统计建模

统计建模是指以统计学知识进行建模，常用的统计学知识有：参数估计、假设检验、方差分析、回归分析、时间序列、聚类分析、主成分分析及因子分析等，具体如下图所示。

机器学习建模

机器学习建模指以机器学习算法进行建模，常用的机器学习算法有：K近邻算法、决策树、逻辑回归、SVM、随机森林、聚类分析、关联分析等，实现这些算法的语言有Python和R。具体如下图所示。

数学基础

不论是统计建模，还是机器学习建模，都需要有良好的数学基础，主要就是微积分、线性代数、概率论这三块。

Spss statistics更加偏向于统计、数据分析；Spss Modeler主要是用于数据建模，提供一个数学模型。

如果不会Python的话，同时掌握了这两个软件再加上统计学理论知识的话，找个数据分析工作问题不大，不过随着你自己的未来发展，Python和R语言，我相信都是你需要补课的重要内容。

机器学习更加难一些，其需要Python和强大的数学知识，可能还需要Matlab做仿真什么的。不过难的地方，往往出路更大。夫夷以近，则游者众；险以远，则至者少。而世之奇伟、瑰怪，非常之观，常在于险远，而人之所罕至焉，故非有志者不能至也。