从人力市场搜罗一下，大概可以得到一下基本技能关键词：

SQL、python
可视化、统计、建模
指标、增长

那么，对于一个数据分析同学，这些技能基础要求是什么？

SQL
首先，增删改查的技能是不够，join语法是sql技能的起点。作为一门函数式语言，往往实现跟逻辑相关，而不是实现相关。
SQL至少掌握以下知识点：
1、大表join可能存在的问题
2、日期处理、字符处理的相关方法
3、hive sql、mysql sql的简单区别
4、聚合函数关于null的处理方式

python
脚本语言是数据的基础，python至少掌握以下知识点：
1、基本语法，做到看得懂
2、字符处理，列表处理，做到能用、能查
3、pandas、numpy，做到数据清洗和统计
4、可视化，python作为可视化承载，跟pandas结合，可以得到更详细的数据

可视化
我们一般知道很多图表，也基本能用饼图、曲线图、散点图、直方图、盒形图等等。但是，“可视化”可能不只是知道这些图表。
“可视化” 更重要的是 传达的观点跟图形的匹配程度。至少掌握以下关系的图形表达：
1、构成
2、关联
3、对比
4、层级

指标
“指标”其实是业务相关，数据分析工作首先需要摸清业务模式、用户来源、数据埋点、数据存储方式。
如果只知道技能，不知道业务，是无法设计指标的，也无法开展工作。所以谈“指标”，我们谈什么？
1、整体app 或 大盘指标，比如：新增用户、日活用户、累计用户、次日留存用户、7天留存用户
2、运营指标：路径转化、CTR、漏斗分析
3、主要人群：人口属性、标签

统计
统计主要指统计推断，从企业运营活动运营，从统计上给出是否“靠谱”的决断。你可以用统计的方法，也可以看趋势拍脑袋。
统计主要使用：
1、假设检验
2、异常分析

建模
一般建模=机器学习，当你需要挖掘更多的信息，给出指导性意见，至少掌握几个基本的机器学习方法：
1、逻辑回归
2、决策树
3、朴素贝叶斯
4、随机森林
5、xgboost

增长
“增长”其实业务目标，跟经验相关，做“增长”也是做用户运营，主要有：
1、用户分群分析-分群
2、活动系统搭建-触达
3、活动规划-策略

只有给 用户推荐合适的策略，才能达到增长的目标。

假设你手上有一份全局用户数据和一份付费用户数据，需要挖掘出付费用户的主要特征，可以参照以下流程：

一、数据治理
从不同来源的数据，首先要保证数据的准确性，所有需要进行必要的清洗和转换，可能涉及的内容有：

1、缺失值填充
2、冗余特征去除
3、异常行过滤
4、类别特征onehot编码
5、组合特征拆解
6、特征标准化(z-score\max-min等)

二、特征降维
一般拿到的数据列(特征)比较多，大多数特征相关性比较大，提供的信息比较类型，所以进行必要的特征降维是有意义的，一般采用PCA进行降维。

采用PCA降维涉及一个关键问题，从高维空间降低到多少维合适？

一般采用的降维数量衡量方法，可以不指定维度，最后根据降维结果，计算每个维度的可解析比率(特征信息覆盖程度)，如果top 50的维度已经涵盖了80%的信息，采用50作为维度信息即可。

设定降维维度之后，得到的PCA结果，可作为后续聚类输入。

三、聚类分析
根据PCA的结果，我们可以采用kmeans进行聚类分析，由于需要聚类的数量不确定，我们可以尝试不同的聚类数量，递增聚类数量，对应每个聚类打印出SSE信息。由于聚类数量递增过程，SSE递减，到达某个聚类数量，SSE递减变得缓慢，可以得到拐点，即为最佳聚类数量（EIBOW 方法）。

四、业务分析
采用全局用户进行一~三的过程，我们可以得到全局用户的PCA模型、聚类模型，该模型直接应用于付费用户(需要进行必要的清洗、转换)。最后，我们可以打印这两组用户的聚类直方图。通过比较直方图，可以直观的知道 付费用户跟全局用户的差异类别，通过差异类型，反推PCA变量，再从PCA变量inverse transform到原始变量，通过业务背景，挖掘分析，即可得到付费用户的主要特征，进而进行运营推广。