很多学员都对数据统计感兴趣，但不知道其实这是一门系统、综合的学科，现在更发展成为一个炙手可热的职业。我们来看一下，数据分析师要学什么？
数据分析师到底学什么| 数据及数据分析 | 数据及数据分析概述 |
| 案例引入 | |
| 大数据时代的必然性：硬件发展、软件发展、云计算等 | |
| 神奇作用：企业决策、企业成效 | |
| 案例应用：企业级用户数据分析应用等 | |
| 从业需求现状 | |
| 企业战略管理 | 战略环境分析 |
| 战略分析概述 | |
| 模型与方法 | |
| 数据化决策 | |
| 用户画像与企业战略 | |
| 数据分析流程 | 认识数据 |
| 数据获取 | |
| 数据预处理 | |
| 建立模型 | |
| 数据可视化 | |
| 数据分析思维模型 | 机器学习经典算法的讲解和应用 |
| 描述性分析 | |
| 预测性分析 | |
| 客户分析 | 开题案例和指标讲解 |
| 客户画像 | |
| 用户运营分析 | |
| 用户价值分析 | |
| 产品分析 | 产品分析概述 |
| 产品设计阶段数据分析 | |
| 产品商用阶段数据分析 | |
| 供应链分析 | 供应链概述 |
| 采购——供应商选择 | |
| 生产计划 | |
| 物流选址与配送 | |
| 营销分析 | |
| 投资分析 | 实业投资：基础、收益、风险 |
| 量化金融投资概述 | |
| 量化选股策略 | |
| 量化择时策略 | |
| 投资组合管理及业绩评估 |
互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。
与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。
就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。
此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。
