请问从事数据分析方面的工作，都需要一些什么基础理论知识。
数据分析师需要具备的能力：
1、你需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。
2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。
3、至少能够用Acess等进行数据库开发；
4、至少掌握一门数学软件：matalab，mathmatics进行新模型的构建。
5、至少掌握一门编程语言；
6，当然还要其他应用领域方面的知识，比如市场营销、经济统计学等，因为这是数据分析的主要应用领域。
结合自身的学习、面试经验做了一个整理，对于新手来说，掌握以下知识/技能，就足以找到一份初阶的数据分析师（注意，不是数据专员，这两者是有区别的，找工作的小伙伴切记仔细分辨）的工作：
1、统计基础；
2、分析理论
3、Excel
4、SQL
5、R
6、Python
仅仅知道要学什么是不够的，还需要知道学到什么程度才是合适的，这其实才是广大新手村小伙伴最大的困惑！按照笔者的看法，以上每项技能/知识应当掌握的程度如下：
我把每个技能的熟练程度划分为5个等级，依次分别是：1、了解基本概念；2、知道基本理论/会简单操作；3、熟知原理/熟练操作；4、数学、逻辑论证/灵活应用；5、精通、专家/能改进、优化。对于入门者来说，上面这几个知识领域大多只需要掌握2-3的熟练程度即可。
统计基础是每个人都必须掌握的，自然是学的越深入越好，不过对于基础比较差的伙伴来说，也不必太过苛求，大约掌握信息图形化、条件概率、贝叶斯公式、相关与独立、几何分布、二项分布、泊松分布、正态分布、统计抽样、估计、置信区间、假设检验这些，就差不多了。《深入浅出统计学》是一本不错的入门书，但是仅有这一本是不够的，请务必找一本更具严谨性和系统性的教材结合使用。
分析理论也是个绕不开的问题，尤其对于很多自学的伙伴来说，这一块可能比较容易疏忽。笔者作为新手，对这部分内容其实也不熟悉，能给出的建议不多。
大多数企业的内部数据存储在传统的关系型数据库中，作为分析师不可避免的要和数据库打交道，那么SQL是数据分析必备的技能了。好在SQL语言本身非常的简单易学。笔者认为只要会写简单的查询、存储过程就可以了，推荐大家买一本《SQL必知必会》放在手边，随时翻看。
R语言和Python语言应该是当前数据分析领域的双雄了，R语言支持者众多，相关库包极为丰富；Python则胜在灵活易用，通用性更加广泛。在网上，关于这两种语言的争论也从未止息。笔者建议初学者要对这两种语言都有所了解，但选择其中一项作为自己的主力语言。对于R语言来说，学会其命令行用法、掌握基本的数据分析库包（tidyr,dplyr,ggplot2)即可；对于Python语言，需要掌握其基本语法、函数和相关库包（numpy, pandas, matplotlib, sklearn)。
可能很多伙伴经过一段时间学习以后，会对Excel这样一个工具不屑一顾，认为这是个非常低端的工具，完全不如R或者Python一般酷炫。但其实完全不该有此想法。笔者曾爬取拉钩网上数据分析这个岗位的信息并做过统计分析，在整个就业市场上，数据分析岗位对Excel技能的需求量非常之大。
除了SQL之外，Excel是数据分析岗位要求频率最高的技能。好在，这个神器其实是非常简单易学的，并且网络上存在海量的各种教程和教材，随处可得。笔者认为只要学会常见函数的使用、各类基础图表的制作以及数据透视就能满足大部分需求。推荐大家买一本《谁说菜鸟不懂数据分析》放在手边，学习疲惫之余拿出来当故事书看看。
机器学习这一块其实应该算是数据分析岗位的加分项，不一定是必须的，看具体岗位。但是现在越来越多公司的数据分析岗要求对机器学习有一定的认知，笔者认为，关于机器学习算法，能够熟悉常见算法的基本原理、了解其用途和优缺点即可。比如：分类算法里的贝叶斯、决策树、随机森林；回归算法里的线性回归、Adaboost回归；聚类算法里的K-means算法等。另外了解一下用于降维的PCA等。
每个人的情况不同，每个岗位的情况需求也不同，大家还是需要根据自己的实际情况来认真思考，安排好自己的学习方向和计划。
基础的应该：财务基础知识、统计基础知识 具备了以上基本知识以后再懂得你从事行业的相关知识
当然是数据方面的
并岸19768347504： 绛旓細鏁版嵁鍒嗘瀽甯堢殑涓昏宸ヤ綔鏈夊摢浜涳紵鏁版嵁鍒嗘瀽甯堢殑涓昏宸ヤ綔鏈夛細1銆佸浼氬熷姪鎶鏈墜娈佃繘琛岄珮鏁堢殑鏁版嵁澶勭悊锛2銆佸湪鏁版嵁鐮旂┒鐨勬柟娉曡鏂归潰杩涜鍒涙柊鍜岀獊鐮达紱3銆佸噯纭佽缁嗗拰鍙婃椂鍦颁簡瑙ｅ彈浼楃姸鍐靛拰鍙樺寲瓒嬪娍锛4銆佸彂鎸ユ秷璐硅鏁版嵁鍒嗘瀽鐨鑱岃兘锛屾敮鎾戝叕鍙告敼鍠勫鎴锋湇鍔★紱鏁版嵁鍒嗘瀽甯堟槸鏁版嵁甯堢殑涓绉嶏紝鎸囩殑鏄笉鍚岃涓氫腑锛屼笓闂浠庝簨琛屼笟...
并岸19768347504： 绛旓細銆愬璇汇戞埅姝㈢洰鍓嶏紝浜戣绠楁妧鏈浉鍏崇殑绉戞妧浜烘墠涓鐩撮兘鏄寔缁笂娑ㄧ殑灞闈傛牴鎹害鑲敗鎶ュ憡锛屼粎浠呭湪缇庡浗甯傚満锛2018骞翠簯璁＄畻鎶鏈鎶浜烘墠鍜屼腑楂樼骇鍒嗘瀽涓撳鐨勭鎶浜烘墠缂哄彛灏嗚秴杩19涓囥傚彲瑙佷汉鎵嶇己鍙ｆ槸闈炲父澶х殑锛岄偅涔鏁版嵁鍒嗘瀽甯堢殑涓昏宸ヤ綔鏈夊摢浜涘憿?鎴戜滑浠庣綉涓婃憳浜嗕竴娈垫嫑鑱樿姹傦紝鎺ョ潃寰涓嬬湅銆
并岸19768347504： 绛旓細鍥捐〃鐨勮璁℃槸闂ㄥぇ瀛﹂棶锛屽鍥惧舰鐨勯夋嫨銆佺増寮忕殑璁捐銆侀鑹茬殑鎼厤绛夌瓑锛岄兘闇瑕佹帉鎻′竴瀹氱殑璁捐鍘熷垯銆鏁版嵁鍒嗘瀽甯鐨勫伐浣滐紝灏辨槸瑕佹壘鍒颁竴涓垨鑰呭嚑涓繖涔堢殑鎸囨爣銆傛暟鎹垎鏋愭槸鍏徃杩愪綔杈冩牳蹇冪殑閮ㄥ垎锛屽叕鍙告瘡閲囧彇涓涓喅绛栵紝閮介渶瑕佸弬鑰冨叕鍙告暟鎹寚鏍囷紝姣忓埗瀹氫竴涓惀閿鏀跨瓥涔熼兘瑕佺粨鍚堝綋鍓嶇殑鏁版嵁琛ㄦ墠鑳藉埗瀹氥傛暟鎹垎鏋愬彲浠ュ府鍔...
并岸19768347504： 绛旓細鏁版嵁鍒嗘瀽甯堬細宸ヤ綔鍐呭锛歛.涓存椂鍙栨暟鍒嗘瀽锛屾瘮濡傚弻11澶т績娲诲姩鍒嗘瀽锛涗骇鍝佺殑娴侀噺杞寲鎯呭喌銆佷骇鍝佹祦绋嬩紭鍖栧垎鏋愶紝绛夌瓑锛沚.鎶ヨ〃闇姹傚垎鏋--姣斿浼佷笟甯歌鐨勬棩鎶ャ佸懆鎶ャ佹湀鎶ャ佸鎶ャ佸勾鎶ャ佷骇鍝佹姤琛ㄣ佹祦閲忚浆鍖栨姤琛ㄣ佺粡钀ュ垎鏋愭姤琛ㄣ並PI鎶ヨ〃绛夌瓑锛沜.涓氬姟涓撻鍒嗘瀽锛氱簿鍑嗚惀閿鍒嗘瀽锛堢敤鎴风敾鍍忓垎鏋愩佽惀閿瀵硅薄鍒嗘瀽銆佽惀閿绛栫暐鍒嗘瀽銆...
并岸19768347504： 绛旓細閫氳繃瀵瑰悇澶ф嫑鑱樼綉绔鏁版嵁鍒嗘瀽甯堛佸競鍦鸿皟鏌ュ垎鏋愬笀绛夎亴浣嶆嫑鑱樹俊鎭殑鎼滈泦鏁寸悊鍜屾繁鍏ュ垎鏋,鎸栨帢骞跺綊绾冲嚭绀句細鐢ㄤ汉鍗曚綅瀵规暟鎹垎鏋愬笀鑱屼綅鐨勭煡璇嗘妧鑳藉拰閬撳痉绱犺川绛鏂归潰鐨鍏蜂綋瑕佹眰濡備笅: (涓)鏁版嵁鍒嗘瀽甯堢殑鑱屼笟鍐呮兜 鏁版嵁鍒嗘瀽甯堟槸鎸囧湪涓嶅悓琛屼笟涓,涓撻棬浠庝簨鏁版嵁鎼滈泦銆佹暣鐞嗐佸垎鏋,骞朵緷鎹暟鎹仛鍑鸿涓氭垨甯傚満鐮旂┒銆佽瘎浼板拰棰勬祴鐨勪笓涓氫汉鍛;鏄...
并岸19768347504： 绛旓細杩欐槸鏀拺鏂伴椈鍑虹増鏈烘瀯鏀瑰杽瀹㈡埛鏈嶅姟鐨勫叧閿亴鑳姐傚叧浜鏁版嵁鍒嗘瀽甯鐨勫伐浣鑱岃矗鏈夊摢浜涳紝闈掕棨灏忕紪灏卞拰澶у鍒嗕韩鍒拌繖閲屼簡锛屼互涓婂氨鏄叧浜庢暟鎹垎鏋愬笀鐨勬妧鑳借姹傜殑鍐呭锛屽笇鏈涘彲浠ヤ负鎮ㄦ彁渚涗竴浜涘府鍔┿傚鏋滄偍杩樻兂浜嗚В鏇村鍏充簬澶ф暟鎹佹暟鎹垎鏋愬笀銆佸ぇ鏁版嵁宸ョ▼甯堢瓑鍐呭锛屽彲浠ョ偣鍑绘湰绔欑殑鍏朵粬鏂囩珷杩涜瀛︿範銆
并岸19768347504： 绛旓細鍒濈骇鐨鏁版嵁鍒嗘瀽涓渶甯歌鐨勫伐浣鏈変笁绉嶏細鏁版嵁鎻愬彇銆佹姤琛ㄥ紑鍙戙佹挵鍐欏垎鏋愭姤鍛娿傛暟鎹彁鍙栧皢浼氭槸浣犵殑涓昏宸ヤ綔锛涔熸槸涓鍒囧垎鏋愮殑鍩虹銆備笉澶稿紶鐨勮锛屽ぇ閮ㄥ垎鍒嗘瀽椤圭洰涓80%鐨勭簿鍔涢兘鍦ㄦ暟鎹幏鍙栧拰鍔犲伐鐨勯樁娈点備粠鏁版嵁搴撲腑鎯冲敖涓鍒囧姙娉曟妸鏁版嵁鎻愬彇鍑烘潵锛岀湅浼煎苟涓嶅鏉傦紝浣嗗浣犵殑SQL鍔熷姏鏄釜鑰冮獙銆傛椂鍊欎竴涓猳ver鍑芥暟鍙互鑺傜渷鍑...
并岸19768347504： 绛旓細鏁版嵁鍒嗘瀽宸ヤ綔鏃㈣涓撲笟锛屽張瑕侀氳揪锛屽挨鍏舵槸鍦ㄩ珮灞傦紝鎴愭灉鐨勫憟鐜板拰澶嶆潅杩囩▼鐨勬墽琛岄兘鑷冲叧閲嶈銆傛暟鎹垎鏋愬鍚屾ˉ姊侊紝杩炴帴鐫鎶鏈笌鍟嗕笟鐨勪袱涓笘鐣屻傝鍦ㄨ繖涓鍩熺珛瓒筹紝闇瑕佸箍娉涚殑鐭ヨ瘑鍩虹锛屽寘鎷珽xcel銆丼QL鍜孭ython绛夋妧鏈妧鑳斤紝浠ュ強鍟嗕笟鍒嗘瀽鐞嗚銆傚皬鐏朵笌鑵捐鏁欒偛鎻愪緵鐨勮缁冭惀锛5澶╃殑璇剧▼灏嗗姪浣犲疄鎴樺垎鏋愶紝鎻愬崌鍟嗕笟娲炲療鍔...
并岸19768347504： 绛旓細鏁版嵁浜т笟鐨勬瘡涓幆鑺傞兘闇瑕佷緷闈犱笓涓氫汉鍛樺畬鎴愶紝鍥犳锛屽繀椤诲煿鍏诲拰閫犲氨涓鏀帉鎻℃暟鎹妧鏈佹噦绠＄悊銆佹湁鏁版嵁搴旂敤缁忛獙鐨勬暟鎹缓璁句笓涓氶槦浼嶃傜洰鍓嶆暟鎹浉鍏充汉鎵嶇殑娆犵己涓ラ噸闃荤鏁版嵁甯傚満鍙戝睍銆鏁版嵁鍒嗘瀽鐨鐩稿叧鑱屼綅闇瑕佺殑鏄鍚堝瀷浜烘墠锛岃兘澶熷鏁板銆佺粺璁″銆佹暟鎹垎鏋愩佹満鍣ㄥ涔犲拰鑷劧璇█澶勭悊绛夊鏂归潰鐭ヨ瘑缁煎悎鎺屾帶銆傛湭鏉锛屾暟鎹垎鏋...
并岸19768347504： 绛旓細褰撶劧锛岀紪绋嬫妧鏈笉闇瑕佽揪鍒拌蒋浠跺伐绋嬪笀鐨勬按骞炽傝鎯虫洿娣卞叆鐨勫垎鏋愰棶棰樹綘鍙兘杩樹細鐢ㄥ埌锛欵xploratory analysis skills銆丱ptimization銆丼imulation銆丮achine Learning銆丏ata Mining銆丮odeling 绛夈備笟鍔＄悊瑙 瀵逛笟鍔＄殑鐞嗚В鏄鏁版嵁鍒嗘瀽甯宸ヤ綔鐨勫熀纭锛屾暟鎹殑鑾峰彇鏂规銆佹寚鏍囩殑閫夊彇銆佽繕鏈夋渶缁堢粨璁虹殑娲炲療锛岄兘渚濊禆浜庢暟鎹垎鏋愬笀瀵逛笟鍔...
