تحلیل داده ترکیبی متعادل از مبانی اصلی و مهارت‌های پشتیبان است.

🔹اسکریپت SQL ستون فقرات تحلیل (31%)
داده‌های کسب‌وکار عمدتاً در پایگاه‌داده‌ها ذخیره می‌شوند. تسلط بر SQL برای استخراج، پاکسازی و تبدیل داده ضروری است.
🔹 ابزارهای BI (15%)
ابزارهایی مثل Power BI یا Tableau داده‌های خام را به داستان‌های قابل‌فهم برای ذینفعان تبدیل می‌کنند.
🔹ابزار Excel (14%)
از تحلیل سریع تا گزارش‌گیری، Excel هنوز یک ابزار روزمره در سازمان‌هاست. یادگیری فرمول‌ها، پیوت‌ها و پاکسازی داده بسیار مفید است.
🔹زبان برنامه نویسی پایتون (14%)
پایتون از تحلیل‌های پیچیده، خودکارسازی و کار با حجم بزرگ داده پشتیبانی می‌کند.
🔹زبان R (10%)
اغلب در نقش‌های پژوهشی یا آماری استفاده می‌شود و برای مدل‌سازی عمیق مناسب است.
🔹ابزار و فرایند ETL (11% در مجموع)
درک جریان داده ETL و مبانی آماری، صحت و قابلیت اطمینان بینش‌ها را تضمین می‌کند.
🔹 کنترل نسخه، NoSQL، SAS مهارت‌های تکمیلی (%5 در مجموع)
این ابزارها در محیط‌ها و پروژه‌های خاص، به‌ویژه در مقیاس بزرگ، ارزش افزوده دارند.
@BIMining