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。
（1）SQL数据库的基本操作，会基本的数据管理
（2）会用Excel/SQL做基本的数据分析和展示
（3）会用脚本语言进行数据分析，Python or R
（4）有获取外部数据的能力，如爬虫
（5）会基本的数据可视化技能，能撰写数据报告
（6）熟悉常用的数据挖掘算法：回归分析、决策树、随机森林、支持向量机等。