0x00 前言
最近经常遇到有朋友问下面这类问题，结合最近的一些思考，本篇聊一下，数据人该具备哪些通用的技能。
“数据开发到底用不用学算法？”
“Excel 有必要学吗？”
“数据产品经理需要了解技术吗？”
技能分为两部分：工具和知识。工具包括Excel、Sql 和 Python，知识包括大数据、统计学和机器学习相关知识。
0x01 Excel
掌握指数：5颗星
掌握人群：所有数据人
Excel 是每个数据人都应该掌握的一项技能，不管是研发还是产品，Excel 应该是必备的一项基本技能。不要以为只有搞大数据、深度学习这种才是有技术含量的工作，很多时候 Excel 能提供的功能，现在大部分大数据系统差的还远。特别是Excel的透视表和各种图，基本是数据分析必备。
只是从处理的数据量上来讲，一般配置的办公机，Excel 只能处理几十万行的数据。相对来讲是小数据量。
0x02 Sql
掌握指数：4.5颗星
掌握人群：所有数据人
从研发岗来讲，数据开发、数据仓库、数据分析都应该具备 Sql 能力，这点不用多做解释。那么数据产品和数据运营是否应该掌握 Sql 呢？答案是肯定的！
从使用数据的角度来讲，Sql 能力意味着产品和运营能够快速自己提取自己想要的数据，而不是全部都要等研发的排期。你的核心竞争力并不是 Sql ，但是 Sql 应该能帮你更有效的验证想法。居士身边大部分数据产品和数据运营都是或多或少会一些 Sql 的，至少这个比例在逐渐增加。
从设计数据系统的角度来讲，数据产品也应该掌握 Sql，如果一点 Sql 不懂，那么如何设计自助数据分析平台？如何设计更多的数据系统？
0x03 Python
掌握指数：4颗星
掌握人群：数据开发、数据仓库、数据分析、数据挖掘
Python，基本上是偏研发向岗位必备技能了，重要性毋庸置疑。这里只简单聊一下 Python 和 R 的选择。首先，居士支持 Python，这里无意评价哪个语言是好的，只想说明：
互联网公司用 Python 的更多，用 Python 工作更容易找到
Python 可做的事情更多，除了数据分析，爬虫、脚本之类的任务都可以用 Python 完成，整个生态也很成熟
目前最流行的机器学习和深度学习相关的开源库都以 Python 为核心载体：sklearn、tensoflow！
至于说数据产品和运营是否需要，居士认为，简单了解就行，不是核心技能要求。
0x04 大数据
掌握指数：4.5颗星
掌握人群：所有数据人
大数据时代，所有数据人都应该具备一定的大数据知识！因为大数据相关技术已经侵入了互联网行业的方方面面，传统行业也都逐渐往大数据靠拢。
不论是研发、产品亦或者运营，都应该对大数据有一些的基本的认知，比如统计学，以前可能是几万行的小数据做统计，那么当数据上亿甚至是百亿千亿之后，统计学的思路可能依旧不变，但是想要处理这些数据，就必须对大数据有所了解，要了解该怎么使用大数据的工具！
数据产品和运营亦是类似，只有了解大数据相关的一些知识，才能更好地和数据团队的各个工种站在同样的知识理解层面上对话。
注意：让产品来了解技术，并不是让产品自己做技术，而是了解一定的技术后，能够更顺畅地和研发做沟通。良好的沟通有时候能决定你是否能够顺利地开展项目。
0x05 统计学
掌握指数：4颗星掌握人群：所有数据人
统计学，玩数据的同学都应该了解一定的统计学知识！一般来讲，大部分数据分析都应该具备统计学的知识。那么问题来了？数据仓库是否也需要了解统计学？
居士是这样思考这个问题的，假设你是一名数据仓库同学，你的一个主要服务对象可能就是数据分析，那么，你是否了解你的使用方是如何使用你的数据的？如果你都不知道使用方是如何使用你的劳动成果的，那么，你提供的数据会很好用吗？
自省一下，工作前两年，居士做的很多数据表的设计，在现在看来基本没法用！因为当时根本不知道使用方是如何用自己的表，基本处于自嗨状态。
0x06 机器学习
掌握指数：4颗星
掌握人群：所有数据人
这里引用一部分 Japson在《ML/DL科普向：从Sklearn到TensorFlow》中提到的一句话：
再结合居士的观点：统计学相关知识、人工智能相关知识已经逐渐地成为了我们必备的基础技能。很多时候我们要跳出自己的眼界，从更高的角度来说，这些知识有助于我们更好的了解自己的数据，更加了解业务，从而提高自己的竞争力，打破自己的能力边界，来进行“错位竞争”。
整体的思路就是，数据开发、数据仓库亦或者是数据产品，该不该去学习机器学习？居士想表达是，该学！为什么？
你学习了新的知识，那么你的眼界将不再局限于自己技术的一个点上
你学了机器学习，那么你和机器学习出身的人一起比，你不具备优势，但是和同职业的人比起来，你就很容易脱颖而出！
学了机器学习，能更好地为机器学习的同时提供更好的服务，自己的职业生涯也有更多的选择
