零基础如何成功转行数据分析？！

随着数据时代的到来，数据分析师变得越来越热门。从整个行业来看，数据分析师几乎覆盖了所有的行业，从数据类公司、咨询公司到物流、传媒公司等，处处都渗透着数据分析的内容。也是由于数据分析人才缺口大、行业薪资高、职业寿命长、行业薪资高等优点，吸引了越来越多的人转行数据分析师。

 

良禽择木而栖，转行是为了追求更好的工作和生活，这是无可厚非的，但是对于转行这种可能会关系到我们未来的职业和生活的大决定，一定要慎重，我们在转行之前要认清自己到底需不需要转行、适不适合转行，不要只是盲目的随大流。

那么怎么去判断自己应不应该转行呢？

我们可以从职业发展前景、企业发展空间和职业定位这三个方面来考虑。

一、职业发展前景

在决定转行之前，你可以客观地分析一下当前所处职位的发展前景。如果真的觉得这个岗位没有前途，并且在这个岗位上你自身并不具备不可替代性，每天做着一些简单且重复的工作，薪资水平也不高，那这样的工作我建议可以考虑转行。

二、企业发展空间

管理层往往能够直接反映出一家公司的好坏，你目前的领导是否具有管理能力，是否有较长远的目光，能不能知人善用，都能直接影响到公司未来的发展。如果公司领导层不行，那么发展空间有限，员工没有动力，这样的公司都会内耗，内部进行一些无意义的斗争，那我也建议你早点跳槽或者转行。

三、职业定位偏差

很多刚步入职场的小白，因为没有经验所以对自己的职业没有清晰的定位，找了一份自己不喜欢也不适合的工作，每天工作很痛苦但是又因为没有过硬的技能而不敢轻易辞职。那么通过学习一项专业技能转行或许是一个不错的选择。

 

那么在确定需要转行数据分析以后我们应该做些什么呢?

一、了解数据分析行业

决定转型后，可以先通过各种途径了解一下数据分析师到底是做什么的，需要学习哪些内容以及行业的整体情况。目前，数据分析师细分的话其实是比较杂的，不同企业对数据分析师也有不同的定位，但是大体上可以简单分为两种——偏技术型数据分析师和偏业务性数据分析师。

技术型分析师更偏向于数据挖掘工程师、算法工程师、大数据工程师这，需要比较好的数据结构知识和算法知识，对于零基础的小白来说难度是比较大的。

偏业务型的数据分析师是市面上最多的数据分析师类型，他的门槛会相对较低，对零基础的小白是比较友好的。但是如果做不好的话，有可能就变成报表分析师，提数分析师。想要转行的人可以根据自身的水平去选择适合的方向。

 

二、数据分析师需要用到的基本工具

数据分析师最常用到的三个工具就是Excel、SQL和Python。

1.Excel

Excel是数据分析工作中最常用的工具，数据分析师与建模师不同，分析师更多的时候是在分析数据，既然要分析数据那肯定就需要将所有数据放到excel中去。那么怎么才能把excel学好用好呢？下面几个模块可以学习一下：

公式：Excel常用公式要熟练，网上很多教程，很容易找到。

数据透视表：因为分析数据的时候经常需要拆分到更细的粒度，所以数据透视表不可或缺。

图表：Excel的图表功能基本已经可以满足一个数据分析师的日常需要了。

2.SQL

sql对于没有数据库和编程语言基础的人来讲也还是比较友好的。学习sql我们可以通过一些入门书籍，这些书籍上面都会系统的讲解sql的相关知识还会有实例教学，非常清晰易懂。我们也可以通过工作中的积累和前辈传授的一些书写经验来学习和提升。 

3、Python

相对于Excel和SQL，Python的学习难度是比较大的。Python能干很多事，对于数据分析师来说，主要应掌握基础语法和数据科学的模块，主要包括pandas numpy 和机器学习库sklearn等。

三、数据分析理论知识

在数据分析的理论知识这一方面，数据分析师最需要掌握的就是统计学和机器学习。

1、统计学

如果不是统计学专业的同学，一般学习大学统计学范畴内的内容就基本足够了。对于统计学专业的学生可以重点掌握一些假设检验这部分的内容，假设检验绝对是面试中统计学最高频的问题，和以后的工作也会最息息相关。

2、机器学习

机器学习相关的知识学习成本和难度都较高，但对于业务型数据分析师来说，一般不会要求你去推导算法公式，能做到明白不同算法的适用场景、优缺点、原理就基本足够了。

四、数据分析应该具备的八种基本思维

1、对比思维：分为同向对比和纵向对比。同向：与同类相比；纵向：针对自身，不同时间的对比。

2、细分思维：细分的维度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的MECE分析法本质上都属于细分思想。

3、溯源思维：追溯数据源的详细记录，然后基于此思考数据源背后可能隐藏的逻辑关系，或许会有意外的洞察。

4、相关思维：建立在相关分析的基础上。

5、假设思维：即假设检验：一般为四步：提出假设、抽取样本、检验假设、做出判断。

6、逆向思维：打破常规的思维模式，从相反的方向来思考问题。

7、演绎思维：三段论：由大前提、小前提、结论三部分组成。（大前提：已知的一般原理；小前提：研究的特殊场合）

8、归纳思维：从个别到一般，与演绎正好相反。

五、如何系统地学习数据分析

1、一个清晰的学习路线

很多零基础的小白学习数据分析的第一步都是选择自学，但是因为都数据分析内容没有一个系统的认识，不知道如何去规划学习路线，导致盲目目的地乱学一通，花费了大量的时间，走了很多弯路，但是在学习上仍然没有一点进步。

所以，零基础的小白在刚开始学习数据分析的时候能够有一个科学且清晰的学习路线是至关重要的。小职这里为大家简单地划分一下数据分析的学习路线。

第一阶段 商业数据分析

主要内容:Excel基本操作、Excel常用函数、数据透视表、Excel图表绘制、Excel快捷键、数据库系统概论、MySOL简介及安装配置、MySQL数据表管理、MySQL数据管理、MySQL数据查询、MySQL函数、MySQL基础操作。

第二阶段 数据可视化

主要内容:商业智能分析基础知识、PowerBI基础操作、PowerBI数据处理、Tableau安装、Tableau数据报表项目、Tableau可视化表盘项目等。

第三阶段 python数据分析

主要内容:Python语言基础、Python高级基础知识、Python高级特性、IO操作、面向对象编程、内建模块和第三方模块、网络爬虫、网络爬虫框架、Python数据分析、Numpy、Pandas、Matplotlb、Python机器学习等。

第四阶段 数据运营指标体系

主要内容:数据分析标准项目流程、指标体系搭建过程;AARRR流量漏斗模型，PEST分析、SWOT分析、波士顿矩阵等行业分析方法，相关性分析及显著性检验，多元回归分析等。

第五阶段 机器学习与深度学习

主要内容:K-Means，DBscan，KNN，朴素贝叶斯模型，决策树，随机森林，SVM，线性回归，逻辑回归，XGBoost等算法原理，深度学习基础知识。

第六阶段 综合项目实战

主要内容:数据分析业务实践过程及注意事项、行业分析方法论与报告撰写、数据分析项目实战、BI可视化平台搭建与实践、机器学习项目实战、团队合作基本原则与分工。

第七阶段 就业指导

主要内容:简历撰写基本要求、如何挑选简历模板、如何选择合适的职位、面试流程、面经分享、面试技巧、笔试题准备、群面应对技巧和注意事项、如何应对业务面、高管面和HR面、如何提升逻辑表达能力、offer注意事项。

2、名师解惑

学习数据分析如果只是自己一个人埋头苦练，很可能是在做无用功，遇到问题不懂就死磕或者放弃，那么你怎么去进步呢？一个能够了解你的基本情况，为你答疑解惑的老师就能让你在数据分析学习的过程中少走很多弯路，也能让你在数据分析的学习上达到事半功倍的效果。

3、不断重复地操作实践

不断地实践与练习，能让你更快更好地掌握数据分析，提升数据分析的速度，让你的基础更加稳固，也能让你的数据分析技能更加熟练，有利于提升今后的效率工作。

最后，小编想说转行是每个打工人的自我觉醒和思考，是每个人追求美好生活的权利。但是，转行切忌盲目随大流，只有当你知道自己想要什么,自己能做什么,将要走一条什么样的路的时候，你才会义无反顾地去奋斗去努力，这样的信念才是决定你是否能够成功的关键。如果只是盲目随大流，觉得哪个行业赚钱就去哪里混混，那么再好的行业再好的工作对于你来说也会是不好的。