数据分析技能不仅仅是要掌握工具，思维、方法与工具同样重要，是思维+方法+工具的综合技能。
我先来个基本技能表，大家看看自己是否具备，然后根据重要程度针对性加强学习。
要知道数据分析需要哪些基础知识，就需要知道数据分析需要干哪些事情，数据分析的工作流程是什么样的。
我再用个案例来说会更明了，举一个电商场景下的常用分析案例：如何分析gmv下滑这个问题。
分析师解决这个问题，大概需要经过【明确业务问题】、【明确需要哪些数据解决业务问题】、【从哪里获取所需的数据】、【如何获取数据】、【获取的数据如何处理】、【处理好的数据如何分析】、【分析结果如何呈现】七个流程，同时，每个流程也需要不同的技能。
第一，定位问题：“gmv 为什么会下滑？”——Why
第二，将业务问题指标和数据化，明确分析哪些数据？——What
有经验的分析师遇到这样的问题，基本都知道如何去拆解问题，首先是横向上的维度拆解，其次是纵向上的下钻拆解 ，考察的是逻辑思维能力和拆解问题的能力。
同时，还需要对数据指标体系非常了解，才能知道将业务拆解为哪些指标和维度。
（1）维度分析：分时间gmv、分产品线gmv、分区域gmv、分城市gmv、分渠道gmv等。
（2）下钻分析：需要的数据指标包括dau 、各种转化率、下单频次、客单价等。
gmv = 订单量X订单单价 = dau X曝光率 X点击率 X 加购率 X 支付成功率 X 下单频次 X 客单价
在这个环节需要的基本技能：熟练掌握【逻辑思考和拆解问题方法】、【数据指标体系 】。
第三，从哪里取需要的数据？——Where
（1）所需的数据已经存在，从数仓中取。
（2）所需的数据若不存在，需要埋点或爬虫。
这个环节需要掌握的技能：【数仓结构、表和字段】、【埋点】和【爬虫】。
第四，如何取需要的数据？——How
已有的数据用sql从数仓中取。
没有的数据，两条路径，内部数据先埋点再从数仓中取；外部数据利用python爬取。
在这个环节需要掌握的技能：【sql】、【爬虫】。
第五，取来的数据如何处理？
用什么工具分析？excel、python、spss 都可以，excel能搞定工作中50%的问题。
在这个环节需要掌握的技能：【excel】、【python】、【spss】。
第六，处理好的数据如何分析？
用什么方法分析？常用的数据分析方法、统计学方法和机器学习，具体的例子如下：
（1）对比分析：7月gmv 对比 6月 gmv下滑了20%。
（2）分层分析：新用户gmv下滑20%，老用户gmv提升10%。
（3）同期群分析 ：不同月份的新用户在当月、t+1 月、t+2月的用户流失量。
（4）漏斗分析 ：从曝光->点击->加购率->支付成功这个漏斗各阶段的转化率。
（5）相关性分析：用户【下单频次】与用户【每日使用时长】高度正相关。
（5）回归预测：预测未来gmv有多少？是否会继续下降？
（6）机器学习：预测某用户未来是不是会下单购买？
在这个环节需要掌握的技能：【常用数据分析方法】、【统计学】、【机器学习】。
第七，结果怎么呈现？
（1）向决策层老板汇报：ppt
（2）给业务线做日常监控：高频率使用，BI报表。
在这个环节需要掌握的技能：【ppt】、【bi报表】。
最后，总结一下，想要独立完成一个数据分析项目，需要掌握的技能在表上都列出来了，这是一个比较大而全的技能。
在不同的公司，往往对技能的要求是不同的，比如有的公司需要分析师会埋点，有的则不需要。有的需要机器学习技能，有的则不需要，具体还是要看公司和岗位。大家需要针对自身情况，看需要补充哪些技能。