分析工具：
（1）SQL
select from
where
group by having
order by
limit
运算符（算数运算符+-*/、比较运算符><=、逻辑运算符not/and/or）
聚合函数（count、sum、avg、max、min）
函数（算术函数、字符串函数、日期函数）
子查询（标量子查询、关联子查询）
谓词（like、between、is null、in）
case when
集合运算（表的加减法、表联结）
（2）python
列表/元祖/字典/集合
if/while/for
函数/高阶函数
迭代器/生成器
类/继承/多态
numpy
pands
matplotlib/seaborn
scikit-learn
搜索（二分）
排序（希尔、归并、快排）
递归（斐波拉契、回文）
最优化（背包、动态规划、贪心）
随机游走
二叉树
（3）Linux
Bash shell
理论基础：
（1）统计概率
条件概率/贝叶斯/极大似然估计/最大后验估计
概率分布（0-1分布/伯努利分布、二项分布、泊松分布、正态分布/高斯分布、指数分布、β分布、γ分布）
中心极限定理/大数定律
假设检验（抽样、区间估计、置信区间、P值）
方差分析/显著性差异（T检验、F检验）
蒙特卡罗
时间序列
（2）机器学习
代价函数（MSE、交叉熵损失）
梯度下降（随机梯度、小批量梯度）
极大似然估计
交叉验证（gridsearchCV）
模型评估（R2、RMSE、accuracy、Precision、AUC、ROC、F1 score）
模型融合（voting、averaging、bagging、boosting、stacking）
过拟合
正则化
预处理（标准化、归一化）
异常值检测
特征工程（embedding）
线性回归（lasso、ridge）
logistic回归（熵、基尼系数）
感知机/SVM（凸优化、神经网络）
决策树/随机森林（ID3、C4.5、CART）
adaboost/gbdt/xgboost/lightgbm
朴素贝叶斯
KNN（kd树）
k-means
PCA/SVD
推荐系统（关联分析Apriori、协同过滤）
（3）大数据
hadoop原理
mapreduce原理
业务逻辑：
（1）方法论
金字塔/逻辑树
5W2H（whay、what、who、when、where、how、how much）
pest行业分析（政治、经济、社会、技术）
4P营销理论（产品、价格、渠道、促销）
用户行为理论（认知/访问、熟悉/浏览搜索、试用/注册、使用/登录订购、忠诚/黏性流失）
生命周期理论
（2）分析方法
对比分析
漏斗分析
A/B test
埋点分析
来源分析
（3）指标体系
人（用户画像）
商品（）
订单（购买行为）
时间（生命周期）