任何一门学科都有不同的分支与方向，依照不同的分支与方向往下、往深钻研下去都是一辈子的事情，数据分析也不例外，它本身是一门非常系统化且综合的学科，按照不同的方向深挖下去都是一项长久的事业。学习没有尽头，这是毫无疑问的，但学习有边界，不能一直学习而不去实践，也就是不去工作。我们学习数据分析的目的就是为了工作，那么数据分析学到什么程度能够找到工作呢？
以下内容按照统计学、分析工具、算法模型、业务四大部分展开叙述。
统计学知识
统计学是数据分析、机器学习的基础知识，是必须要学习的。掌握统计学的知识，明白学习统计学的意义，具备统计学的思维，对于学习数据分析大有帮助。
描述性统计
（1）均值（数学期望）
（2）中位数
（3）众数
（4）方差（标准差）
（5）极大值、极小值
（6）数据分布
A、正态/伯努利/二项/均匀/指数/泊松
B、偏度与峰度
（7）缺失值
（8）异常值
假设检验
（1）原假设/备择假设
（2）T检验
（3）卡方检验（非参数检验）
（4）P值
（5）置信度
（6）置信区间
（7）AB实验
概率论
（1）条件概率（贝叶斯原理）
（2）抽样
（3）大数定律
（4）中心极限定理
（5）区间估计/参数估计
（6）R2
（7）方差分析
分析工具
“工欲善其事，必先利其器”，好的数据分析工具，可以使得数据分析事倍功半，处理数据更加容易。同时，熟练掌握数据分析工具也是入门数据分析的首选。
SQL
（1）表的增删改查
（2）表连接
（3）子查询
（4）窗口函数
（5）SQL语句执行顺序
Python
（1）基本数据结构：列表/字典/字符串/元组/数组/集合
（2）基本语句：if条件语句/for循环/while循环
（3基本package：numpy/pandas/sklearn/statsmodel/matplotilb/seaborn
Tableau
（1）图标类型（使用场景）
（2）交互式面板
（3）基础的计算函数
Excel
（1）基本计算函数
（2）数据透视表
（3）VLOOKUP
算法模型
简单来说，数据模型就是一类问题的解决算法。而数学原理及公式除算法岗位外，只需了解，学习也行，但不需要花费大量时间纠结。
有监督学习
回归
A、线性回归
B、逻辑回归
C、Lasso/Ridge回归
（2）分类
A、决策树
B、随机森林
C、SVM
无监督学习
A、聚类
3、时间序列模型
业务
分析方法
漏斗分析、拆解分析、对比分析、留存分析、用户分群分析、归因分析、渠道路径分析
每一个分析方法的详细解读可看这篇文章：
https://zhuanlan.zhihu.com/p/532858247
指标体系
指标体系的详细解读可看这篇文章：
https://zhuanlan.zhihu.com/p/538824687
精练
推荐打印出来，张贴在自己每天抬头就能看见的地方，每天问问自己：
今天，这些内容我掌握了吗？
到你能用肯定的语气对这个回答说yes的时候，你就能找到心仪的工作了。