数据分析师要学什么，零基础可以学大数据分析师吗？
潜江龙资讯网
大数据是我的主要研究方向之一，同时也在带大数据方向的研究生，所以我来回答一下这个问题数据分析师要学什么。
首先，大数据分析技术是可以从零基础开始学起的，但是需要一个系统的学习过程。
大数据分析的学习过程可以按照以下几个步骤进行规划：
第一：数学及统计学基础。大数据分析目前有两种主要的分析手段，一种是采用机器学习方式，另一种是采用统计学方式，不论采用那种方式都需要掌握数学知识和一定的统计学知识。虽然数学和统计学具有一定的难度，但是可以从基础部分开始学起，然后根据实验要求再逐步深入。
第二：编程语言。大数据领域比较常见的编程语言包括Java、Python、Scala、R等，其中Python语言在数据分析领域的应用比较多，而且Python语言简单易学、功能强大，所以从Python开始学起也是个不错的选择。Python语言的学习可以分成三个阶段，第一个阶段是学习基本的Python语法，第二个阶段可以学习各种库（Numpy、Scipy、Matplotlib等）的使用，第三个阶段进行场景分析。
第三：大数据平台。目前比较常见的大数据平台是Hadoop、Spark，基于Hadoop的大数据应用生态已经趋于成熟，不少商用大数据平台也是基于Hadoop构建的，所以从Hadoop平台开始学起是不错的选择。
第四：参加实践。大数据分析涉及到的环节比较多，除了分析环节，还涉及到数据的采集、整理、存储和呈现，如果单纯的通过自学的方式来学习大数据将是一个比较漫长的过程，所以通过实践来学习大数据是比较不错的选择。
最后，从事大数据分析岗位还需要具备一定的行业知识，未来行业知识将是大数据分析师的核心竞争力之一。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！
谢邀，最近也是校招季，就说一点实际的吧，列举一些需要掌握的内容
第一阶段：Excel
每一位数据分析师都脱离不开Excel。这一阶段主要就是学习Excel的透视表、函数等等操作，能够使用excel进行简单的数据分析与可视化报告。
第二阶段：SQL数据库语言
作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会python，但是你不能不会SQL。主要了解数据库查询语言，where，因此你可以不会R，不会python，但是你不能不会SQL。主要了解数据库查询语言，where，limit，and和or的逻辑，时间转换函数等。
推荐书籍：《MYSQL必知必会》
第三阶段：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。实际上除掉数据挖掘这类高级分析，不少数据分析就是监控数据和观察数据。除此此外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。
可视化的工具有很多，这里我推荐Tableau（国外）或者FineBI（国内），FineBI是国产的用起来方便点。这两款都不要编程功底，实现起来简单，功能强大。
推荐书籍：《用图表说话》-麦肯锡
第四阶段：数理统计学
这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。
推荐书籍：《从零进阶 数据分析的统计基础》-曹正凤
第五阶段：SPSS
SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议你铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。
推荐书籍：《如虎添翼 数据处理的SPSS/SAS EG实现》-徐筱刚
第六阶段：数据挖掘
学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等，建议选择一门编程语言来学习。
Python或者R语言，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。
推荐书籍：《笨方法学Python》《像计算机科学家一样思考》《Python数据科学手册》《利用Python进行数据分析》《数据科学入门》
第七阶段：数据分析行业应用和数据分析思维
对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。平时可以多看一些行业报告，熟悉行业的业务和商业模式，对你有好处。
推荐书籍：《增长黑客》；《精益数据分析》
