前言
有同学问,自己211学校毕业,30岁了对工作现状不满意,想转数据分析,0基础转行,可行吗?
30岁转行学数据分析,其实并不晚,大家不要过多地对年龄产生焦虑。其实不管是数据开发还是数据分析,都远远达不到要吃天赋的地步,需要系统化的学习、训练,系统的学上6个月就能够去应聘数据分析相关岗位。再说了,一个211本科毕业的学生,学习能力强,重新学一门技术,并不吃力。
数据分析2大就业方向
数据分析呢,一般有2个大方向:
1.偏业务的数据分析方向
2.偏技术的数据挖掘方向
偏业务方向的数据分析:
偏业务方向此方向更看重逻辑思维,比如你思考框架的完整性、 思维的灵活性。相比于比较传统的商业分析师、行业分析师,除了对业务的深入理解之外,你需要对数据有更敏锐的嗅觉。此方向是大多数人转行大数据行业的起点,你需要熟练office软件、excel、SQL、tableau、 python、R语言这几种常用技术。
偏技术方向的数据分析:
1)数据挖掘工程师,看重数据技术,比如统计学基础、数据库操作(SQL等编程基础、python等)、机器学习基础(分类模型等),同时你还需要对业务有一定程度的理解,数据挖掘工程师的主要工作是利用已有的算法模型,对业务数据进行清洗、建模、分析。
2)算法工程师,这个岗位看重理论基础,比如机器学习算法原理、相关数学原理等。算法工程师的主要工作一般是研究算法、为公司的相关业务需求优化算法。如果说数据挖掘工程师是用轮子,那么算法工程师就是造轮子、修轮子、优化轮子。算法工程师薪资很高,天花板很高,一般是大厂才有的岗位。
对半路转行的同学来说,算法工程师有一定的入行门槛,但偏业务方向的数据分析师,或者偏技术方向的数据挖掘工程师,通过短时间高强度的学习训练,是能够达到的。
圣普伦数据科学训练营的学员中,也有不少0基础,从运营转行到数据分析岗位的同学。他们毕业后的就业方向和职业发展大体分为以下两类:
业务方向:初级数据分析师 →商业分析师→数据分析经理→运营总监→业务负责人
技术方向:初级数据分析师→数据挖掘工程师→数据开发工程师→AI工程师→数据科学家
数据分析入行需要哪些基础技能?
俗话说“工欲善其事,必先利其器”,不管你未来是想往业务方向发展,还是技术方向发展。以下这些基础技能都是你必备的敲门砖:
数据获取工具:SQL(从数据库里取出需要分析的数据)
数据处理工具:python、excel
数据分析工具:python/R/SPSS/EVIEW(优先推荐python,处理方向更广、兼容性更强)
数据汇报工具:ppt
数据可视化工具:Tableau、Power BI、Plotly等等
圣普伦数据科学训练营,除了传授数据科学所需要的硬性技能之外,还会锻炼大家的数据思维,就是从数据的角度来看世界。
比如:公司需要进行采购,你需要估算成本,这就用到了“费米模型”
比如:你要看某个行业是否值得进入,可能就可以用“PEST模型做分析”
有数据技能+数据思维,你才能够获得心动的offer,最重要的是能够在入职后快速上手,而不是一脸茫然。
读者福利:知道你对Python感兴趣,还准备了这套python学习资料
对于0基础小白入门:
如果你是零基础小白,想快速入门Python是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案
包括:Python永久使用安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习等学习教程。带你从零基础系统性的学好Python!
零基础Python学习资源介绍
👉Python学习路线汇总👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)
👉Python必备开发工具👈
温馨提示:篇幅有限,已打包文件夹,获取方式在:文末
👉Python学习视频600合集👈
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉实战案例👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉100道Python练习题👈
检查学习结果。
👉面试刷题👈
资料领取
上述这份完整版的Python全套学习资料已经上传CSDN官方,朋友们如果需要可以微信扫描下方CSDN官方认证二维码输入“领取资料” 即可领取
好文推荐
了解python的前景:https://blog.csdn.net/xiqng17111342931/article/details/127705925
了解python的副业:https://blog.csdn.net/xiqng17111342931/article/details/127872402