從事數據分析的前提是懂業務，也就是熟悉行業知識，熟悉公司的業務和流程，最好有自己獨到的見解。如果脫離了行業認知和公司業務背景，分析結果只會是壹個脫線的風箏，沒有多大的使用價值。
2.管理
壹方面是搭建數據分析框架的要求。比如需要市場營銷和管理的理論知識來指導分析思路的確定。如果不熟悉管理理論，很難構建數據分析框架，後續的數據分析也很難。另壹方面，功能是為數據分析的結論提出指導性的分析建議。
3.分析
是指掌握數據分析的基本原理和壹些有效的數據分析方法，並能靈活運用到實際工作中，以便有效地進行數據分析。基本的分析方法有:比較分析、分組分析、交叉分析、結構分析、漏鬥圖分析、綜合評價分析、因子分析、矩陣相關分析等。高級分析方法包括:相關分析、回歸分析、聚類分析、判別分析、主成分分析、因子分析、對應分析、時間序列等。
4.使用工具
指掌握與數據分析相關的常用工具。數據分析方法是壹種理論，數據分析工具是實現數據分析方法理論的工具。面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具來幫助我們完成數據分析。
5.設計
理解設計是指用圖表有效地表達數據分析師的分析觀點，使分析結果壹目了然。圖表的設計是個大問題，比如圖形的選擇，版面的設計，顏色的搭配等等。，這些都需要掌握壹定的設計原則。
擴展數據:
數據分析師？數據工程師(Datician)是數據工程師的壹種，是指專門從事不同行業行業數據的收集、整理和分析，並根據數據做出行業研究、評估和預測的專業人員。
這是壹個用數據說話的時代，也是壹個靠數據競爭的時代。目前，90%以上的世界500強企業都建立了數據分析部門。IBM、微軟、Google等知名公司都在積極投資數據服務，建立數據部門，培養數據分析團隊。政府和越來越多的企業意識到，數據和信息已經成為企業的智力資產和資源，數據分析和處理能力正在成為越來越依賴的技術手段。
百度百科-數據分析師