【转载】
转行数据分析是个老生常谈的话题,想要转行数据分析的人很多,其中有些人的工作和数据分析沾边,有的人工作和数据分析八杆子打不着,那是什么原因促使这群人聚在一起转行数据分析呢?
大致的回答都是因为看好大数据的发展前景,并且薪酬待遇非常不错。
由于互联网的崛起,每天都会有大量的数据产生,“拍脑袋”做决策已经无法满足企业的需求,依靠数据分析进行科学决策才是实现一个好的决策的根本,这就催生了各种数据分析的业务需求。
但是目前“数据分析师”的水平良莠不齐,数据分析师到底需要拥有哪些技能?转行数据分析应该知道哪些?如何快速成为数据分析师?这是想要转行数据分析人的共同疑问。
本文针对想要转行数据分析的朋友,做出一些转行前应该了解的内容,让你从一开始就走上一条平滑,轻松的数据分析之路。
01了解数据分析师
数据分析工作到底是做什么的?相信这是许多新人共同的疑问。
数据分析师这个职位,不同的公司,不同的行业,对于它的理解和工作内容都有所不同。
·传统行业,数据分析师的工作重点是做行业报告;
·小型企业由于人少,数据分析师做的工作比较繁杂,可能从数据采集和处理到数据产品搭建都属于数据分析师的工作;
·大型互联网公司则对岗位划分比较明确,大部分时间都是在做产品和运营的分析工作,而数据处理等基础准备则是数据专员来做。
明确了数据分析师的工作范围,大概也就清楚了每天要做些什么,比如:
ETL工作——基础数据采集和处理
一般数据分析师工作——产品、运营数据分析
类似产品经理工作——数据产品的思考和搭建
数据挖掘工程师——数据价值的挖掘
此外,还有一个更明确的方向就是看招聘要求,转行的最终目的也是为了就业,对标岗位要求,就能知道一个数据分析师到底在从事哪些工作。
02 需要哪些能力
软素质:是否对数据分析感兴趣,是否具有良好的自主学习能力与沟通表达能力。
兴趣是最好的老师,这句话在任何时候都不过时,如果你对数据分析无感,在面对大量数据运算感到头疼,更对编程学习表示抗拒,那可能入门数据分析对你来说非常困难;
同时,自主学习能力也很重要,对于那些完全不了解数据分析的同学来说,转行需要重头学起,而数据分析所涉及的知识体系非常庞大,需要学习者持续不断地学习;
沟通表达能力不用多说,作为一名数据分析师,要将数据分析得到的结果进行可视化表达,与决策者进行有效沟通,利用数据分析结果进行有效决策,良好的沟通表达能力可以提高过程效率。
硬技能:了解数据库、数据仓库、数据采集,Excel、SQL,Python 等。
这里所列出来的硬技能是可以通过后期学习来具备的,所以初学者不用担心。数据分析之所以成为大数据方向的热门职位,就是因为它门槛很低,不需要任何基础就能学。
当然,如果你在转行之前就了解这些知识,也许是简单的数据操作,或是会一门语言,又或是专业的程序员,这些都会让你的数据分析之路变得容易很多。
其它:是否具备某个行业的业务经验,是否有过用数据驱动业务的经验、案例等。
为业务服务的分析师,即服务于产品、运营、市场、广告等等业务部门、提供数据支持的数据分析师,往往需要对业务有一定的了解。
03 职业方向和成长路线
在学习数据分析的知识方面也不能落下对各个数据岗位的了解,接下来介绍数据分析行业中岗位,大致分为四个方向:数据分析、数据挖掘、数据开发、数据产品。
1)数据分析师
从事数据采集、整理、分析,发现问题,分析问题,得出结论,为公司的决策层提供数据支持,偏向于业务。
2)数据挖掘工程师/算法工程师
利用模型训练数据,从海量数据中挖掘规律,预测或分类对象,主要偏向编程和算法,对统计理论知识要求偏高。
3)数据开发工程师
设计、搭建并维护基础设施,以提供数据收集、存储、处理、计算等平台。偏代码开发,需要在代码能力上弥补,但与纯技术栈的程序员相比需要一定的业务逻辑。
4)数据产品经理
主要负责以数据为导向提炼需求、设计、规划、项目排期至项目落地,以及后期的产品改进和优化等。
但不是一开始你就能从事上面这些职位,数据分析师也是从基础的岗位做起,慢慢进步的。
1
第一阶段
具备技能:熟练运用EXCEL,熟练使用函数、筛选、排序等基本功能,透视表和VBA也要学会
可视化工具:ppt即可
岗位:传统公司的数据专员
2
第二阶段
具备技能:第一阶段+SQL+一定的业务理解
可视化工具:PPT、BDP等
岗位:大多数传统公司,互联网小运营、产品团队的数据运营
3
第三阶段
具备技能:前面所学知识+统计学(回归、假设检验、时间序列...)+编程语言(python、R...)
可视化工具:商业BI、tablaeu、echarts等
岗位:数据分析师
4
第四阶段
具备技能:精进统计学+机器学习+业务大牛
可视化:同上
岗位:高级数据分析师、数据挖掘工程师、算法工程师等
04 技能学习
数据分析师需要具备的知识包括概率统计、数据库基本操作、一定的编程知识,再深入一点,还会涉及到初级的机器学习知识。
以python为例以下是整个知识体系的概览,你可以先有一个初步的全面了解。
➢ 概率统计知识 :概率论 、统计学
➢ Python基础与网络爬虫:Python基础语法、 Python网络爬虫
➢ SQL数据库知识:MySQL数据库、SQL操作语句
➢ 利用Python进行数据分析和可视化 :Python数据分析、 Python数据可视化
➢ 机器学习基础 :监督学习 、无监督学习 、scikit-learn机器学习包
为什么用python来举例,如果必须要学习一门数据分析的编程语言,那我首推python,不仅是因为Python在科学领域非常流行,特别是在数据挖掘和机器学习等方面,更因为python简单易用,非常容易上手。
05 心态
心态放到最后来讲,不是因为它不重要,而是最重要的。
也许在下定决心转行的那一刻,你开始安排学习规划,勤勤恳恳地将网上所有的必读书单和学习资源都收入囊中,想着要在未来一段时间加速学习,争取弯道超车,迅速成长为一名数据分析师。
但走出校门后的职场人在学习上的自驱力和自控力并没有想象中那么好,转行很可能会推翻你以前的知识框架,所有的知识技能都需要你从头学过,加上数据分析师的知识框架庞大且复杂,在学习的过程当中很可能会催生放弃的想法。
所以应该在一开始就给自己定下一个目标,这个目标可以是你未来想要从事的岗位,也可以是要将知识学习到哪种程度,有了目标的驱动,在学习上才能够保持加速度,保证高效率的学习。