职场赛道转换之数据分析师

本文是在8.29号着手开始写的，由于写到一半思路枯竭，再加上当时难以抵御休假中的各种懒惰侵袭，所以一直待笔到现在。直到今天回顾起这段时间的经历，才恍然想起在我的草稿箱中还停留这么一篇未完稿的博文。本着做事有头有尾的精神，所以决定重执键盘，敲下没完成的篇幅。

2017年8.24，我以entry level的条件拿到了数据分析师的offer。这个结果值得高兴，这是继去年我有了转型大数据行业的想法后付诸实践的结果。我算是一步一步往我想转型的方向进击了。我所加入的平台是由一帮在HKUST，清华，斯坦福等毕业的核心成员所组成的团队，而技术团队拥有在腾讯，华为诺亚方舟，工信部研究院等研发经验。这是一个很年轻的数据科学家团队，这也是一个让我有很多兴奋点的平台。

很多人对我的这一举动表示不解，毕竟我所创立的公司还在继续运营，而且年营业额也在节节攀升，为什么要选择新的平台重新打工。其实道理很简单，因为我喜欢拥抱变化，更重要的是稳定胜于一切的道理已经不适用于这个瞬息万变的时代了。所以，与其坐以待毙，不如转换赛道试试，说不定能弯道超车呢（偷笑）。即使撞南墙了，也值回票价。

内心戏的篇幅我就不介绍太多了，主要还是想记录一下，我为这次的转型到底都准备了什么。我是从去年9月份开始萌生出想学机器学习的想法的，仅仅是源于好奇，更重要的是大家都在喊人工智能和机器学习，这到底是个什么玩意儿，所以我打算从机器学习开始探索。我自认拥一套成熟的自学体系，所以我学机器学习并不是一开始就扎入到具体的分支和具体的语言开始啃。我是先从宏观的去了解机器学习的历史，发展以及应用：主要是搞清楚机器学习与人工智能和大数据的关系。然后了解了一下机器学习所需具备的知识技能和工具，并同时评估自身知识所具备和缺失分别有哪些。需要去分解的是缺失的部分，哪些我是能快速上手的，哪些比较难攻破的。定好一个学习矩阵表，例如（重要紧急，重要不紧急）后，其实可以开始往里面填空了。

在编码语言方面，我决定选择Python作为我通向机器学习的语言工具，虽然我是学计算机毕业的，但是毕竟也有5到6年的时间没碰过代码了，所以python的基础我还是得老老实实啃完的，不过好在python相对比较容易，很容易上手。在这里想分享的就是基础的知识是没办法速食的，还真耐着性子把基础打稳，再能谈更好的进阶。接下来就是跟着书本的练习过一遍代码，我推荐的书籍是《集体智慧编程》，这本书算是深入浅出的把机器学习比较重要的算法都讲了一遍，并且有相关的练习，我在这本书上花的时间大概是4个月，消化的时间比阅读的时间要长。随后，我在中国大学慕课教育上跟着北京理工大学的高嵩老师走完了python网络爬虫，数据分析与机器学习等课程，分别通过了相关的考试。

至此，虽然我没有经历过全栈的机器学习项目，但是，我已经具备大致全栈的知识理论，可以达到跟行业内的人对话的最低要求了。不过当时最困扰我的是，我可以把我现在掌握的东西用在什么场景？人对新鲜事物的认知都会利用过往对事物的认知的基础上去拓展的。我很自然而然想到了我以前所从属的行业，具体可以看“浅浅谈谈BI与大数据”，我做过数据清洗和出具处理的过程，简称ETL，但我没做过具体的数据分析。如果在充裕的数据里，我能利用机器学习的方法结合来结合数据分析做数据挖掘的话，会不会是一件很有趣的事。于是，我的方向也就初步的定下来，并逐步去找相关的渠道去验证和咨询。

我发现‘在行’真的是个非常好的平台，只要你愿意费，你就能约到各种行业内大大师见面。我就是通过在行的交流认识到我现在的老板，也是通过他，了解到他的公司是在做大数据结合人工智能领域的事情。再后来也就很顺其自然的决心加入新平台，然后开始投简历，面试等流程。

            我简单了回顾了一下，其实选择转型是一件很冒险的事情，第一，需要有强大的内心。第二，愿意折腾，愿意继续学习。第三，耐得住寂寞，做好长线的斗争准备。另外，我觉得最最最重要的一点就是，转型不光指是思想上的觉悟，行动上应该要跟的上思想。千里之行始于足下，如果只在脑海里面思考透，再去执行，机会往往后失之交臂。可惜的是貌似这样的人还不在少数，他们喜欢观望，希望评论，更加喜欢找客观原因，所以他们还是在原地踏步的看着这个时代的变迁。只要在路上，只要你做了，迈出了第一步，就能迈出更多步，那么你离心目中想要的目标会越来越近，并且经过不停的修正，具象化的目标（也就是机会）就会悄然来临，而你要做的就是有能力去握住它就好。

            好吧，啰嗦了那么多，我暂且把这一篇博文定为上篇，接下来我会继续写下篇，关于真正的在数据分析中工作的所做所思所想。

2017/11/14