数据分析师（业务分析师/BA）技能要求与简历关键词指南

必备SQL（取数与多表关联）

为什么要求：几乎所有公司的数据都存在数据库里，不会 SQL 连数据都取不出来，这是硬门槛。

简历里怎么证明：写具体场景而非「熟悉 SQL」，例如：「编写复杂 SQL（多表 JOIN、窗口函数、CTE）支撑周报体系，单次取数从 2 小时缩短至 10 分钟」。

不会怎么补：在 LeetCode SQL 题库或牛客网刷 100 道中等题，重点练窗口函数和多表关联，两周可达到面试基本要求。

必备Excel / 电子表格（透视表、函数）

为什么要求：业务方日常沟通以表格为主，透视表和 VLOOKUP 是最低要求，很多分析最终交付物就是 Excel。

简历里怎么证明：写「使用数据透视表与 VLOOKUP/INDEX-MATCH 搭建月度经营分析模板，覆盖 5 条业务线」，比单写「熟练使用 Excel」有说服力。

不会怎么补：B 站搜「Excel 透视表」系统教程，跟着做一份自己的消费或销售分析表，简历上就有可写的东西。

必备数据分析方法（漏斗、留存、归因、A/B 测试）

为什么要求：工具只是手段，面试官真正考察的是你能不能选对分析方法回答业务问题。

简历里怎么证明：结合业务写：「搭建用户转化漏斗，定位注册环节流失率 40% 的原因，推动产品改版后转化提升（可写百分比）」。

不会怎么补：读《精益数据分析》或《数据分析思维》，每学一个方法就找一个公开数据集（如天池）练一遍完整分析。

必备数据可视化与报告表达

为什么要求：分析结论要讲给不懂数据的业务和老板听，讲不清楚等于没做分析。

简历里怎么证明：写「独立产出周度/月度经营分析报告，向业务负责人汇报并推动 3 项策略调整」，体现完整交付链路而非只会画图。

不会怎么补：学 Tableau 或 Power BI 基础图表（B 站有免费系列课），再用 FineBI 或 Excel 做一份完整分析报告作为作品。

必备业务理解与指标体系搭建

为什么要求：数据分析师（尤其业务分析师 BA）的价值在于懂业务，纯跑数岗位正在被自动化替代。

简历里怎么证明：写「为电商业务搭建北极星指标与 KPI 体系，定义 GMV、复购率等核心口径并推动跨部门对齐」，这是区分初级和中级的关键。

不会怎么补：选一个你熟悉或想去的行业（电商/本地生活/内容），拆解它的商业模式和核心指标，写成一篇分析文章。

加分Python（pandas 数据处理）

为什么要求：数据量大或需要自动化处理时 SQL 和 Excel 不够用，Python 是中大型公司的普遍加分项。

简历里怎么证明：写「使用 pandas 清洗百万行用户行为数据，自动化日报脚本节省每日 1 小时人工」，突出自动化和效率提升。

不会怎么补：学 pandas 基础（读表、清洗、分组聚合）即可，不用深入算法，kaggle 入门赛或天池练手两周够用。

加分统计学基础（假设检验、显著性）

为什么要求：做 A/B 测试和归因分析时，不懂统计容易得出错误结论误导业务决策。

简历里怎么证明：写「设计并分析 A/B 实验，用假设检验验证策略效果，避免误判带来的无效迭代」，比「了解统计学」具体得多。

不会怎么补：重点补假设检验、置信区间、p 值三块，可看可汗学院统计课或《深入浅出统计学》，不必啃完整教材。

进阶机器学习基础（预测模型）

为什么要求：偏算法或增长方向的岗位会要求预测、聚类能力，也是向数据科学家转型的跳板。

简历里怎么证明：写「用逻辑回归/随机森林构建用户流失预测模型，输出高风险名单供运营干预，召回率（可写具体值）」。

不会怎么补：学 scikit-learn 跑通分类和回归的完整流程（特征工程、训练、评估），在 kaggle 做一个入门项目即可写上简历。

根据公开招聘信息估算（仅供参考，以实际为准）：一线城市初级岗约 8k-15k/月，1-3 年经验约 15k-25k/月，资深或大厂岗约 25k-40k/月，均为税前月薪。

以上为公开信息估算，实际以招聘方报价为准。

影响薪资的主要因素

• 城市（北上深杭明显高于其他城市）
• 行业（互联网、金融、券商薪资高于传统行业）
• 技术深度（会 Python 和建模明显溢价）
• 业务方向（增长、策略分析高于报表型岗位）
• 公司规模与预算（大厂与独角兽差异明显）