数据分析 它已成为各种与商业智能（BI）和应用程序相关的计划的统称。对于某些人来说，这是分析来自特定域的信息的过程，例如网站分析。对于其他公司，它正在将BI功能的广度应用于特定的内容区域（例如，销售，服务，供应链等）。特别是，BI供应商使用“分析”绰号将其产品与竞争对手区分开。越来越多地使用“分析”来描述统计和数据分析，以进行聚类，细分，评分并预测最有可能发生的情况。无论用例如何，“分析”都已深入到业务领域。
因此，从本质上讲，从事此领域工作的人称为数据分析师/数据科学家。要成为一名成功的数据科学家，需要具备以下技能：
技术能力
统计方法和软件包（例如，SPSS）
R和/或SAS语言
数据仓库和商业智能平台
SQL数据库和数据库查询语言
编程（例如XML，Javascript或ETL框架）
数据库设计
数据挖掘
数据清理和处理
数据可视化和报告技术
Hadoop和MapReduce的工作知识
机器学习技术
商业技巧
分析解决问题的能力：采用最佳实践来分析大量数据，同时保持对细节的高度关注。
有效的沟通：使用报告和演示文稿向外行听众解释复杂的技术思想和方法。
创造性思维：质疑已建立的业务实践并集思广益，探索新的数据分析方法。
行业知识：了解驱动你选择的行业的因素以及数据如何为公司/组织战略的成功做出贡献。
一个人可以采取两条路线来获得这些技能：
1.报名参加提供数据科学或分析课程的机构。（推荐九道门数据分析实训）
2.通过kaggle&天池大赛和其他在线资源进行自我学习。
对于自学，你可以报名参加kaggle&天池大赛，同时，数据科学家工具箱（Coursera）：一系列全面的课程，可帮助你了解数据科学的各个方面：数据科学与分析机器学习（edX）、数据科学与分析（edX）的统计思维、数据科学和机器学习基础（edX）、关于Udacity和Coursera的其他各种课程。
除了这些课程，你还可以访问九道门商业数据分析学院并参加项目实训营的各种项目实操你的数据分析技能。它提供了各种现实情况，以不断挑战你获取有关数据分析的新知识。