python转行成数据分析_转行数据分析为什么这么难？

作为一家拥有很多数据分析师的数据分析公司！怒答一波！转行难吗？

对于很多想要转行数据分析的人来说，如何转行成功？

第一步：拥有转行需要具备的4大底层能力

1.全局观

某日，产品经理跑过来问我：Hi, 能不能帮我看一下昨天产品新功能发送的数据？谢谢！条件反射我会说：好，我马上给你！不过我还是礼貌性地问了一句：为什么需要这数据呢？产品经理回复道：哦，昨天新功能上线了，我想看看效果。知道了产品经理的目的，我就可以针对性地进行数据提取和分析，分析的结果和建议也就更加具有可操作性。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。

2.专业度

某企业的数据科学家针对用户流失情形进行建模预测，最终得到的用户流失模型预测准确率高达90%多。准确率如此之高，让商务分析师都不敢相信。经过检验，发现数据科学家的模型中有一个自变量是 “用户是否点击取消按钮” 。而点击了“取消”按钮是用户流失的重要征兆，做过这个动作的用户基本上都会流失，用这个自变量来预测流失没有任何业务意义和可操作性。

数据分析师要在所在行业(例如电商、O2O、社交、媒体、SaaS、互金等等)展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

3.想象力

商业环境的变化越来越快、越来越复杂，一组商业数据的背后涉及到的影响因素是常人难以想象的。数据分析师应该在工作经验的基础上发挥想象力，大胆创新和假设。

根据硅谷公司的核心KPI(Facebook的4-2-2准则，LinkedIn的connection规律)，我们也想找到互联网企业驱动增长最核心的KPI。基于我们的想象力和”无埋点”全量数据采集的优势， 我们创造了” GrowingIO留存魔法师” 。通过全量采集的数据，智能自动的后端计算，以及简单的使用交互，留存魔法师可以帮助企业迅速找到与其留存最相关的用户行为，就像魔法师轻轻挥动魔法棒一样简单。例如某 SaaS产品 ，在一周内创建过3个图表的用户(群)留存率非常高，那么”一周+3个+图表”就是我们驱动用户增长的魔法数字。

4.信任度

以销售岗位为例，一个销售人员首先要和用户建立起信任；如果用户不信任你的话，那他也很难信任或者购买你的产品。同理，数据分析师要和各部门同事建立良好的人际关系，形成一定的信任。各个部门的同事信任你了，他们才可能更容易接受你的分析结论和建议；否则事倍功半。

第二步：会熟练使用数据分析工具

“ 工欲善其事，必先利其器 ” ！数据分析师如果把大部分精力都花在了搭建数据采集平台、都在写代码埋点、都在做 ETL、都在建 BI 系统，哪里还有更多的时间来做 Analytics 和 Insight 呢？这也就失去了数据分析这一本质的意义。

所以，目前很多公司都会选择采购像 GrowingIO 这样的数据分析工具，发挥数据分析师更大的意义，这也就需要数据分析师，能够熟练使用应聘公司的数据分析工具。

如果能懂一些 R 和 Python，在数据建模、统计分析、数据科学的方向上有所发展，数据分析水平就更上一层楼了，在应聘时也能有更大的优势。

第三步：熟悉行业知识

数据分析师需要对所属的行业有一定程度的了解，才能更加具有数据变现能力(企业运营、产品策略、市场研究、品牌管理、需求分析等)，企业也会更加青睐于数据变现能力高的数据分析师。

对于应届生和想转行为数据分析师，但没有工作经验的同学，建议能在简历中带上一些个人数据分析的实操案例，比如想要应聘互联网金融公司的数据分析师，可以通过自己在网上搜索相关行业数据，给出自己的分析结论，展现自己的数据变现能力，这样能大大提高面试通过率。

做好以上三个步骤，想转行数据分析师并不难。

最后，关于面试，简历技巧在此就不再赘述，希望大家都能成功转行，成为一名优秀的数据分析师，也欢迎投递我司呀～嘿嘿～