萬事開頭難，但是一旦數據分析有了動力，就要開始完善自己的知識體系，這也是真正入門的開端。那如何完善數據分析的知識體系？

1、基本的計算機知識和統計知識

數據庫 + SQL 語言

一些常用的數據庫如 Oracle、SQL Sever、DB2、MySQL，這些數據庫或者說日常接觸的數據庫都要有所了解，懂最常用的就好，最重要的還是要會寫 SQL。

數學 / 統計學知識

一些基本的數學統計方法如描述性統計、多元統計分析、回歸分析等，重要性不言而喻。

數據挖掘知識：方差分析、回歸分析、因子分析、聚類分析等等。這些東西作為入門多多少少都要會一些，雖然有可能不會全用到，但一旦用時方恨少。而且也可以作為未來發展的基礎

數據分析可視工具

數據分析可視化工具很寬泛。首推 Excel，中小公司很依賴，熟練使用數據透視表，這是必備技能。中大型公司都是用報表工具或者 BI 來做報表，但有了 SQL+Excel 的基礎，這些工具上手都很快。

2、業務知識

數據分析師要與公司的各業務打交道，所以對于各部門的業務知識要有深入的了解。某業務領導需要知道某個指標，你需要知道這個指標由哪些數據構成? 數據統計的口徑是什么？數據怎么取出來？這個指標對于行業的意義是什么，處于什么范圍分別對應什么樣的情況，是好還是壞。然后慢慢摸索這個指標層面多維度的規律，如何設定最合理。

明確自己的位置，快速成長

數據分析是一向比較專業的工作，要時刻警惕自己能力是否有提升，目前是什么樣的水平，習慣反思自己:

你了解你所整理的數據的來源嗎？是自己公司的業務數據，還是與合作伙伴交換的數據？是自己公司相關部門采集的，還是從第三方獲取的？獲取過程中，具體的指標和邏輯是什么？

這些數據是真實的嗎？采集和整理過程中會不會出現什么問題？技術上的邏輯和業務上的邏輯是不同的概念，有沒有技術上沒有瑕疵，但并不符合業務邏輯的數據流程？

到你手里的數據經過了什么處理？你又做了什么處理？為什么他們和你要做這些處理？

誰需要你的數據？你處理后的數據流向哪里？他們用數據做什么？這些數據最終又拿去做了什么？比如，為客戶做了什么服務，公司發布了什么內容，或向管理層證明了什么 KPI，或支持了哪個部門的評估？

你做整理的周期是什么？為什么是這樣的周期？

公司有其他的部門在處理其他的數據嗎？是什么樣的數據？和你有什么關系？為什么這些數據要分開處理？

近一年，你自己的電腦上應該已經積累了不少數據，試試做個分析，從一段較長的時間來看，你負責的這一塊數據發生了什么變化？為什么會有這個變化？和公司的產品、經營、業務有關，還是和行業有關？具體怎么有關？

如何進一步提升？

業務上

1. 業務為核心，數據為王

• 了解整個產業鏈的結構
• 制定好業務的發展規劃
• 了解衡量的核心指標
• 有了數據必須和業務結合才有效果

需要懂業務的整體概況，摸清楚所在產業鏈的整個結構，對行業的上游和下游的經營情況有大致的了解。然后根據業務當前的需要，指定發展計劃，從而歸類出需要整理的數據。最后一步詳細的列出數據核心指標（KPI），并且對幾個核心指標進行更細致的拆解，當然具體結合你的業務屬性來處理，找出那些對指標影響幅度較大的影響因子。前期資料的收集以及業務現況的全面掌握非常關鍵。

2. 思考指標現狀，發現多維規律

• 熟悉產品框架，全面定義每個指標的運營現狀對
• 比同行業指標，挖掘隱藏的提升空間
• 拆解關鍵指標，合理設置運營方法來觀察效果
• 爭對核心用戶，單獨進行產品用研與需求挖掘

業務的分析大多是定性的，需要培養一種客觀的感覺意識。定性的分析則需要借助技術、工具、機器。而感覺的培養，由于每個人的思維、感知都不同，只能把控大體的方向，很多數據元素之間的關系還是需要通過數據可視化技術來實現。