小编今天来讲讲数据分析所需的“术”，即工具和手段，如果你进入了一个企业，希望尽快成张为一个数据分析师，还需要在以下4个方面加强学习，仅供参考，适用白己的最重要：
(1)数据学习
业务学习有一个毛病，比如你看案例，往往接触融到的数据或使用的数据是局部的，因此，你的视野会受局限。在大多数公司里，很多职位属于某业务线的数据分析师其实缺乏全局的数据视野，因为他接触到的只是本业务相关的部分，但是也会对务的理解更深刻：职位属于公司层面、独立于业务的数据分析师可以接触到整个公司的大量数据，但是因不深入业务线，也无需对其负责，但对业务的动作、运营、理解不足够深，也可能会缺乏洞察痛点的能力。因此，永远识能在已知的数据里转圈圈可能对于某些需求足够了，但想做得更好，有深入的洞察力，还需要做到便多。
只要有机会，数据分析师就应主动向T部门拿到最全的数据字典，并持续学习，了解每个库、表、
字段的业务含义及设计理念，理解地越透彻，你的分析潜力就越大。如果有条件接触源系统，从业务实现流程、数据落库等源头出发去理解对应数据的含义、实现的条件和方法会更好，因为很多时候，简单的业务描述在数据上的表达却是非常复杂的，业务语言与数据语言很多时候是1对多、多对多关系。比如你看到业务系统上某个菜单的功能，对应到系统中的数据是怎样的，你能还原出来吗？落入数据库的数据也可能在使用时才能发现各种问题，进而限制了问题真相的还原，因为有时候你看到的问题，也可能不是业务出了问题，而是数据出了问题。
大多数数据分析刊师都是在实践中慢慢熟悉的，但自顶向下的学习方式可以让你有一个更好的基础更全局的数据视野。
(2)技术学习
首先，要学会从数据库或清其它源头获取数据，工具熟练的话工作效率会大大提高。起码你要会
SQL,SQL基本上是为在数据库内统计取数而生的方便工具，图形化的透视方式也远远般有SQL的
表达能力强，这是基本功，其实，SQL就能解决大多数统计取数问题。
其次，要会一些数据分析工具，EXCEL是最基本的，其实大多数数据分析基于EXCEL应付已经绰绰
有余了，EXCEL的图形表达能力也已经够强。数据分析师免不了要写各种分析报告，报告股都是
以PPT的方式输出，这意味着你的of价ice可视化表达能力要强。
最后，如果你希望更深一层，那就学习R语言、PYTHON、SPSS,SAS等，这些是处理、挖掘数据
最有效的编程语言或清工具，提供了更强大的挖掘能力，可以帮你把统计学的数据挖掘精髓发挥的淋漓尽致。
如果有可能，也要熟悉所在企业的数据仓库或大数据平台，懂得一些基本的操作，对于你提升分析的自由度和灵活性，甚至查找数据问题时也大有好处，比如自己搞个脚本定时跑数据，打造个人的数据集市等。现在数据分析的概念也越来越大，很多公司把对于大数据平台的数据处理能力也纳入到数据分析师的技能范畴。
以上层层递推，其实数据分析师每在T上前进一步，带来的效益是几何级的，比如你懂Hadoop,那么，你就可能离大数据更近一点。
(3)统计理论
终于讲到大家都很关心的统计学知识了，我认为和工具学习一样，统计学也是辅助分析的工具，最重要的是要理解统计及各种方法的思想、数据要求使用场景，方便你灵活地匹配解决各种问题时所需的方法。
