数据分析师需要掌握的技能，可以按一条完整工作链来理解：先把业务问题拆成可验证的指标，再取数、清洗和统计判断，最后把结论组织成别人能看懂、能执行的报告。工具是这条链上的载体，不是技能清单本身。只按“Excel、SQL、Python”逐项学，容易学会操作却答不出业务问题；按任务链学，每一步都有明确的输入、输出和可检查成果。

下面按这条链拆开讲，并说明学到什么程度算“够用”。

一、业务问题拆解与指标定义

这是分析的起点，也是决定分析有没有价值的一步。拿到“最近转化下降”这类需求，先要问清楚：业务方要回答什么决策问题？涉及哪些对象、时间范围和口径？然后把大问题拆成可计算的指标，例如把活动转化拆成曝光、点击、加购、支付几段，分别定义分子分母和统计周期。

这一步的产出是分析思路和指标口径说明，而不是代码。练习时可以从身边一个真实业务问题入手，写出问题定义、指标清单和口径表，再请熟悉业务的人挑毛病。指标定义不清，后面取数再快也会返工。

二、Excel表格处理与基础整理

Excel是多数分析工作的第一站：数据透视、常用函数、排序筛选、简单图表，足以应付中小规模数据的汇总和初步核对。它的价值在于快速验证想法、做口径对照和给业务方看中间结果。

有资料在介绍数据分析学习内容时，把统计学、Excel、SQL等列为系统学习的基础模块³。这可以理解为一种课程安排示例，说明Excel常与统计、数据库内容一起出现在入门阶段；具体先学哪一项，仍要按你手上的任务决定。如果当前工作就是整理报表，先把透视表和函数用熟，比急着学Python更实用。

三、SQL取数与表连接

SQL解决的是“数据从哪里来”。核心包括选择字段、过滤条件、分组聚合、多表连接和子查询。学SQL的最低标准不是背语法，而是能独立从业务库中取出分析所需的数据集，并说清每一步筛选对结果的影响。

练习建议用一张订单表、一张用户表和一张商品表，围绕“某渠道某段时间的支付转化”写查询，再故意改一次口径，观察结果差异。能自己发现“连接后行数变多”“时间范围写错”这类问题，才算真正会用。

四、统计基础与判断方法

统计基础决定结论站不站得住。描述统计（均值、中位数、分布、同比环比）、抽样与偏差、假设检验的基本逻辑，是日常分析最常用的部分。比如看到两组转化率不同，要先判断差异是否可能由随机波动造成，再谈业务原因。

学习时不必一开始追求公式推导，先掌握“什么场景用什么方法、结论能说到什么程度”。可以拿历史数据做模拟：把同一批用户随机分组，比较指标差异，练习写出一句有分寸的结论。

五、数据清洗与可视化报告

真实数据往往有缺失、重复、口径不一致，清洗和转换会占去不少时间。可视化则负责把结论压缩成一张图或一页报告，让业务方快速抓住重点。

药企数据分析师赵森妙在CDA持证人专访中提到，其工作需要花费大量时间收集整理数据、进行数据清洗和转换，并提供可视化分析报告、撰写分析报告和解决建议⁴。这段描述说明清洗与报告是岗位日常任务的一部分，也提示练习时不要只做“干净数据上的漂亮图”，而要完整走一遍从脏数据到结论的过程。

六、Python处理数据

Python适合处理批量、重复或超出表格能力的数据任务，例如多文件合并、复杂转换和自动化脚本。入门阶段掌握读取数据、筛选分组、简单汇总和导出即可，不必一上来就学完整生态。

2020年9月至12月，CDA受长沙银行大数据部邀请联合举办“数字启航”数据分析师系列培训，其中12天面授以Python语言和机器学习算法为主，结合客户数字化运营、风险管理、精准营销等案例讲解¹。这是当次培训的内容安排，可作为“Python常与业务案例结合练习”的参考；是否先学Python，仍取决于你的任务是否真的需要它。

七、有基础后再进入建模进阶

当取数、统计和报告能独立完成，再考虑机器学习等建模方法。线性回归、逻辑回归、决策树、聚类是常见入门内容，重点在理解适用场景和结果解释，而不是调参技巧。

2025年5月和6月，CDA为中国工商银行长春金融研修院数据分析师（中级）培训班授课，内容包括数据思维方法和机器学习、线性回归与逻辑回归案例分析、决策树与聚类分析等²。这属于中级培训的课程范围，说明建模通常在基础能力之后展开；它不构成对个人学习顺序的硬性规定。

八、怎么判断自己缺哪一块

用一个闭环任务自测：任取一个身边业务问题，能否独立完成“定义指标口径—取数验证—给出可执行结论”全过程。卡在定义指标，就补业务拆解；卡在取数，就补SQL；卡在结论说不清，就补统计和报告表达。再对照目标岗位的真实招聘描述逐条勾选，缺口分布就是你的学习优先级。

模拟练习可以这样设计：假设某电商活动转化下降，先用一周把转化拆成曝光、点击、加购、支付四段并写清口径，再用SQL按渠道分组取数定位异常环节，最后用一张对比图和三条结论向主管汇报。三周完成一个闭环，比先花三个月学Python更能说明你能独立做分析。

如果你希望系统补齐业务拆解、SQL取数、统计方法、指标与报告这几类缺口，CDA Level I 对应模块可以作为学习路径的参照，配合上述闭环练习使用，把每学一个模块都落到一个可检查的分析成果上。

下一步：选一个你熟悉的业务问题，写出指标口径表和取数需求各一页，用它判断自己当前最该补的是哪一层能力。

延伸阅读：

[3] 数据分析师成长之路：京沪深CDA人每月学习趴

[4] 关于我在药企行业做数据分析师——CDA持证人采访 赵森妙

[1] 长沙银行2020年“数字起航”数据分析师python集训营

[2] 金融行业 | CDA 赋能为中国工商银行长春金融研修院培训班授课