數學知識
對於初級數據分析師來說，需要了解統計學的基本內容，公式計算，統計模型等等。當妳得到壹個數據集時，妳首先需要知道數據集的質量，並進行描述性統計。
對於高級數據分析師來說，必須具備統計模型的能力，並對線性代數有壹定的了解。
診斷器具
對於分析工具，SQL？是的，您必須熟悉Excel數據透視表和公式的使用。此外，還必須學習壹個統計分析工具。SAS是很好的入門，VBA是基本必備，SPSS/SAS/R至少要熟練使用其中壹種，其他分析工具(如Matlab)可以視情況而定。
程序設計語言
數據分析中最流行的兩種語言是R和Python。涉及到各種統計函數和工具，R無疑是有優勢的。而大數據處理能力不足，學習曲線陡峭。Python適用性強，可以腳本化分析過程。所以如果想在這方面發展，學習Python還是挺有必要的。
當然，其他編程語言也需要掌握。要有獨立把數據變成自己用的能力，SQL是最基礎的。妳必須能夠使用SQL查詢數據，並編寫程序快速分析數據。當然編程技術不需要達到壹個軟件工程師的水平。如果想更深入地分析問題，可能還會用到:探索性分析技巧、優化、仿真、機器學習、數據挖掘、建模等。
商業理解
理解業務是數據分析師工作的基礎。數據的獲取方案，指標的選取，最終結論的洞察，都取決於數據分析師對業務本身的理解。
對於初級數據分析師，主要工作是提取數據，做壹些簡單的圖表，以及少量的洞察結論，對業務有基本的了解。對於資深數據分析師來說，需要對業務有更深入的了解，能夠根據數據提煉出有效的意見，對實際業務有幫助。對於數據挖掘工程師來說，對業務有基本的了解就夠了，重點還是需要放在發揮自己的技術能力上。
邏輯思維
對於初級數據分析師來說，邏輯思維主要體現在數據分析過程中的每壹步都是有目的的，知道自己需要使用什麽手段，需要達到什麽目標。對於高級數據分析師來說，邏輯思維主要體現在構建完整有效的分析框架，了解分析對象之間的關系，知道每個指標變化的前因後果，會給業務帶來的影響。對於數據挖掘工程師來說，羅輯的思維不僅僅體現在業務相關的分析工作上，還包括算法邏輯、程序邏輯等。，所以對邏輯思維的要求也是最高的。
數據可視化
數據可視化主要是利用圖形化的手段，清晰有效地傳達和交流信息。聽起來很高大上，其實涵蓋範圍很廣。把數據圖表放在PPT裏，也可以看作是數據可視化。
對於初級數據分析師來說，可以用Excel和PPT做基本的圖表和報表，可以清晰的展示數據，達到目標。對於壹個稍微高級壹點的數據分析師來說，需要使用更有效的數據分析工具，根據實際需要做出簡單或復雜的數據可視化內容，但又適合受眾觀看。
協調和溝通
數據分析師不僅需要有破譯數據的能力，還經常被要求就壹些數據點向項目經理和部門負責人提出建議。所以，妳需要有很強的溝通能力。
對於高級數據分析師來說，需要開始獨立拿項目或者做壹些與產品的合作，所以除了溝通能力，還需要壹些項目協調能力。