经济学背景做数据分析，优势不在工具，而在问题意识：供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺口通常在另一头——把假设变成可计算的口径，把散落的数据整理成可复现的证据。按任务频率、可迁移程度和学习成本排序，优先级大致是：Excel与指标体系→SQL取数→统计分析→可视化报告→按岗位选学Python与建模。

先盘点：经济学训练能迁移什么、缺什么

经济学课程里的供需曲线、弹性、成本收益比较、计量回归，对应到数据分析任务是：定义业务问题、拆解影响因素、判断变量关系。比如弹性概念可以转化为价格变动对销量的敏感度指标，成本收益框架可用来评估一项运营动作是否值得投入。

缺口有三块。第一是数据获取与整理：真实数据往往在表格和数据库里，格式混乱、口径不一。第二是指标口径统一：同一个“活跃用户”在不同部门可能有三种算法，不先定义就无法比较和复现。第三是可复现的报告：结论要能被他人按同样步骤复算，而不是只留下一张截图。

Excel与指标体系：把问题变成可计算的口径

这是最先该练的一项。Excel的价值不在于“用过”，而在于能完成清洗、透视和基础函数计算，把原始表格变成结构化的分析底表。指标体系则是把笼统问题拆成可量化、口径明确的若干指标——比如把“用户增长快不快”拆成新增用户数、次月留存率、获客成本。

CDA持证人宋利宝在受访时谈到其岗位的基础技能要求：Excel要熟练运用可视化功能和基础函数，例如查找类的Vlookup、汇总类的Sumif以及逻辑类函数¹。具体练法：找一张含重复记录和空值的销售明细表，用Vlookup补全品类名称，用Sumif按区域汇总金额，再用透视表交叉呈现月度趋势。

掌握标准可以设为：给定一张原始业务表，能独立完成去重、缺失值处理、按维度透视，并写出一份指标定义清单，注明每个指标的统计单位、时间口径和计算公式。

SQL取数：从数据库拿到分析底表

当数据量超出表格承载范围，或数据分散在多张表中，就需要用SQL取数。核心语法是筛选、分组、表连接和子查询——把客户表与交易表按ID关联，按月份和品类汇总，得到分析用的宽表。实务中取数口径直接决定后续结论是否成立。

一位受访者郭荫娇在2022年6月的报道中提到，写SQL的能力是实际工作中会用到的，同时她发现自己此前不太注重数据预处理，进入实际环境后才意识到数据清洗及特征过程占了数据挖掘项目的大部分时间，异常值、缺失值如何处理是绕不开的问题²。取数之后紧跟的就是清洗，两者应放在一起练。

掌握标准：能独立写出含多表连接和分组汇总的查询，结果可核对行数与合计值；能识别并处理重复记录与空值。练习时可用订单表和客户表两份模拟表，写一条按客户分层统计月度消费额的查询，并手工核对其中三个客户的结果。

统计分析：用描述与检验支撑判断

经济学学过计量，但数据分析中的统计基础更偏应用：描述统计（均值、中位数、分布形态）、对比分析、假设检验的基本逻辑。它的用途是判断观察到的差异是否值得解释，而不是急着下结论。比如两组用户的平均客单价相差5元，是随机波动还是真实区别，需要看分布和样本量。

一项2020年7月的企业培训报道显示，CDA与阳光新能源的数据挖掘与大数据应用培训中，正式面授课前为学员开通线上预习视频，内容包括统计基础、Python基础、数据清洗可视化等，学员须完成预习并通过线上测试后才能进入现场面授课³。

掌握标准：给定一组分组数据，能算出各组描述统计量，用图表呈现分布差异，并说明该差异是否需要进一步检验。练习时优先使用中位数和分位数，避免均值被极端值拉偏。

可视化与报告：让结论可被检查

分析的最后一步是呈现。可视化的目的不是好看，而是让读者快速看到对比、趋势和异常。一份合格的分析报告应包含：指标口径说明、数据来源与时间范围、图表、结论及其局限。经济学训练中的“假设—检验—结论”结构，正好可以迁移为报告的行文骨架。

2020年7月CDA与贝湾教育就法国布雷斯特商学院培训达成合作的报道中，列出的核心课程包含统计学、数据分析与决策、Python与数据可视化、商务智能与人工智能等内容⁴。

掌握标准：能用一页纸呈现一个分析问题——标题即结论，图表标注口径，正文说明数据范围。练习时强制自己把每张图的坐标轴单位、数据截止日期写清楚，这是可复现的最低要求。

Python与建模：有基础后再进阶

Python和机器学习（线性回归、聚类等）适合在完成前述练习之后再学。原因很实际：如果指标口径没定清、数据没洗干净，建模只会把错误放大。选学与否取决于目标岗位——偏业务分析的报告岗，Excel、SQL加统计往往已够用；偏建模或数据开发的岗位，再系统补Python。

练习建议：用公开的经济或行业数据集，先定指标口径，再取数、做描述统计与对比，最后形成一份含指标定义、图表和结论的报告。这份报告就是可展示的成果，也是检验各项技能是否真正打通的标尺。若时间有限，优先把前四项练到能独立交付。

两条路径与一个下一步

在校生可按课程节奏推进：先Excel与指标拆解，同步学SQL，再用统计课的方法做一次完整分析，假期补Python。在职者更适合以任务驱动：从手头一份报表出发，倒推需要哪些取数和统计，缺什么补什么。两条路径都以“交付一份可复现的报告”为终点。

若希望系统梳理，可对照CDA Level I中数据分析思维、指标体系构建、SQL数据库应用与统计分析四个模块的学习顺序安排练习，用公开或模拟数据完成一份指标口径清晰的分析报告。是否报考及具体条件，以当期官方大纲为准。

下一步只做一件事：选一个你熟悉的公开数据集，写下三个指标的统计单位与计算公式，然后用Excel做一次透视，把这张底表和口径清单保存下来。

延伸阅读

[1] CDA持证人专访：宋利宝谈电销行业数据运营与数据分析实践

[2] 硕士研究生 | 创新数据科学类人才培养模式，在校生参与数据挖掘项目

[3] 内训 | CDA&阳光新能源数据挖掘与大数据应用培训

[4] CDA与贝湾教育就法国布雷斯特商学院培训达成合作