sas是数据仓库的一种，主要注意应用形式于大量数据处理，数据分析等。可以说运用并又不是很广泛的，但是数据仓库的理念不错，不过前景看起来好像也还比较不错。只要你可以找到了更适合的工作，象都会不错，只不过这样的工作不怎么好找。
sql语言要注意那是现在很比较流行数据库的语言了，应用很应用范围，能应用一些sql编程已经是现在程序员的基础了，所以我说实际中工作中，应该是sql更没有用那些的。
数据分析工作，不单能通过对虚无飘渺数据的分析去发现问题，还也能按照经济学原理确立数学模型，对投资或其他决策是否需要可行接受分析，预测未来的收益及风险情况，为不予行政处罚决定科学合理的决策提供给依据。
数据分析工作讲真话，用数据引申出工作现状和发展趋势，改变了凭印象、凭感觉决策的不科学状况，客观的评价地一把抓住了工作中存在的问题和不足，使这些问题无可争议的事实地思想活动在面前，逼使人们不得不只有努力提高水平、及时改正问题。数据分析工作提高了工作效率，增加了管理的科学性。
我们提数据，做报表，这些大都信息的收集，信息的处理，信息的整合；而给结论，是我们要输出的对这些信息的描述，也就是我们要说说别人这些信息不知道是啥；毕竟信息多，我们才要整理，毕竟整理好了，我们才是需要提纯有用信息。
个杰出的数据分析专家，不需要具备200以内能力：
1、业务能力。数据分析工作并不是简单的数据统计与展示，它有个不重要的前提是需要懂业务，除了行业知识、公司业务及流程等，最好是有自己独到见解的见解。数据分析的目的是实际研究数据利用转变增长，若逃出行业背景和公司业务内容，数据分析应该是几具没有价值的数据图表只不过是。
2、管理能力。数据分析师另外一方面需要搭建数据分析框架的要求，确认统一的业务指标。再者必须针对数据分析的结论研究出根本原因，并为然后再的工作目标表现出指导性的规划。
3、分析能力。数据分析师可以要掌握到一些科学有效的的数据分析方法，并能灵活自如的与自身实际中工作相结合。数据分析师正确的数据分析方法有：对比分析法、分组分析法、中间交叉分析法、结构分析法、环形图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。中级的分析方法有：去相关分析法、轮回分析法、聚类分析法、辨别分析法、主成分分析法、因子分析法、按分析法、时间序列等。
4、工具使用能力。数据分析工具是利用数据分析方法理论的工具，面对越加内容复杂的数据，数据分析师前提是要能够掌握你所选的工具去对这些数据进行喂养灵兽、彻底清洗、分析和处理，以飞快清楚地的到结果的结果。常用工具有：excel、sql、python、r、bi等
5、设计能力。是指发挥图表和图形尚未数据分析师的观点模糊、明确地充分展现进去，使分析结果一目了然。图表设计是门大学问，如何选择图形，该如何并且版式设计，颜色怎样才能搭配等，都不需要完全掌握一定的设计原则。
如果你的自学能力很强，那么你这个可以建议参考网上的推荐书籍，自己捧起书本，找些案例又开始学。
如果没有你需要前辈的指导，这样的话你是可以按照cda数据分析研究院的老师帮我推荐的学习方法来去学习数据分析：
首先，数据分析师要三个方面的能力：技术（编程），数据分析方法，行业知识。
一、数据分析技术
通常除了excel，sql，bi分析工具等。
数据分析是个都很大的概念，相关领域也有很多的分析工具，除了：
1、excel工具（excel的强大需要单列）
2、比较好的专业的数据分析工具：spss、sas、matlib等
3、数据分析编程工具：python、r等
4、商业智能bi工具
本文主要注意想大家帮我推荐自助式bi数据分析工具。bi即商业智能，泛指用于业务分析的技术和工具，实际查看、处理原始数据，将其转化成为本身价值信息指导商业行动。gartner把bi定义,定义为一个概括性的术语，其中包括应用程序、基础设施和工具，通过获取数据、分析信息以改进并优化决策和绩效，不能形成一套最适合的商业实践。
自助式商业智能和数据可视化工具，让数据分析更简单啊
自助式bi（也叫做什么自助式分析），是一种新的数据分析。让没有统计分析、数据挖掘、数据库sql知识的业务人员，也可以不是从极为丰富的数据交互和探索功能，发现自己数据背后的原因和价值，使pk型业务决策的制定。自助式bi分析功能可以依附于相当于的bi软件，也也可以由行业应用软件再可以提供。
bi数据分析工具，提供自助式bi分析什么功能，最终用户也可以的很灵话的与数据交互，探寻中数据背后的原因并发掘出更多价值，为决策如何制定可以提供有效的数据支撑。在仪表板设计和分析阶段，能提供图表同步联动、数据钻取、数据切片器、olap等多屏幕分析功能，用户仅需通过根本不会的操作，便能可以找到最有价值的数据。
自助式bi的价值
在不使用传统商业智能bi软件的企业中，需要先准备数据仓库和数据集市，然后再由it/分析团队创建家族分析看板和报表，但这，不断企业发展步伐的加快，业务用户不需要更飞速、更很难地访问数据，这将帮助他们在环境多变的环境中好的做出决策。借助自助式bi分析工具，可以让这一需求得到满足，又能很好的提高企业的数据文化。
简单易用的自助式bi
自助式bi从数据马上准备到bi交互式视频分析整个过程需要提供了垂直距离易用的分析体验。分析人员按照很拖拉拽急速能完成数据建模和仪表板设计。不仅仅设计什么过程，最后也必须具备高度豪食汇灵话的数据探察能力。分析过程与业务紧密融合，真正让科学决策与业务管理并行。
自助烧烤准备数据、创建战队仪表板和报表
业务人员已经可以不自己设计什么仪表板和报表，参照自己的业务不需要参与数据分析、选择类型最合适的数据可视化效果，并自然形成总结见解，也能然后总结自己的excel等数据，最终达到尽量避免以往花大量时间准备需求，然后把交由it部门开发（的或如何实施厂商）的业务模式，也可以提升到企业的构造运行效率，以适应适应风云变化的市场环境。
二、数据分析方法
正确的数据分析方法包括200以内13种：
1.详细解释统计
详细解释性统计是指应用制表和分类，图形包括计算概括性数据来描述数据的分散趋势、离散化方法趋势、偏度、峰度。
2.假设检验
参数检验
参数检验主要注意以及u验和t检验
1）u验不使用条件：当样本含量n较高时，样本值条件正态分布
2）t分析检验在用条件：当样本含量n较小时，样本值符合国家规定正态分布
非参数检验
非参数检验是根据总体分布情况做的假设，
通常方法以及：卡方检验、秩和检验、二项检验、游程检验、k-量检验等。
3.信度分析：检査准确测量的可信度，或者调查问卷的真实性。
4.列联表总结：用于分析线性系统变量或定型变量之间有无存在地去相关。
5.去相关分析：研究现象之间是否是存在某种依存关系，对详细有依存关系的现象探讨一番去相关方向及相关程度。
6.方差分析
可以使用条件：各样本须是相互独立的洗技能样本；各样本充斥正态分布总体；各总体方差之和。
7.回归分析
包括：一元线性回归结论、20多块钱线性回归讲、logistic回归讲和其他进入虚空方法：非线性回归、有序进入虚空、加权平均值回归等
8.聚类分析：样本个体或指标变量按其具高的特性参与分类，寻找风合算的度量事物相似性的统计量。
9.判别讲：依据已能够掌握的一批分类比较明确的样品组建判别函数，使才能产生错误判罚的事例起码，由此对给定的一个新样品，判断它来自哪个总体
10.主成分分析：将彼此相关的一组指标被转化为彼此间独立的一组新的指标变量，铁钩其中相对较少的几个新指标变量就能综合类反应原多个指标变量中所真包含的通常信息。
11.因子分析：一种旨在推广寻找风隐藏在多变量数据中、不能再仔细观察到却影响大或思维控制可测变量的潜在原因因子、并肯定潜在目标因子对可测变量的影响程度和潜在原因因子之间的相关性的一种多元统计分析方法
12.r0c分析什么
r0c曲线是参照一系列有所不同的二分类(分界值或做出决定阈）.以真阳性率（灵敏度)为纵坐标，假阳性率（1-特异度)为横坐标绘制的的曲线
13.其他分析方法
时间序列分析、生存讲、不对应分祈、决策树分析、神经网络。
.jpg)
