证券分析师最重要的技能，不是会写报告，也不是会用几个工具，而是把业务问题转化为可验证的数据证据链，并据此形成研究判断。具体来说，是研究逻辑与商业理解、财务与会计功底、行业与产业链认知、数据处理与统计判断、建模估值、写作与合规沟通六层能力的组合。准备入行的人，先补研究逻辑和财务基础；已经入行的人，优先补数据证据链和估值建模的薄弱环节。

先看工作链条，再谈技能

卖方分析师的日常工作可以拆成一条链条：选题—数据收集—财务建模—行业与公司分析—盈利预测与估值—研报撰写与路演。技能的重要性由它在这条链条上承担什么任务决定。选题需要商业理解，数据收集需要口径意识，财务建模需要会计功底，盈利预测需要统计判断，估值需要假设管理，研报和路演需要表达与合规。

所以，判断一项技能是否“最重要”，可以问三个问题：它是否直接影响研究结论的可信度？它是否难以在短期内替代？它是否贯穿多个任务环节？按这个标准，研究逻辑和财务功底排在最前面，工具类技能排在后面。

第一层：研究逻辑与指标定义

研究逻辑的起点是把模糊问题变成可分析的指标。比如“这家公司增长质量如何”，要拆成收入增速、毛利率变化、经营现金流与净利润的匹配度、应收账款周转等指标，并明确每个指标的计算口径和数据来源。口径不统一，后面的图表和结论都会失真。

这一层的能力标准是：拿到一个行业或公司问题，能独立列出三到五个核心指标，说明每个指标为什么选、数据从哪里来、异常值怎么处理。练习时可以用公开财报做拆解，先写指标清单，再写数据来源和假设，最后才动笔写结论。指标定义清楚了，后续的取数、清洗和呈现才有统一标准，也才能让读者复核你的推理过程。

第二层：财务与会计功底

财务三表是证券分析师的基本功。利润表看盈利结构，资产负债表看资源与风险，现金流量表看利润的含金量。三表之间的勾稽关系，比如净利润与经营现金流的差异、资本开支与折旧的匹配，往往是发现问题的入口。

补强这一层，建议先做一件事：选一家你熟悉的上市公司，用最近三年的年报把三张表的主要科目手工录入表格，核对勾稽关系，再尝试做一张简单的盈利预测表。预测表不必复杂，但每个假设都要写清楚依据，比如收入增速参考了哪些行业数据、毛利率假设与历史区间的关系。做完之后，再对照券商研报的预测表，看自己的假设差异在哪里，这个对比过程比单纯读研报更有价值。

第三层：行业与产业链认知

行业认知决定分析师能不能提出好问题。产业链上下游关系、竞争格局、政策变量、供需周期，这些不是靠读几篇研报就能补上的，需要持续跟踪和实地验证。可观察的标准是：能画出一条产业链的主要环节，说明每个环节的定价权和关键指标，并指出当前最值得跟踪的两三个变量。

第四层：数据处理与统计判断

数据处理不是把数字搬进表格，而是保证取数、清洗、计算、呈现四个环节都可复核。取数要理解表关系和字段含义，否则跑出来的数可能不准确。有受访者谈岗位技能时提到，SQL 的基础增删改查和对数据库表关系的了解是必要条件，否则数据结果容易出错¹。取数环节的口径错误，会一路传导到估值结论。

统计判断则用于处理不确定性。盈利预测本质上是在分布中做判断，理解均值、波动、区间估计和假设检验的基本逻辑，能帮助分析师区分“数据差异”和“随机波动”。浙江省农信联社2024年5月的建模培训中，考虑到学员编程基础不一，提供了统计学和 Python 基础线上课程供查漏补缺，并在学完后安排测试²。统计基础可以靠系统课程加练习补上，但需要配套检验。

数据清洗和可视化是这一层的输出环节。清洗要记录规则，可视化要选对图表。CDA持证人刘伟在谈金融数据分析实践时提到，利用树状图、帕雷托图等可视化手段，从贷款品种、利率、客户年龄、不良率等维度展开分析，剖析原因并给出建议³。同样的逻辑适用于公司收入结构、客户集中度、费用构成等拆解，图表的作用是让结论可读、可追溯。

第五层：建模估值

建模估值是把前面几层串起来的地方。可比公司估值需要选对可比对象和估值倍数，现金流折现需要管理好增长率和折现率假设。能力标准不是模型多复杂，而是假设是否透明、敏感性是否交代、结论是否与假设一致。

有基础之后，可以进一步接触机器学习和回归、聚类等方法。中国工商银行长春金融研修院2024年10月的培训班涉及数据思维方法和机器学习，包括线性回归与逻辑回归案例分析、决策树与聚类分析等⁴。这些方法的价值在于辅助分类和预测，比如用回归理解变量关系、用聚类做公司分组，但不能替代对业务和财务的理解。

第六层：写作与合规沟通

研报写作要求结论先行、证据分层、风险提示到位。路演沟通要求能在短时间内讲清楚核心逻辑和关键假设。合规是底线，引用数据要注明来源，观点与事实要分开，预测要标注假设条件。这一层的能力标准是：一份报告删掉所有形容词后，剩下的数据和逻辑仍然成立。

补强顺序怎么排

在校生和转岗者，先补研究逻辑和财务基础，再用公开财报做一家公司的完整练习，形成含数据来源、假设和结论的研报样稿。在职补强者，先自查数据证据链和估值假设这两个最容易出问题的环节，再补表达和路演。工具学习放在有具体任务之后，比如先有取数需求再学 SQL，先有预测需求再学统计和建模。

如果短板集中在财报与行业数据整理、指标口径统一、盈利预测的统计判断和研报图表表达，可以沿 CDA Level I 的数据分析思维、指标体系构建、统计分析、数据可视化等模块系统梳理，同时配合真实行业研究与公司研究练习，把学习成果落成可复核的分析报告。CDA 不能替代证券从业资格、研究经验和行业认知，这些仍需按官方要求和实际岗位积累。

下一步建议：选一家你跟踪的公司，用最近三年年报做一张含收入拆分、毛利率假设和可比估值的预测表，每个假设写一句依据，再用一张图呈现核心结论。这张表就是你检验技能缺口最直接的起点。

延伸阅读

[1] 电销领域 | 电销呼出有哪些管理难点？利用数据分析如何解决这些问题？

[2] 浙江农信数据建模及案例应用培训

[3] CDA持证人专访：刘伟谈金融行业数据分析实践与转岗成长之路

[4] CDA认证在金融行业中具体包含哪些数据分析技能？