初入，需要學哪些工具？需要掌握到什么程度？這里李海博客給大家簡單總結一下，希望對你有所幫助。

00序言

數據分析，橫向來看，屬于計算機與統計學的結合；縱向來看，始于數據、終于業務。因此需要掌握的工具/技能跨度還是比較大的，從數據流轉角度來看，涵蓋從「數據倉庫→數據提取→數據分析→數據展示→數據匯報」幾個模塊，李海博客為大家梳理了各模塊涉及的工具內容，并標注重要性，供大家參考。

01數據倉庫

數據分析崗位，一般不會涉及數據倉庫的搭建及維護，但對數據倉庫的了解，有助于下游數據提取，以及做一些ADS層的數倉建設，有益于自身成長。其中涉及到的工具/技巧主要涵蓋：SQL、Python、Java、Flink等。

其中SQL是最為重要的，會在下文詳細展開；Python、Java在數據處理層會應用到，Python會在下文展開，Java的優先級不高，大家了解即可；Flink在處理實時流時會應用到，優先級同樣不高，了解即可。

02數據提取

數據提取是數據分析的首個環節，將數據從數據庫中，按照指定的格式輸出出來。在這個過程中，SQL是必備工具。

SQL「重要性：五星」

非常重要！非常重要！非常重要！建議掌握程度如下。

熟練掌握增、刪、查、改等基礎語句。

熟練掌握基礎函數，在遇到問題時，能夠快速檢索出用什么類型函數來解決問題。

熟練掌握語法結構，能夠寫出相對復雜的嵌套語句。

有清晰的代碼邏輯，在遇到不同類型需求時，能夠快速在腦海中形成輸出結構。

03數據分析

數據提取后，分析是日常工作的核心環節，將數據加工處理，探索其中的業務價值。這里涉及的工具比較多，包含但不限于：Excel、Python、R、Spss、Eviews、Sas等。

Excel「重要性：五星」

雖然不高端，但仍然是數據分析最好用、最常用的工具。建議掌握程度如下。

熟練掌握常用函數。例如：sum、average、vlookup等。

熟練掌握常用操作技巧。例如：行列轉置、選擇性粘貼等。

熟練掌握常用快捷鍵。例如：快速刪除行列、快速篩選內容等。

了解VBA，能夠簡單實現Excel自動化。這一點不是必須，但對提高工作效率會有幫助。

Python「重要性：四星」

Python并不是數據分析必備工具，但卻能夠決定你的發展上限。主要應用場景涵蓋：創建SQL中應用的UDF函數、通過腳本快速產出分析報告、通過數據挖掘產出模型。建議掌握程度如下。

熟練掌握Python基礎語法、函數，能夠看懂別人寫的代碼。

熟練掌握分析及挖掘常用工具包。例如：numpy、pandas、matplotlib、sklearn等。

熟悉通用的Python項目目錄結構。

R「重要性：三星」

從功能角度來說，R與Python很多功能是交叉的。R更加偏向于統計分析與繪圖，一般在學術研究中應用較多。對于數據分析同學，Python與R二選一即可，個人推薦前者，應用方向更廣一些。

Spss「重要性：三星」

Spss是一款數據統計與應用軟件，在處理「離線+中小數據量」的統計分析時比較好用。通過「可視化界面+點選方式」選擇不同類型的統計分析，例如：概率統計、相關分析、回歸分析等，甚至還包含了機器學習算法與文本分析等，應用方向較廣。建議掌握程度如下。

熟練掌握常用的統計學原理，并了解各原理中的參數含義。

了解工具能解決哪些問題，至于具體的操作細節，可在用到的時候查詢。

Eviews、Sas「重要性：兩星」

Eviews和Sas在非經濟學領域出現頻次不太高。Eviews主要在時間序列分析中有較多應用；而Sas主要在銀行及金融業應用較多，屬于付費軟件。這兩個工具，大家了解就好，用到的時候再深入研究。

04數據展示

產出數據結論后，往往需要配合圖表進行展示，Excel、Python Matplotlib基本就可滿足需求。但如果希望配置成例行圖表，則需要通過BI軟件來完成。一般公司內部會有自己的BI平臺，而至于外部軟件，Tableau應用較為廣泛。

BI平臺操作相對比較簡單，但如果之前沒有應用過，建議下載Tableau用一用，了解一下BI平臺的一般功能，并能夠實現一些簡單的看板搭建（Tableau是付費的）。

05數據匯報

數據對于業務的價值，需要通過匯報讓更多人知曉。這里PPT是最常用的工具。

PPT「重要性：五星」

只有一個原則，匯報的PPT「思路清晰+內容簡潔+突出結論」即可。

以上就是本期的內容分享，希望對你有所幫助！