数据分析一定是和业务强相关。所有数据都是为业务服务。但是前提是，你得拿到数据对吧。所以，SQL是必须会的技能。这个是我们拿到数据的主要工具。

那拿到数据了，我们肯定还需要对数据进行一定的作图，对比，处理。这里常用的就是Excel。

其次，大家肯定还会想到Python，R语言。这些就是偏进阶的工具了。后期建议大家学习Python，更通用一些。

我们分别来说下这几个工具所需要了解的基础能力：EXCEL：常用函数vlookup，match，index等，数据透视表功能，图表功能。SQL：聚合函数，窗口函数，表格关联，数据倾斜优化等。Python：循环、字典、字符串、pandas、numpy等常用包的使用。

理论类技能

关于理论，如果要划分一个常用的范围，那么就是数理统计和概率论。

数据有两种指标。一种是均值型指标，比如日活，NU，GMV;一种是比值型指标，比如注册率，渗透率。这些指标，在AB测试中，所需要的检验方式也是不同的。这些就需要统计学的基础。

我们在依据历史数据预测未来数据时，会需要一些概率和数理统计的知识。比如，某功能的渗透率是70%，如果我们想要提升至80%，可以选择哪些用户进行推广。这里，我们就需要计算不同用户组合下的渗透的概率。这时，我们就需要运用概率论，数理统计。

我们来说说统计学和概率论的基础知识：

1、统计推断：置信区间、置信度、假设检验(t检验、z检验、卡方检验)，以及这些检验适用的数据类型及样本情况;

2、中心极限定律、大数定律、辛普森悖论等;

3、概率与概率的分布、统计量及抽样分布、参数估计等;

4、回归分析、方差分析、分类分析、时间序列等。

这些基础知识可以去看看浙大出版的《概率论与数理统计》，贾俊平老师写的《统计学》。

再往上，全概率公式、贝叶斯公式、马尔科夫链这些也需要深入的学习和思考一下。因为这些公式，在业务中的应用也非常多。

比如，我们某功能点击率下降了，我们想知道是新用户引起的，还是老用户引起的，我们就可以用全概率公式。

比如，我们在进行内容的小流量实验，想通过用户的点击，评估用户对内容的偏好，我们就可以用贝叶斯公式。

比如，我们想要对用户的APP使用进行引导，我们就需要选择最优使用路径，我们就可以用马尔科夫链。… … 这些，就是比较进阶的内容。推荐看《概率导论》和《线性代数应该这样学》。