零基础转行数据分析师是怎样的体验？

这篇文章是根据将之前自己的知乎问答结合自己入职后的体验进行修改分享给大家，如果有意转行做数据分析师的进攻参考。这里的数据分析师定位于偏业务的数据分析师，不谈高大上算法和数仓之类的数据分析师。

讲这个之前还是要泼泼冷水，现在数据分析师的岗位被一些培训机构炒的太热，导致很多人被忽悠进这个行业。分享最近在一个群里分享的看到腾讯的岗位竞争比例（可靠性不说，仅供参考），竞争很激烈。同时也有很多岗位招数据分析师，进去之后就是个取数机，"SQL boy"。我劝大家还是谨慎考虑好是否要转行，以及是否真的对数据感兴趣。另外就是工具都是可以较快习得，难得是业务知识和分析思路框架。

▲据某论坛上看到腾讯的岗位录取比例（仅供参考）

首先说下我的背景，某985学校的化工专业的研究生，毕业后去了外企做了制造业管培生。但是工作了2年之后，找不到太多的成就感，最大的收获是发掘了自己对数据分析的兴趣。大概花了3个月时间从准备到拿到大厂的offer，也走过一些弯路。

一、你可能正遇到的误区

（1）网红Python语言掌握之后轻松转行数据分析，JD描述要求Python编程

现实：是你绝大部分时候用不上Python。其实Python的场景更适合非结构化的数据处理，网络爬取数据，算法模型等场景，而在互联网公司中大部分是结构化数据，SQL + excel可以解决，反正我一年半没怎么用过。我当时准备的时候，就走过弯路，花了一个半月在啃Python，浪费了不少时间，我觉得如果要快速入门可以暂时不看Python，后面有兴趣可以慢慢入门。

（2）JD要求是计算机专业，统计专业，数学专业等

现实：是其实只要对你数据敏感度高，基本的数学素养还可以，管你是社会科学，人文社科专业都可以，以我周边的数据分析师为例，几乎没有几个是以上专业的。

（3）没有数据分析经验怎么办，达不到JD上2年经验要求

现实：没有经验，创造经验，数据分析是个通用技能，之前的工作中肯定能找到相关的使用数据得出行动结论和建议的经历可以进行包装下。

（3）等我各个工具练习熟练，其它准备好了后才开始面试

现实：在摸打滚爬中学习，我刚开始也是这种思想，一直没有投简历。后来发现前几次的面试是交学费，让我逐渐将思维从制造业切换到互联网的思维，了解了一些套路，面试完即使复盘总结，后面顺利多了。

二、准备历程

因为周边并没有这样的朋友可以请教，我只能求助于互联网。在知乎上找了一些成功转行的帖子总结下经验，另外在招聘网站上汇总常见的数据分析师招聘需要的JD条件。明确了自己最大的差距是两个，一个是在于一些常见数据分析工具需要补齐，第二是互联网常见分析场景的业务思维，也称套路。

由于白天工作，只能晚上和周末抽时间来学习相关知识，虽然比较辛苦，但是每天都有收获的感觉是很幸福的。学习的地方选择了公司附近的学校图书馆，氛围好效率很高。

第一阶段：2周拿下数据分析师的基础必备技能-SQL

结合现在工作后反过来看的话，SQL真的很必备，数据分析工作汇总使用频率最高的非SQL莫属。花了1周时间入门了基础的SQL语句，看的是一个日本人写的入门教材《SQL基础教程(mick第二版）》，彩色的，有对应不同类型SQL语句的差异，主要看第一章到第7章。

我用的互联网公司常用的开源MySQL。自己根据一个实战的大的case花了一周时间把它练习做完，SQL的基本语法语句比较简单，重点练习熟悉关联和条件的用法。其实回过头来看，很多工具技能都是在具体工作场景中实践得到提升。初期不必太纠结。

第二阶段：花了1个月补齐统计学的知识

统计学还是蛮重要的。推荐一本经典的书籍。安德森的《商务与经济统计-11版》。这本书特色是通过实际中的案例引入知识点，然后课后习题也都是实际的case，不会像普通教科书一样枯燥。这本书知识点比较多，入门比较重要的是第一章到第13章，其中第一章到第6章（基础的描述统计和概率相关基础知识），第7章-9章（关于区间和假设检验），第10章-第13章（假设检验和区间的应用于统计推断）；如果时间不够1-6章看完，了解基本的描述统计和概率就够了。

第三阶段：套路

说完了硬件技能，下面是软件技能。首先是要了解一些分析的方法论和框架。方法论可以参见麦肯锡经典著作《金字塔原理》,学习逻辑的思考和解决问题。关于数据分析流程和框架可以参考这本入门书《谁说菜鸟不会数据分析》。了解一些互联网的相关细分领域的常见分析思路，可以学习《数据化管理》，我在面试中还用到了书中的case帮助。

因为我投的互联网行业，又百度上科普了跟UV，PV，转化漏斗，GMV，转化率以及埋点等相关知识点。另外互联网行业知识可以根据自己所投的细分行业，做一些对应的行业研究，为面试打一定的基础。

第四阶段：加餐项

可视化软件。我是用POWER BI比较多的，现在工作中通常也是用SQL处理完后的宽表，在POWER BI中可视化发现一些规律与异常趋势，屡试不爽。

作者：高帆，微信号公众号：数据氧气，携程高级数据分析师，4年数据分析经验，2年互联网数据分析经验，专注于BA商业分析方向。

本文由 @高帆 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议