掌握数据增长理论模型
掌握数据增长工具使用掌握
掌握数据指标搭建与监测能力，并掌握如何基于数据进行解读分析、决策优化
掌握包括留存、转化、获客与裂变在内的核心增长黑客方法论

"1章预科学习
2章数据分析概述
3章撰写业务分析报告
4章制作可视化分析报表
5章描述性统计分析
6章SQL数据库应用基础
7章SQL大厂面试直通车
8章大型数据分析综合项目现场实战
9章数据分析师职业规划课
10章面试技巧一对一辅导
11章Python编程基础（选修）
12章Python数据清洗与可视化（选修）
13章Python数据分析综合案例（选修）
14章Python面试直通车（选修）
15章技能拓展课（选修）
16章指标体系搭建
17章用户留存
18章用户转化
19章获客与裂变
20章综合实战项目
21章毕业项目答辩"

1. 业务能力
只要在实践领域中做过数据分析，你就会明白在任何分析中最重要的是业务能力。学习和掌握业务知识,需要深厚的积累。一个开发业务专家，背后积累的经验远远超过掌握的基本技能。所以，想要成为更好的数据分析师，需要更深层次的思考和总结,否则只停留在表层。
例如，使用以前的分析报告和示例案例进行研究，如果不理解，就提出问题，这是一个渐进的过程。然而，这需要时间和行业的沉淀。数据分析师不断改进的能力就是有效提高业务知识的方式。
2.思考能力
数据一直都存在,但是它不能说话,所以数据分析师不仅要基于业务能力的理解,学会推理和分析、发现、快速定位关键属性之外,还要懂得开发自己的创新观点,没有思维逻辑数据分析是非常糟糕的。形成独特的见解，是来自于个人的不断学习和思考，在这里学习更强调跨领域和专业，思考更强调思维习惯。
思考本身是一种实践,它可以是你的知识更深入和系统的运用。在某种程度上,“数据分析”从来不是一个“数据分析”本身,而是通过“数据分析”和表象来加深理解、思考和判断。
3.沟通能力
数据分析贯穿整个行业链，数据、技术、业务等等，跨越的过程很长,我们需要面对各种各样的工作,遇到不同的角色,不同的语言时,如果没有数据和业务的桥梁,那么沟通起来就显得很困难。
与此同时，听取别人的意见，尤其是明智的意见，它可以帮助你找到另一条出路，减少犯错误的可能性。
4.数据学习能力
数据学习有一个不好的现象,比如你在看一个案例的时候，往往接触到的只是数据的局部。因此,视野是有限的,在大多数的公司中,许多数据分析师实际上缺乏全局数据视图,因为他们不知道有多少数据。
当然，大多数数据分析师可能不需要进行系统的数据学习，这是在实践中已经习惯的事情，但是自顶向下的数据学习方法将为你提供更好的基础和更全面的数据视图。