語言。
(2)EXCEL提供了最為靈活的輕量級數據的加工和呈現的能力
對于EXCEL的掌握是任何數據分析師的基本功，透視圖，圖表，公式，計算都是極其方便的工具。
(3)BI很大程度上就是用一些可視化技術來進行指標比較的藝術
BI有助于你更快、更直觀的發現問題和定位問題，畢竟人腦對圖表、圖像的敏感度更高。
(4)數據挖掘技術
比如聚類，分類，預測等等隨著機器學習，人工智能工具使用門檻的降低，數據分析師要掌握至少一種挖掘的方法。懂得如何構建模型，尤其是在金融、運營商、互聯網、零售等這些數據成熟度較高的行業。
每一個人在學習數據分析的時候可能都會陷入迷茫，數據分析有那么多的技能，該學習那些呢？需要全部嗎？
其實不需要的，不同的技能對應著不同的數據分析崗位。簡單舉例下面幾個崗位:
崗位職責：通過設計合理的指標體系診斷業務運營中存在的問題，提出合理化建議，撰寫業務分析報告。通過數據分析度量客戶體驗、診斷、完善產品設計。開發業務分析模型，幫助企業更好地進行決策。
使用工具：SQL、Excel、BI
崗位能力：
(1)用戶行為分析、商品定位策略分析、運營效果分析
(2)多維透視分析、指標應用與設計、數據可視化
(3)描述性統計、相關分析、常用的數據分布
崗位職責：負責客戶運營、產品營銷、渠道管理和風險管理等業務領域策略分析人員，從事業務策略分析及優化等工作。通過梳理業務流程，結合用戶畫像，使用統計分析工具開展根因分析，診斷業務運營中存在的問，制定應對策略。通過統計分析模型，洞察客戶需求，完善產品設計，同時不斷改進模型，幫助企業更好地進行信息決策。
使用工具：SQL、Python數據模型與管理
崗位能力：
(1)產品運營分析報告、風險管理分析報告、問題根因分析報告
(2)用戶標簽設計與制作、用戶畫像原理、統計模型搭建、業務策略分析及優化
(3)統計分析基礎、回歸模型、數據降維、時序分析
崗位職責：熟悉各類數據挖掘算法?？梢赃M行深層次的客戶識別、畫像，以滿足營銷和風險控制方面的需要。
使用工具：SQL、Excel、BI
崗位能力：
(1)知識圖譜、客戶畫像、風控建模、精準營銷建模、操作與事件識別
(2)數據接入、特征構建（數據降維與數據升維）、自然語言處理、大數據平臺
(3)分類模型、聚類模型；回歸模型、推薦系統；復雜網絡、集成算法
