数据分析要学的内容，可以先用一句话概括：围绕“业务问题→数据获取→数据处理→统计分析→指标与呈现”这条链路，把每个环节的基本功练到能独立完成一个小分析。 对零基础或转岗的人来说，核心模块是业务分析思维、Excel表格处理、SQL取数、统计基础、数据清洗与可视化；Python和机器学习属于有基础后的进阶方向，按目标岗位需要再补。

下面按模块说明每块学什么、练什么、拿什么成果检验。

一、先学业务问题与指标定义

数据分析的起点不是工具，而是把模糊需求翻译成可分析的问题。比如“活动效果好不好”，要拆成：看哪些指标（参与率、转化率、客单价）、按什么维度拆（渠道、时段、用户分层）、数据从哪来、口径是否一致。

这一块的学习重点是：理解业务需求、梳理解题思路、定义数据指标、搭建简单指标体系。练习方式可以是拿一份公开的业务背景描述，写出3—5个核心指标及计算口径，再说明每个指标回答什么问题。

可检查成果：一份指标口径说明，包含指标名称、计算公式、数据来源、使用场景。能写清楚，说明你已经开始用分析思维而不是“先跑个数看看”的方式工作。

二、Excel：表格处理与透视分析

Excel是多数人接触数据分析的第一站，也是业务岗日常使用频率很高的工具。需要掌握的不是所有函数，而是几类高频操作：数据录入与格式规范、常用函数（查找、条件判断、文本处理）、排序筛选、数据透视表、基础图表。

练习建议从一个真实或模拟的月度数据表开始：先清洗格式，再用透视表按渠道、日期汇总，最后做一张趋势图。可检查成果是一张结构清晰的透视汇总表加一页图表说明。这个过程练的是“把原始表格变成可读结论”的能力，也是后续SQL和可视化的基础。

三、SQL：从数据库里取数

当数据存在数据库而不是表格文件里，就需要SQL。入门阶段掌握：SELECT查询、WHERE过滤、GROUP BY聚合、JOIN关联、排序与去重，能看懂表结构和字段含义，能按指标口径写出取数语句。

练习方式可以是自己建两张小表（如订单表和渠道表），写一段按渠道统计转化率的查询。可检查成果：一段能跑通、有注释的SQL，以及取数结果的简单核对说明。数据分析技能培训通常会把SQL、Python等工具与案例实践放在一起，强调理论之外的动手分析³。对入门者来说，先把SQL的取数和聚合练熟，比追求复杂语法更有用。

四、统计基础：描述与判断

统计基础解决的是“数据说明了什么、差异是否值得关注”。入门需要掌握：均值、中位数、分布、同比环比、相关性与基础假设检验的概念。不要求手推公式，但要能判断什么时候用哪种描述方式，能看懂显著性、置信区间的基本含义。

练习可以从一份销售或运营数据出发：计算分组均值、看分布是否偏斜、比较两组转化率差异，并写一段解释。可检查成果是一页统计摘要，说明用了什么指标、发现了什么差异、还缺什么数据才能下结论。

五、数据清洗与可视化

真实数据往往有缺失、重复、格式不一致的问题。数据清洗要学：缺失值与异常值处理、字段标准化、去重、数据类型转换。可视化要学：根据问题选图（趋势用折线、对比用柱状、构成用饼图或堆叠图）、图表标注与结论表达。

这一块的练习适合和前面的模块连起来：拿取数结果做清洗，再做成一份带结论的图表页。可视化培训常以行业案例为背景，系统介绍数据可视化与机器学习等内容⁴；对入门者而言，先练“一图说清一件事”比堆图表更重要。可检查成果：一份清洗记录加一张主图，图下用两三句话写出发现和建议。

六、Python：有基础后的处理工具

Python不是入门的第一道门槛，但在数据量较大、需要重复处理或做自动化时很有价值。入门阶段可学：用pandas读取表格、筛选与分组、简单合并、基础绘图。练习目标不是写复杂程序，而是把Excel里做过的透视和清洗用代码复现一遍。

有培训项目会把Python数据分析与业务统计指标、数据模型建设等模块放在同一课程中，配合作业、答疑和实战演练¹。这能说明Python在系统培养中通常与业务和统计内容结合出现，但不代表每个人都要先学Python。可检查成果：一段能读取数据、完成分组汇总并输出图表的脚本。

七、进阶：建模与机器学习

当描述性分析和基础统计已经熟练，且目标岗位需要预测或分类能力时，再进入建模。入门可了解线性回归、逻辑回归、决策树、聚类的基本用途和评价方式。企业培训中曾涉及数据思维方法和机器学习、线性回归与逻辑回归案例分析、决策树与聚类分析等内容²，这类内容适合在统计和数据处理基础之后学习。

可检查成果：用一个公开数据集完成一次简单建模练习，写清楚问题定义、特征选择、模型结果和局限。注意，建模是进阶选项，不是所有数据分析岗位的日常必需。

怎么安排顺序与检验效果

对零基础读者，建议顺序是：业务问题与指标→Excel→SQL→统计基础→清洗与可视化；有基础或目标岗位偏技术，再补Python与建模。每个模块配一个小练习，最后用“端到端小分析”检验：从取数、清洗、统计到一页报告，能否独立完成并讲清结论。

模拟示例：一位在职运营用四周时间，第一周整理月度活动数据做透视汇总，第二周写SQL取各渠道转化数，第三周做转化率对比图，第四周写一页分析说明。这个练习不追求工具多，而是检查链路是否打通。

如果需要系统整合，可以在自学工具和统计之后，对照CDA Level I大纲中的思维、方法、指标体系、SQL等模块做能力查漏，围绕实际或模拟项目复盘分析过程。报考条件与考试要求以官方当期公布为准。

下一步建议：选一个你手头真实或模拟的小数据集，按“指标定义→取数→清洗→一张图→三句结论”完整走一遍，记录卡在哪一步，再决定补哪个模块。

延伸阅读

[3] CDA认证在金融行业中具体包含哪些数据分析技能？

[4] IBM BDU&CDA数据科学训练营完美收官!

[1] CDA 助力某交易所数据分析师训练营（上海交通大学校园行）圆满收官

[2] 金融行业 | CDA 赋能为中国工商银行长春金融研修院培训班授课