基本的理论知识：数理统计、模型原理、市场研究等。

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。

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。

数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。

如果让我考察，我会给他一个实际的例子，听听他的回答思路就大体知道这个人的实力怎么样了。

比如最近一周转化率下降，是不是就意味着该业务做的不好，不一定。

转化率在短期内它看起来是下降的，但是你站在宏观的层面上，以月为单位甚至以年为单位，它是它是上涨的，那么你究竟说他是上涨还是下跌呢？

记住，这种思维能力，初级分析师是不会有的，这才是衡量的标准。

比如sql。

行业分析师、商业分析等岗位，更偏向于市场数据的宏观分析和预测，需要有一定的统计学基础和经济学，对sql的要求并不高，我见过很多商业分析师甚至都不会sql，宏观数据一般也不会放在数据仓库里让你去取，外部数据根本用不着sql；

比较常见的业务分析师，对sql的掌握有一定要求，不过也不必要十分精通，只要能从数据仓库里取数、学会普通的增删减改就行了，取数不是业务分析师的主要工作，而且很多人用现成的BI工具，或者直接Python大法，虽然也需要sql从数据库中取数，但是不用考虑复杂逻辑；

如果是做数据仓库的分析师，或者说更类似于系统分析师，那就必须要精通sql了，没得说，这是吃饭的饭碗不能差，起码来说T-SQL、约束、触发器、复杂综合查询、客户端、联机分析处理等都要掌握，更好地提高检索速度对于业务来说比较重要。

不驱动业务的数据分析，都是狗屁，说是这么说，但是怎么做，是难倒很多人的东西，这也是一个成熟的数据分析师具备的优秀能力。

1、找准关键业务部门，主动切入。用句不恰当的俗语“擒贼先擒王” ，要想撬动业务对数据分析价值的认可，先要从核心业务下手，核心业务在公司的关注度高，如果能做出价值，必然在其他业务部门推动时会更轻松

2、从小入手，先让业务尝到甜头。在和业务配合的时候，上来描绘伟大蓝图，要大修大改，业务很难信任配合，最好的办法就是先帮助业务解决问题，让业务尝到甜头，比如比如业务部门每天需要整理大量的数据，用人工的手段来处理往往效率低下，当你主动提出用工具的方法帮助业务部门解决问题后，就获取了业务部门的信任，后续再推自己的分析模型和想法就顺利多了

3、搞定老板。比搞定业务更快办法，就是直接搞定老板，让老板认可数据分析价值，从而推动数据分析在各个业务部门的应用。领导和高层的核心工作是企业管理，我们的目的是能让数据成为企业管理的工具之一，帮助领导更快、更全面地掌控业务情况。比如一些数据大屏、移动端报表等数据产品建设。

FineReport做的可视化大屏：FineReport报表 - 专业的企业级Web报表工具。

现实中，取数或报表+EXCEL+PPT似乎还是主流形式。

工具上，无论是业务人员还是分析人员，都可以通过自动取数工具或者BI工具来制作报表，减少重复操作的时间。

其次，增加与业务人员的沟通，充分了解并挖掘需求，当你的业务水平和他们差不多甚至更高时，自然而然知道真实的需求是什么了。

最后，站在更高角度上，报表的基本粒度就是指标，可梳理出企业的基本指标体系，从经营分析的角度去做报表，把报表的工作标准化，降低报表的冗余，避免动不动就做一张报表。

标准化包括指标分类，指标命名，业务口径，技术口径，实现方式等等。其实，最终目的是实现报表数据一致性，减少重复报表开发，降低系统开销的战略性举措。

业余时间可以拓展自己的知识面，往上下游发展，补充数理统计知识，学习R、Python、FineBI、Tableau这样的BI工具，都是提升自己的很好方式。

3年的数据分析师，你可以看出来，他处事是非常圆滑的，一般会倾听，然后再逐条沟通，这对沟通能力有极大的要求，这没法学，只有在实践中锻炼。