工作两年，想转行做数据分析，不知道路怎样走

如何转行数据分析师

近年来，各大平台开始炒起了“数据分析”热，导致有不少小伙伴来问我：做数据分析师有那么好吗？如何转行做数据分析师？学数据分析难不难？

我想首先澄清一个概念：“转行”。对于从未接触数据分析领域或者大数据领域的童鞋而言，“转行”这个词其实是不够准确的，大部分的童鞋还是符合“入行”这个词。就我看来，字面意义的“转行”更像是平行概念，似乎是在同一个水平面，走到街转角，然后右转，便到了另一番天地。

但是实际的“转行”是远比这残酷的。

“转行”的第一个动作一定是放弃和下沉。放弃你现在所拥有技能带给你现在的地位和薪资，是走下现在的台阶，到达更低的台阶，然后再往上攀登的过程。也就是说：没有放弃和下沉，你谈不上是在转行。如果你要转行，一定要意识到转行的残酷性。

很好，你已经意识到转行的残酷了。你放弃了现有的，也心态和身体都下沉做好了起跑的准备了。下一步，就是精准地找到那扇门：进入数据分析师世界的大门。

注意“精准”这个词。那一定是旁边那些形形色色的门你都不选，而选了唯一的这一扇门。为了找到这扇门，你经过了无数次的百度搜索，论坛搜知识点，然后在判别上去伪存真，最终找到了进入数据分析师这条正确的大门。

     

     

那如何找到这扇门呢？

高度概括就两件事：工具+方法论。工具从初级到高级的排序是：Excel, MySQL, BI, Python, 算法等。

你需要做以下几件事：

1. 掌握数据分析工具

A. 基础工具：excel

excel能够帮助你实现数据透视并可视化，只需用到其中部分功能即可完成日常量数据的计算工作。

B. 提取数据工具：MySQL

MySQL数据库中包含基本的增、删、改、查等语法，你可以利用它对数据进行清洗和规范化。

C. 分析工具：python

爬取数据，并对数据进行分析和挖掘收集，python有非常丰富的库去访问网页文档的api以及后期网页文档的快速处理。

D. 可视化工具：excel、PPT、FineBI

可视化就是将原本比较抽象的数据用图表的方式呈现出来，使数据变得更加清晰，便于理解。excel和PPT就是相当常用的可视化工具。

E. 机器学习或神经网络等算法

算法的作用就是把事物的已有特征跟这件事的结果，这个“特征x”和“结果y”之间建立一个数学公式之间的联系。从无数个已知的x，y之中找到x,y最优的关系的数学公式，最终找到一个数学公式能在已知很多x的情况下，预测它的y值。这个听起来或许没那么直观。但是它的应用是极其广泛的。比如：如果已知各个森林的各种实时数据，就能够知道哪个森林更容易着山火，下次就避免这种山火。

2. 掌握数据分析方法论

这个就是结合到公司的业务要找到最符合公司的数据分析模型。通常每一个特定行业都有业务分析习惯使用的模型，例如电商中常使用的分解因子分析，漏斗分析等；零售行业常用RFM模型；教育行业常用时间趋势分析，描述性统计分析，人物画像分析等。每个行业所对应的数据运营模型甚至是算法，都会是定制化的，个性化的，但是这背后都会有通用逻辑。掌握这些通用逻辑，是数据分析师在业务模型上变通的基础。也就像是学习篮球，你先得学会基本运球技巧，熟练左右手上篮，然后再在实战中练习传球，走位等等。掌握通用技能就是练习左右手上篮以及运球技巧，在实际业务中运用模型也就是练习走位和传球。对于想入行的零基础学员来说，掌握数据分析通用方法论是极其重要的。

然而，没有人是能够一蹴而就就掌握好这么多工具和方法论的。所有的远航都得有一个开始的远点，入门数据分析师也一样。

一开始，你可能只是学习成为初级数据专员。这要求你熟练掌握excel、PPT，会做VBA、会做透视表、会使用基本公式，这样你已经能做很多传统公司的数据专员了。第二阶段是要会SQL、懂业务，能够做一些基本的数据处理，再加上上一阶段的那些技能，你就能做大部分公司的数据运营和数据产品。然后是专业的数据分析师，你要非常熟悉统计学，回归、假设检验、时间序列等等，还要会做数据可视化，掌握了这些技术，就足以应付大多数的互联网业务。最高阶的就是数据科学家，到了这个阶段，已经成为了数据分析师中的王者，要求你精通统计学，会使用机器学习，比如调参数和优化，而取数、数据仓库、可视化什么的，对你来说就是小菜一碟。

其实，数据分析已经逐渐成为了职场中的必备技能，无论你是不是想要成为一名数据分析师，数据分析都应用在我们生活中的方方面面。学习数据分析能够充分发挥你在工作中的超强能力，如果你想要有更系统的学习方案和职业规划，欢迎加入【聚数学院】~

其实题主需要搞清楚以下几个问题，搞清楚了，其实问题的答案也就有了：

1、是从个人学习成长的角度想搭建平台自学？还是现在的公司需要大数据技术进行分析？——如果是从个人学习成长的角度，建议直接按照Hadoop或者Spark的官网教程安装即可，建议看官网（英文），在大数据技术领域，英语的掌握是非常重要的，因为涉及到组件选型、日后的安装、部署、运维，所有的任务运行信息、报错信息都是英文的，包括遇到问题的解答，所以还是非常重要的。如果是公司需要进行大数据分析，那么还要研究以下几个问题：为什么需要搭建大数据分析平台？要解决什么业务问题？需要什么样的分析？数据量有多少？是否有实时分析的需求？是否有BI报表的需求？——这里举一个典型的场景：公司之前采用Oracle或MySQL搭建的业务数据库，而且有简单的数据分析，或者可能采购了BI系统，就是直接用业务系统数据库进行支持的，现在随着数据量越来越大，那么就需要采用大数据技术进行扩容。

搞清楚需求之后，按照以下的步骤进行：

1、整体方案设计；整体方案设计时需要考虑的因素：数据量有多少：几百GB？几十TB？数据存储在哪里：存储在MySQL中？Oracle中？或其他数据库中？数据如何从现在的存储系统进入到大数据平台中？如何将结果数据写出到其他存储系统中？分析主题是什么：只有几个简单指标？还是说有很多统计指标，需要专门的人员去梳理，分组，并进行产品设计；是否需要搭建整体数仓？是否需要BI报表：业务人员有无 *** 作BI的能力，或团队组成比较简单，不需要前后端人员投入，使用BI比较方便；是否需要实时计算？

2、组件选型；架构设计完成后就需要组件选型了，这时候最好是比较资深的架构师参与设计，选型包括：离线计算引擎：Hadoop、Spark、Tez……实时计算引擎：Storm、Flink、Samza、Spark

Streaming……BI软件：Tableau、QlikView、帆软……

3、安装部署；选型完成后，就可以进行安装部署了，这部分其实是最简单的，直接按照每个组件的部署要求安装即可。

4、另一种选择：采用商用软件如果是企业需要搭建大数据平台，那么还有一种选择是直接采用商用的数据平台。市面上有很多成熟的商用大数据平台，Cloudera、星环、华为、亚信等等，都有对应的产品线，像我们袋鼠云就有一款非常优秀的大数据平台产品：数栈。主要有以下几个特点：

1.一站式。一站式数据开发产品体系，满足企业建设数据中台过程中的多样复杂需求。

2.兼容性强。支持对接多种计算引擎，使更多企业“半路上车”。

3.开箱即用。基于Web的图形化 *** 作界面，开箱即用，快速上手。

4.性价比高。满足中小企业数据中台建设需求，降低企业投入成本。

可以了解下。

---