1、懂业务 从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、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。
3、沟通（数据分析师必须具有较强的沟通能力，以便与利益相关者互动并向他们展示结果）。 技术技能（数据分析师将使良好的编程和技术技能更加成功。你至少应了解操作系统，数据库概念，SDLC方法等。）。 商业知识（具有良好的业务运作方式，如何赚钱，提高效率是数据分析师的重要力量）。
4、数学和统计学基础：数据分析需要掌握一定的数学和统计学知识，包括概率论、假设检验、回归分析等。如果你没有相关的背景知识，那么你需要通过学习数学和统计学的基础知识来建立扎实的基础。计算机科学技能：数据分析需要使用各种数据分析工具和编程语言，如Excel、Python、R等。
1、懂业务 从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、关于数据分析师而言，具有杰出的交流才干是十分重要的。学会交流不只能让你了解他人的意思，还能让他人了解你的意思。这关于数据分析师展示自己的专业才干，是十分有协助的。因而，咱们需求做好这3件事：榜首，学会倾听。一般来说一个数据分析师需求面临PM和CEO。
3、业务能力 数据分析工作的重中之重就是业务能力，只要真正的在实践领域从事过，就会真正的明白业务知识是你分析的根本。而业务知识的学习是需要时间积累的。业务知识的培养是将远远超过技术工具的学习。数据分析其实就是基于业务之上的更深层次的思考和总结。
4、撰写报告的能力 在撰写报告时，深入地思考，深入分析，逻辑严谨，结论有说服力，能提前预测数据趋 势，能从问题中引申出解决方案，提出有指导意义的分析建议，这些都是一名优秀的分析师所体现的特质。
1、会使用Hive的SQL方法HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大数据集合。知道Hive如何在Hadoop生态系统进行数据分析工作。（2）会一些SPSS modeler基础应用，这部分技能对应数据建模分析师。
2、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。懂管理。
3、可视化分析 大数据分析的用户包括大数据分析专家和普通用户。因此，大数据分析最基础的要求就是做到可视化分析，因为可视化分析能直观地呈现大数据的特征，同时也便于读者理解。接受它就像看图说话一样简单明了。数据挖掘算法 大数据分析的理论核心是数据挖掘算法。
4、如果你想成为大数据分析师，那么你一定要学会大数据框架的基础知识。大数据处理框架可以用于计算大数据系统的数据。4，数据库 一些数据分析人员会专门清理数据。但如果你想出类拔萃，你就需要掌握每种算法的精髓——数据库基础。SQL是数据库中的核心技术。MySQL、SQL Server和Oracle是使用最广泛的数据库。
5、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。
6、数据分析师的要求具体如下：懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
1、SQL语言 SQL（结构化查询语言）是一种用于处理和检索关系数据库中存储的数据的计算机语言，是关系数据库管理系统的标准语言。 可视化工具 将数据可视化可以让人更加理解数据。人类都是视觉动物，图形往往比密密麻麻的文字更易于理解。 Python Tableau、FineBI这一类的可视化工具，的确可以自动生成报告。
2、①基本的理论知识 数理统计、模型原理、市场研究等。②常规分析工具的使用 常用办公软件（Excel、PPT、思维导图）、数据库、统计分析工具、数据挖掘等。③一定的业务理解能力 能理解业务背后的商业逻辑，只有理解问题，才能转换成数据分析的问题，才知道如何设定分析目标进行分析。
3、数学知识：数学是每一位数据分析师必学的基础知识，对于初级数据分析师来讲，必须要具备一定的公式计算能力，并且要了解常用的模型算法。分析工具：对于初级分析师来看，必须要学会玩转excel，并且要将透视表和公式使用的比较熟练。除此之外，还要学会VBA基本必备，SPSS/SAS/R等分析工具的使用。
ZooKeeper是Hadoop和Hbase的重要组件，是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。
掌握至少一种数据库开发技术：Oracle、Teradata、DBMysql等，灵活运用SQL实现海量数据ETL加工处理。 熟悉Linux系统常规shell处理命令，灵活运用shell做的文本处理和系统操作。
数据预处理技术 大数据的预处理包括对数据的抽取和清洗等方面，数据抽取过程可以将数据转化为单一的或者便于处理的数据结构（常用的数据抽取工具infa）。数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，可以将数据集中的残缺数据、错误数据和重复数据筛选出来并丢弃。
1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。懂管理。
2、业务能力 数据分析工作的重中之重就是业务能力，只要真正的在实践领域从事过，就会真正的明白业务知识是你分析的根本。而业务知识的学习是需要时间积累的。业务知识的培养是将远远超过技术工具的学习。数据分析其实就是基于业务之上的更深层次的思考和总结。
3、这些都将会使数据分析师做数据分析的过程更容易。懂得设计 数据分析师应该会制作报表成果，还应该注重图表的设计。这样才能够让数据更直观的呈现在人们面前。在运用图表表达数据分析师的观点时，图表的设计会直接影响到图形的选择、版式的设计、颜色的搭配等，只有掌握设计原则以后才能让结果清楚明了。
4、工具使用能力。数据分析工具是实现数据分析方法理论的工具，面对越来越庞杂的数据，数据分析师必须要掌握相应的工具去对这些数据进行采集、清洗、分析和处理，以快速准确地的到最后的结果。常用工具有：Excel、SQL、Python、R、Tableau、BI等 分析能力。
5、专业的可视化软件 Djs、HighCharts、Tableau和PowerBI等都是专业的可视化工具。如果，你想要成为专业的数据分析师，你必须掌握其中的一种或者几种。（3）Python 学习过Python的人都知道，Python中有很多用于可视化的第三方库，例如matplotlib、seaborn、plotly、Boken、pyecharts等。
