1、从基础开发开始做起 对于初级程序员来说，不管自己是否掌握大数据平台的开发知识，都是从基础的开发开始做起，基于大数据平台开发环境。从就业的角度来说，大数据开发是一个不错的选择。但我并不建议脱离实际应用来学习大数据，最好要结合实际的开发任务来一边学习一边使用。
2、Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。
3、机器学习（数据分析师要求会选、用、调）常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯；不常用的也稍微了解一下；深度学习视情况学习。 大数据（选学，有公司要求的话会用即可，不要求会搭环境）hadoop基础，包括hdfs、map-reduce、hive之类；后面接触spark和storm再说了。
1、专业数据分析软件：OFFICE并不是全部，要从在数据分析方面做的比较好，你必须会用（至少要了解）一些比较常用的专业数据分析软件工具，比如SPSS、SAS、R、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析。 （3）辅助工具：比如思维导图软件（如MindManager、MindMapper等）也可以很好地帮助我们整理分析思路。
2、先学基础，再学理论，最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实，知识大厦是很容易倒的哈。目标行业的相关理论知识。
3、第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法的设计能力，所以数学和统计学对于数据分析是非常重要的。
4、一是直接从企业数据库调取，需要SQL技能去完成数据提取等的数据库管理工作。二是获取公开数据，政府、企业、统计局等机构有。三是通过Python编写网页爬虫。数据预处理 对残缺、重复等异常数据进行清洗。
5、统计学相关知识统计学是数据分析的基础，因为数据分析需要对大量数据进行统计分析，大家可以通过对统计学的学习，培养数据分析最基本的一些逻辑思维。 EXCEL 不要小看EXCEL，它可是最初级的数据分析工具，在处理的数据量不是很大时，EXCEL完全可以胜任。
数据库类（必须学）初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。NoSQL可以在之后和统计学啥的一起学。
独到的分析思维和表达；当然，只要具备基本的数据分析技能就可以尝试找工作了，可以在工作中逐步培养和提升后面两项素质。
这类数据分析师的工作比较机械重复，但对自己所属的产品线非常熟悉，适合刚毕业的。
1、沟通能力就是数据和业务的桥梁。再沟通中，我们不要固执己见，要采取他人的意见，尤其是智者的意见，可以帮我们降低犯错率，提高分析正确率，这样我们的分析才会更有说服力。技术能力 我们自己了解到的，相关技术像Excel，MySql，Python，SPSS等这些工具。我们如果刚刚步入数据分析工作，其实Excel就已经足够了。
2、一定要用细心、耐心、和平静的心态去做数据分析。数据分析是个细活，根据二八原则，其中数据的处理将占去数据分析中的八成时间，如果数据处理不当将影响接下来的分析，需要良好的心态减少犯错误的概率。具有独立思考与换位思考的能力。数据分析并不仅仅是为了完成一些业务上面的数据需求和论证。
3、零基础学数据分析师一定要从Excel入门，因为Excel是处理小型数据量企业用的最多的工具，在基础数据分析师与数据运营岗位中具有极其重要的地位。
1、《Excel 2019从入门到精通》（第2版）：该书内容全面，涵盖了Excel的基本操作、函数、图表、数据分析等方面的知识，同时提供了大量的实例和练习题，适合初学者跟随学习。《Excel零基础入门教程》：该书以图文并茂的方式，详细讲解了Excel的基本操作和常用技巧，同时穿插了实用的案例，适合初学者快速入门。
2、《统计学习方法》（李航著）：这本书是机器学习领域的经典教材，对于初学者来说，可以帮助建立统计学的基本概念和思维方式。 《统计学原理》（吴喜之著）：这本书是经典的统计学教材，内容全面且易于理解，适合初学者入门。
3、如果你已经决定学习Python数据分析，但是之前没有编程经验，那么，这6本书将会是你的正确选择。《Python科学计算》（推荐学习：Python视频教程）从发行版的安装开始，这本书将科学计算及可视化的常见函数库，如numpy、scipy、sympy、matplotlib、traits、tvtk、mayavi、opencv等等，都进行了较为详细地介绍。
