还是老生常谈的那句话，数据分析师先学工具是本末倒置。
我一直不提倡想要入行数据分析的人蒙头就学各种分析工具，学会了R、Python和各种BI工具后就觉得已经成为一名合格的数据分析师了，这根本就是错误的想法，也就会出现题主所说的数据分析师只有6K的薪资。
当然不能用薪资来衡量数据分析师的价值，但是一个好的数据分析师平均薪资一定高于这个数。
很多数据分析的书籍和课程都是从统计学知识入门的，很多人在被一堆概念洗脑之后，反而不知道该如何入手。
先要有分析思路
其实在实践中学习是最快的成长路径，假设你已半路出家或者正在做分析项目，在此过程中遇到的难题，就是你成为分析师所需要具备的能力。
做数据分析师十之八九都会面临以下情景：
“我们有一堆数，你分析分析吧，看看能有什么结果。”
有经验的分析师因为经验老道，会清楚地知道从什么角度分析，可以解决哪些问题，适用于哪些场景，预计产生什么结果，会将业务问题转化为数据分析问题。因此数据分析师要具备用数据分析思路和方法，具备分析思维来考虑问题的能力。
那作为小白，在没有项目经验时候，可以充分利用模仿技能，参考他人优秀的分析思路和方法。实际业务分析的大多数问题都是有前车之鉴可以学习的。很多分析已经是成熟的分析方法，例如客户画像，营销提升，网站运营，信用卡评分，欺诈作弊等等。
学习领会他人的分析思路，转化为自己的知识，是迈出分析的第一步。
业务知识重要性
所有数据分析师都会告诉后来人“业务知识很重要”，因为大家在踩了坑之后才恍然大悟分析中遇到的很多难题问题都源于对业务的不了解。数据分析可以说是一门通用的技术，可以运用于各行各业，但是想在行业中成功则需要结合行业知识。
例如，同样是对客户进行分析，互联网电商的客户与保险客户具有明显区别，前者重视来源，活跃度，购买率，流失率，后者关注渠道，报价，理赔风险，投诉。业务知识包括这种大方向的行业知识，也包括公司内部特殊情况，了解得越详细可以避免绕很多弯路。
例如，有些行为是内部人员参与的造成的数据异常要提前做处理，有些业务开展是带地区特性的，分析时候要区分对待等。
恶补专业知识
当模仿别人的分析思路和方法时候，分析大方向已经确定了，具体部分需要结合自己的项目情况进行细化。如果只是简单的数据汇总就能解决的问题就可以直接进入实操阶段，但是如果发现需要运营一些复杂的分析方法，则不得不恶补专业知识。
例如做营销提升，看到多数分析思路中都提到了产品关联分析。什么是产品关联分析，需要具备哪些数据，用什么算法，结果怎么应用，产品关联分析适不适合你目前的场景，这些问题需要恶补分析知识才能回答出来。
眼花缭乱的分析工具
真正做分析时候，你会发现市面上有太多的分析工具，需要掌握的实在是太多了，其实不必纠结于此，依据个人能力，配合当前的数据分析环境，适用的工具自然会被选出。
数据分析过来人都会说80％的时间都在做数据处理工作，所以数据处理能力是必须的，简单工具有Excel、SQL，复杂的有R，Python，Java。商业工具的报表finereport，SASS。
然后分析建模的能力，鉴于目前有丰富的算法与成熟的模型调用机制包括商业软件，开源工具等，多数时候仅需要懂得算法原理，然后在实际中调用工具实现即可，不必惊慌。最后是分析结果展示能力，如果是报告或报表则需要运用图表，有效表达分析观点，使分析结果一目了然。图形的选择、版式的设计、颜色的搭配等等，需要掌握一定技巧。如果是线上应用则需要掌握部署的能力，利用接口调用连接分析与业务。
啰嗦了很多，总结一下数据分析师应该从思维开始，以业务与专业知识为助力，以实际动手操为入口，开启新征程～
