认清并接受自己能力的边界，依此合理“使用自己”，并用工具来扩展边界。

我个人是一个BI实施公司的BA（业务分析师），所以平常会跟较多的业务人员和技术人员打交道。就我的观察而言，学会一项工具，能让你直接地开始做一些事，而工作输出的效果和价值会受限于你的分析思路。在实际工作情况下，更多的人是先理解技术和工具，再逐步地去总结出自己的“道”，即方法和经验。你去问很多的初级技术人员，他们很清楚地了解工具的特性，但不见得真的有很清晰的分析思路，所谓思路，都是在“需求”和工作压力之下，结合学习和经验，激发出的产物。

哪一些更重要？这取决于你所处的阶段。不同的人在不同的阶段会遇到不一样的瓶颈，常见的情况就是，懂了技术会慢慢发现终归要“搞定人”，而侧重于搞定人的也持续地依赖于技术对于效率的巨大提升。

如果非要分一个先后，从题主的描述来看，只是为了获得进入数据分析行业的门票，可以优先对“工具”的学习。万事开头难，当你能够使用一个分析工具处理数据，并且形成这个工具支持的输出结果，这就已经以为着你能应用这个数据，在别人具体的要求下，形成具有价值的结果。无论你是否真的有思路，至少你能顺着工具自带的逻辑，迈出第一步。这是因为技术工具本身就是他人思维的产物，比起大而全地去学习方法论，技术工具的使用和输出是明确的，能更快地让学习者试错，不断明确方向。有了明确的应用场景，就能有针对性地查漏补缺，在过程中形成属于自己的思想，去补充那些阻碍你使用的方法缺失点。

君子生非异也，善假于物也。

从这个点来看，其实无需强行地将工具和分析方法对立。因为在数据分析领域，工具中本身就蕴含着很多的分析方法，而对着一堆分析方法的概念，你是无法想象技术的应用场景的，对于形成结果本身，很难产生可量化的明确成果，这对于刚刚入门或者期待转行的人来说，过于虚无缥缈。重要的是行动起来，精进技能，并发现工作和生活中值得分析的数据和价值。

总的来说，在实际的业务分析场景下，只要不是高精尖的复杂统计问题。分析方法会让你的分析工作锦上添花，但是它更多可以通过特定问题和情境压力下的激发，通过和同事讨论还有实时学习，进而解决问题。而如果你完全不懂一个工具，在存在学习门槛的情况下，你面对的问题，可能是根本无法动手这样十分尴尬的境地。

按具体工具技能来说，当前数据分析工作涵盖的内容主要有如下几大方面：

1.BI（商业智能）软件/技术平台操作：Tableau、Power bi、帆软、Qlik、IBM等，有些公司会有内部的BI软件，比如阿里的Quike BI，功能上以数据可视化为主体，外加数据调用和清洗治理功能。（前端分析报表开发-区别于传统软件开发前端，更偏向于业务数据分析，这些软件都不难）

2.统计分析软件：Excel（一定不能忽视的技能，是理解很多业务场景的基础）、SAS、Sass等（跟BI软件有趋同和取代趋势）

3.SQL、数据库开发、ETL（日常取数，后端数据库及数据仓库搭建）

4.统计学

5.分析模型、算法（业务向分析模型OR）

6.Python或者R（数据挖掘、AI）

2015年开始，敏捷BI软件开始挤占市场并迅速取代传统BI的统治地位，进而国内还是国外都开始大肆涉足BI领域，其实敏捷BI并不是比传统BI高级，但是敏捷BI可以代表BI的重要发展方向，其最主要的一个特征就是 ：个人及小型团体获取并分析数据的门槛大大降低。而也由于这个核心特征，数据分析师这个岗位自16年起被宣传得很热。但目前其涵盖的内容其实偏广，需要求职者们仔细的考量和权衡。

从岗位职责来看，数据分析师这个岗位所涵盖的工作内容可以分为以下几个方向（这是一个复合型岗位）：

1.业务数据分析。在互联网企业，专业的业务型数据分析师主要是通过数据模型和专业知识，对用户和业务如何“增长”做出分析，或者对产品本身的效果，通过数据的维度进行监控，并得出建议。总得来说是一个支持沟通岗位，要求对业务十分了解，有清晰的逻辑和沟通能力，输出形成各种分析报告。对于技术的要求主要停留在Excel、敏捷BI软件的基本使用和出色的文字及PPT能力上，需要能用SQL语言进行基本的数据获取。

2.BA（商业/业务分析，注意英文单词的区别）这既是一个岗位（Business Analysis，作为岗位/角色主要是分析业务和数据需求，以支持IT运维或项目实施），也是一个国外兴起的新兴专业（Business Analytics，作为专业是偏统计和数据科学方向）。作为岗位来说：要懂技术而不需要会技术，要懂业务并且化为技术逻辑。核心职责是“需求分析”，即结合客户业务需求，归纳文档，制作报表/产品原型，形成数据字典，提供给技术实施（前端后端）人员查看。业内的话，这个岗位还会要兼顾售前（区别于销售，主要是投标、报价方面的工作）、产品经理、项目经理的部分或者全部职能。视公司情况而定（此岗位以乙方公司居多）（甲方乙方也会有区别，但核心职能不变）。作为专业来说：这是一门统计学+商科（偏经济、财会、金融）+计算机科学的复合学科。

3.技术实施人员（偏前端报表方向）：一般来说，要求精通BI软件、会Excel、会用SQL进行ETL工作。乙方公司的主要职责是前端报表开发（做好前端图表计算逻辑、完善交互、美观界面、与后端ETL核对数据）；甲方公司的主要职责是：结合新需求制作报表、运维（修改前端报表）、取数、同时兼顾一些沟通与汇报职能等。

4.数据挖掘和AI大数据开发，这个需要结合Python和R语言（目前主流是Python），技术向更深，需要编程基础，同时需要掌握较为复杂的技术逻辑和统计学模型。也有称其为数据科学家（data scientist）。

从发展趋势上来说，数据分析师的第一、二种是沟通型+技术型复合岗位，第四种是高级技术岗位，但第三种，目前市面上基数最大，但很容易被学会了BI前端软件的业务人员取代。眼下BI的概念正在逐步降温，随着更多的人了解BI，掌握BI工具很难支撑起一个独立岗位的工作内容。

数据分析师这个岗位，长远来看是容易被“边缘化”的一个岗位，更多的是一个角色，而很难作为一个独立的岗位存在，必然是依附于业务或者IT，而逐渐地化为IT或者业务人员的一种技能。单纯地“帮助决策、设定目标”“提供数据分析支持”这种类似于“军师”一般的存在，并非不可能，但现实角度来说，做到这样很难。当然比起很多职业，它有其特殊性和优势，但这是建立在对岗位和技能清晰的认知之上的。