1.统计概率理论基础：这是一个首要问题，千里之台，起于垒土，最重要的是最底层。统计学方法，在这里首先是对市场调查数据的收集和整理，然后是最简单的描述性分析，其次是常用的推断分析、方差分析、高级相关、回归等多元统计分析，掌握这些原理，才能进行下一步工作。

    2.实际应用软件操作结合分析模型：关于数据分析主流软件有(从易到难):Excel、SPSS、Stata、R、SAS等。先学习如何操作这些软件，然后使用软件从清洗数据开始逐步进行处理、分析，最后输出结果，检验和解释数据。

    3.数据挖掘或者数据分析方向选择：实际上数据分析也包括数据挖掘，但是在工作中做到后面会细分到分析方向和挖掘方向，两者已经有了区别，关于数据挖掘也涉及很多模型算法，如：关联法则、神经网络、决策树、遗传算法、视觉技术等。

    4.数据分析业务应用程序：这一步也是最难学的一步，行业不同，业务不同，所采用的分析方法也是有区别的，实际工作是解决商业问题，因此了解企业很重要。

    学习数据分析员：数学知识，分析工具，编程语言。(摘自360公司的问答作者：saobie11)

    1.数学知识：数学知识是分析数据的基础。对初等数据分析人员，了解一些与统计有关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法就是加分。对数据分析员来说，统计模型相关知识是必备的能力，对线性代数(主要是矩阵计算相关知识)最好也有一定的了解。对数据挖掘工程师来说，除统计学外，各种算法也需要熟练运用，对数学的要求最高。

    2.分析工具：对初级数据分析师来说，玩Excel是必须的，透视表和公式的使用必须熟练，VBA是加分。此外，还要学会统计分析工具，SPSS作为入门比较好。使用分析工具是高级数据分析员的核心能力，VBA的基本要求，SPSS/SAS/R至少要熟练地使用其中一种，其它的分析工具如Matlab则视情况而定。

    3.编程语言：对初级数据分析人员来说，写SQL查询，如果需要的话，可以写Hadoop和Hive查询，基本上是OK。除了SQL之外，高级数据分析人员需要学习Python，而用于获取和处理数据则事半功倍。其它编程语言当然没问题。