除了 R 或 SAS 等技术技能外，SQL 和其他一些更高级别的技能也很重要，包括：

数据处理：为了能够分析数据，您经常需要花费大量时间来获取数据并将其处理成可以分析的形式。许多统计学家会告诉你，他们在给定项目上的大部分时间都花在处理数据上——所以擅长这一点很重要！

理解：许多人大大低估了理解复杂数据集所需的时间。在过去的日子里，人们不得不花时间向一位工匠大师当学徒，使用数据集，您必须花时间查看数据的各个方面，了解它的维度和缺失的数据，并与人们交谈以试图理解数据。同样，您将花费大量时间来做这件事，这需要练习来建立这项技能！

可视化：与上述齐头并进的是可视化。知道如何绘制数据以帮助获得理​​解很重要。稍后，当您想向其他人展示您在数据集中找到的内容时，一张精心制作的图片会说出一千个单词。

需求：最难学习的一项是需求收集。您的客户通常不会清楚他们自己的想法，甚至更不清楚他们对您说的话。

SAS 在制药行业很重要，但在其他学科中则不一定。在商业和市场营销中，时间序列分析和抽样调查尤为重要。是的，大型制药公司和企业经常使用 SAS，但它价格昂贵，并且对于您在大公司中可以找到的多个用户来说更经济。在社会科学中，SPSS 更常用，但也很昂贵。R 是免费的，许多高级统计程序可以在 CRAN 库中找到。

我建议你参加一些微观计量经济学课程。业务分析师花费大量时间修补分析，一旦您完成了这些分析就没有多大意义。一个常见的例子是运行收入或利润对价格的回归，并相信这些估计某种需求弹性。很多媒体混合建模都属于这一点。理解内生性和反事实在商业世界中大有帮助。

我还要确保我知道如何清理数据，因为您的大部分时间都将花在这样做上。这涵盖了诸如 SQL 之类的硬技能，也许还有一些 Hadoop/Pig/Hive，而且还能够进行快速的直觉检查。我把这些软技能称为数字感。这些东西很少在硕士课程中教授，你看到的数据是用丝带和蝴蝶结打包的。

除了许多很棒的建议之外，我还要补充一点，您应该尝试学习一些软/人/分析技能，也许至少要学习一些您可能想要应用技能的领域。

在现实世界中，没有人会为您提供一组干净的、有据可查的数据以及要回答的精确问题。您将需要处理数据、理解数据、从人们那里汲取专业知识、了解数据所有者的业务、乞求数据、展示中期结果等。您可能经常会使用令人尴尬的简单技术。（我希望你不要期望标记数据。）

不要忽视统计数据和复杂的技术。但是不要认为你会花费大量的工作时间来做和思考它们。