基本学会excel（VBA最好学会；会做透视表；熟练用筛选、排序、公式），做好PPT。这样很多传统公司的数据专员已经可以做了

这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。

统计学熟练（回归、假设检验、时间序列、简单蒙特卡罗），可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。

• 数据分析师（数据科学家）、BI等：这部分一般是精进统计学，熟悉业务，机器学习会使用（调参+选模型+优化），取数、ETL、可视化啥的都是基本姿态。

• 可视化工程师：这部分国内比较少，其实偏重前端，会high charts，d3.js, echarts.js。技术发展路线可以独立，不在这四阶段，可能前端转行更好。

• ETL工程师：顾名思义，做ETL的。

• 大数据工程师：熟悉大数据技术，hadoop系二代。

• 数据工程师（一部分和数据挖掘工程师重合）：机器学习精通级别（往往是几种，不用担心不是全部，和数据分析师侧重点不同，更需要了解组合模型，理论基础），会组合模型形成数据产品；计算机基本知识（包括linux知识、软件工程等）；各类数据库（RDBMS、NoSQL(4大类)）

• 数据挖掘：和上基本相同。

• 爬虫工程师：顾名思义，最好http协议、tcp/ip协议熟悉。技术发展路线可以独立，不在这四阶段

发现回答的有点文不对题额，不过大致是所有从底层数据工作者往上发展的基本路径。往数据发展的基本学习路径可以概括为以下内容：

数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作；要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。

初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。

NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis（缓存，严格意义上不算数据库），然后（选学）可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。

如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归（特别是广义线性回归）、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。

其他数学知识：线性代数常用（是很多后面的基础），微积分不常用，动力系统、傅里叶分析看自己想进的行业了。

常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯；不常用的也稍微了解一下；深度学习视情况学习。

hadoop基础，包括hdfs、map-reduce、hive之类；后面接触spark和storm再说了。

这部分不熟，基本要知道次感化、分词、情感分析啥的。

• 语言：非大数据类R、Python最多（比较geek的也有用julia的，不差钱和某些公司要求的用SAS、Matlab）；大数据可能还会用到scala和java。

• 可视化（选学）：tableau、plot.ly、d3.js、echarts.js，R里面的ggplot、ggvis，Python里的bokeh、matplotlib、seaborn都不错

• 数据库语言：看你自己用啥学啥

• 其他框架、类库（选学）：爬虫(requests、beautifulsoup、scrapy)，日志分析（常见elk）