認清並接受自己能力的邊界，依此合理「使用自己」，並用工具來擴展邊界。
我個人是一個BI實施公司的BA（業務分析師），所以平常會跟較多的業務人員和技術人員打交道。就我的觀察而言，學會一項工具，能讓你直接地開始做一些事，而工作輸出的效果和價值會受限於你的分析思路。在實際工作情況下，更多的人是先理解技術和工具，再逐步地去總結出自己的「道」，即方法和經驗。你去問很多的初級技術人員，他們很清楚地了解工具的特性，但不見得真的有很清晰的分析思路，所謂思路，都是在「需求」和工作壓力之下，結合學習和經驗，激發出的產物。
哪一些更重要？這取決於你所處的階段。不同的人在不同的階段會遇到不一樣的瓶頸，常見的情況就是，懂了技術會慢慢發現終歸要「搞定人」，而側重於搞定人的也持續地依賴於技術對於效率的巨大提升。
如果非要分一個先後，從題主的描述來看，只是為了獲得進入數據分析行業的門票，可以優先對「工具」的學習。萬事開頭難，當你能夠使用一個分析工具處理數據，並且形成這個工具支持的輸出結果，這就已經以為著你能應用這個數據，在別人具體的要求下，形成具有價值的結果。無論你是否真的有思路，至少你能順著工具自帶的邏輯，邁出第一步。這是因為技術工具本身就是他人思維的產物，比起大而全地去學習方法論，技術工具的使用和輸出是明確的，能更快地讓學習者試錯，不斷明確方向。有了明確的應用場景，就能有針對性地查漏補缺，在過程中形成屬於自己的思想，去補充那些阻礙你使用的方法缺失點。
君子生非異也，善假於物也。
從這個點來看，其實無需強行地將工具和分析方法對立。因為在數據分析領域，工具中本身就蘊含著很多的分析方法，而對著一堆分析方法的概念，你是無法想像技術的應用場景的，對於形成結果本身，很難產生可量化的明確成果，這對於剛剛入門或者期待轉行的人來說，過於虛無縹緲。重要的是行動起來，精進技能，並發現工作和生活中值得分析的數據和價值。
總的來說，在實際的業務分析場景下，只要不是高精尖的複雜統計問題。分析方法會讓你的分析工作錦上添花，但是它更多可以通過特定問題和情境壓力下的激發，通過和同事討論還有實時學習，進而解決問題。而如果你完全不懂一個工具，在存在學習門檻的情況下，你面對的問題，可能是根本無法動手這樣十分尷尬的境地。
按具體工具技能來說，當前數據分析工作涵蓋的內容主要有如下幾大方面：
1.BI（商業智能）軟體/技術平台操作：Tableau、Power bi、帆軟、Qlik、IBM等，有些公司會有內部的BI軟體，比如阿里的Quike BI，功能上以數據可視化為主體，外加數據調用和清洗治理功能。（前端分析報表開發-區別於傳統軟體開發前端，更偏向於業務數據分析，這些軟體都不難）
2.統計分析軟體：Excel（一定不能忽視的技能，是理解很多業務場景的基礎）、SAS、Sass等（跟BI軟體有趨同和取代趨勢）
3.SQL、資料庫開發、ETL（日常取數，後端資料庫及數據倉庫搭建）
4.統計學
5.分析模型、算法（業務向分析模型OR）
6.Python或者R（數據挖掘、AI）
2015年開始，敏捷BI軟體開始擠占市場並迅速取代傳統BI的統治地位，進而國內還是國外都開始大肆涉足BI領域，其實敏捷BI並不是比傳統BI高級，但是敏捷BI可以代表BI的重要發展方向，其最主要的一個特徵就是 ：個人及小型團體獲取並分析數據的門檻大大降低。而也由於這個核心特徵，數據分析師這個崗位自16年起被宣傳得很熱。但目前其涵蓋的內容其實偏廣，需要求職者們仔細的考量和權衡。
從崗位職責來看，數據分析師這個崗位所涵蓋的工作內容可以分為以下幾個方向（這是一個複合型崗位）：
1.業務數據分析。在網際網路企業，專業的業務型數據分析師主要是通過數據模型和專業知識，對用戶和業務如何「增長」做出分析，或者對產品本身的效果，通過數據的維度進行監控，並得出建議。總得來說是一個支持溝通崗位，要求對業務十分了解，有清晰的邏輯和溝通能力，輸出形成各種分析報告。對於技術的要求主要停留在Excel、敏捷BI軟體的基本使用和出色的文字及PPT能力上，需要能用SQL語言進行基本的數據獲取。
2.BA（商業/業務分析，注意英文單詞的區別）這既是一個崗位（Business Analysis，作為崗位/角色主要是分析業務和數據需求，以支持IT運維或項目實施），也是一個國外興起的新興專業（Business Analytics，作為專業是偏統計和數據科學方向）。作為崗位來說：要懂技術而不需要會技術，要懂業務並且化為技術邏輯。核心職責是「需求分析」，即結合客戶業務需求，歸納文檔，製作報表/產品原型，形成數據字典，提供給技術實施（前端後端）人員查看。業內的話，這個崗位還會要兼顧售前（區別於銷售，主要是投標、報價方面的工作）、產品經理、項目經理的部分或者全部職能。視公司情況而定（此崗位以乙方公司居多）（甲方乙方也會有區別，但核心職能不變）。作為專業來說：這是一門統計學+商科（偏經濟、財會、金融）+計算機科學的複合學科。
3.技術實施人員（偏前端報表方向）：一般來說，要求精通BI軟體、會Excel、會用SQL進行ETL工作。乙方公司的主要職責是前端報表開發（做好前端圖表計算邏輯、完善交互、美觀介面、與後端ETL核對數據）；甲方公司的主要職責是：結合新需求製作報表、運維（修改前端報表）、取數、同時兼顧一些溝通與匯報職能等。
4.數據挖掘和AI大數據開發，這個需要結合Python和R語言（目前主流是Python），技術向更深，需要編程基礎，同時需要掌握較為複雜的技術邏輯和統計學模型。也有稱其為數據科學家（data scientist）。
從發展趨勢上來說，數據分析師的第一、二種是溝通型+技術型複合崗位，第四種是高級技術崗位，但第三種，目前市面上基數最大，但很容易被學會了BI前端軟體的業務人員取代。眼下BI的概念正在逐步降溫，隨著更多的人了解BI，掌握BI工具很難支撐起一個獨立崗位的工作內容。
數據分析師這個崗位，長遠來看是容易被「邊緣化」的一個崗位，更多的是一個角色，而很難作為一個獨立的崗位存在，必然是依附於業務或者IT，而逐漸地化為IT或者業務人員的一種技能。單純地「幫助決策、設定目標」「提供數據分析支持」這種類似於「軍師」一般的存在，並非不可能，但現實角度來說，做到這樣很難。當然比起很多職業，它有其特殊性和優勢，但這是建立在對崗位和技能清晰的認知之上的。