如何快速转行数据分析师？5
发布网友
发布时间：2023-10-02 11:55
共5个回答
热心网友
时间：2024-11-02 02:42
需要首先你掌握该行业的知识，才能更好的掌握自然科学的不断创新。对于外行应届毕业生转行数据分析，必须承认的一点就是：它很难，但也不是不可能。只是转行，可能需要你付出多余别人十倍甚至更多的努力。
首先，需要强调的是。工具的使用，确实不是一个大问题。而主要的难度，还是集中在以下两个方面：HR：缺少相关领域的学习和工作经历。简历关就过不去。部门Leader：没有办法证明自己在工作中，拥有敏感的数据感知能力，以及对于指标波动的分析能力，如何从数据中提取价值，面试关惨败。既然决定进入数据分析这一行业，那就先来了解一下这个行业的现状。数据分析这一行，其实有点像当初的各种开发，最初阶段大量涌入跨专业、自学，以及短期培训的求职者。
况且，不少大牛也是转行过来的。但需要强调的一点就是，别人转行也是大牛，不是因为他/她转行的原因，而是因为人家自身能力就很强。说回数据分析。其实从招聘JD可以看到，初级的数据分析师只需要掌握Excel和SQL，就可以解决大部分的问题。而真正用到Python的，其实并不多，更多的还是偏向于建模算法一类的。所以，工具用得好，并不能证明你就是不可替代的。
尤其，现在还正处于互联网寒冬时期，裁员一波接一波，怎样证明自己的不可替代性，更是重要。简单来说就是：分析能力+业务能力再次强调，工具的使用真的没有你想象的那么重要。是否能从指标的波动中看到问题，哪些指标的波动对于现阶段的业务问题起到了影响，怎样去解决业务问题，等等。这些才决定了你是否能为公司带来价值。简言之，就是不可替代。况且，现在的BI越来越好用了，Power BI、Tableau随便选。
最好的途径，就是找本行的数据分析职位。数据分析必然是脱离不开业务的，现在的公司都在关注如何组建数据分析团队。那么这一块，业务知识其实就不成问题了，专业在这呢。再加上自己在工具这块的学习，相信不成问题。中小型公司，或许可以一试。不同于大厂，小公司的话或许要求不会特别严格。运气好的话，也许可以碰到愿意带新人的大牛。
注意事项：
1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。
热心网友
时间：2024-11-02 02:43
热心网友
时间：2024-11-02 02:43
热心网友
时间：2024-11-02 02:44
CDA LEVEL I 业务数据分析师
PART 1数据分析概念与统计学基础 （占比30%）
PART 2 SQL数据库基础 （占比10%）
PART 3 数据采集与处理 （占比20%）
PART 4 数据建模分析 （占比40%）
CDA LEVEL II 建模分析师
PART 1 数据挖掘基础理论 （占比20%）
PART 2 数据预处理 （占比25%）
PART 3预测型数据挖掘模型 （占比40%）
PART 4描述型数据挖掘模型 （15%）
CDA LEVEL II 大数据分析师
PART 1 大数据基础理论 占比（8%）
PART 2 Hadoop理论 占比（12%）
PART 3 数据库理论及工具 占比（16%）
PART 4 数据挖掘理论基础 占比（10%）
PART 5 Spark工具及实战 占比（35%）
热心网友
时间：2024-11-02 02:45
数据分析基本上有两个方向，第一，技术方向，第二，业务方向。
对于大厂而言，职能的划分会非常详细，干技术方向不需要了解太多的业务，相反也是一样的。但是对于小公司，数据分析师需要的技能更加多样，数据分析技能，沟通技能，对业务的了解，presentation等等不一而足。
一. 数据分析岗位介绍
1.1技术方向
走技术方向需要获得的技能大约分为三个方面，数据获取，数据处理，以及数据可视化。三个方面分别对应三个工具，即sql语言，python和excel，以及tableau。
对机器学习和大数据的的了解和实践会是很好的加分项。比如我现在在干的活要用到大数据的hadoop和impala，但查询取数依然是基于sql语言的。
走技术方向对业务的熟悉程度不需要太深，就像之前说的，大型企业会将技术方向和业务方向分得很细，业务方向的分析师是技术方向的分析师和业务部门的桥梁，而不是业务部门直接与技术沟通，这也是我所在的公司的真实情况。个人觉得虽然增加了一些沟通成本，但是员工确实可以更加专心于自己的工作。
1.2 业务方向
走业务方向的话，对技术的运用不需要特别熟练，我与业务方向的数据分析师聊过，在工作的空闲再深入学习sql语言或者可视化之类的技术都是可以的，但在投递简历之前，至少需要有一定的基础技能和基本了解，知道柱形图和折线图有什么样的特点这种基本概念。
业务方向的数据分析师需要与业务部门进行更深入的沟通，因此要求对业务有一定的了解，这样才能更好地结合数据和业务，提出有用的结论和建议，因此，最好是能够在你的本领域内转行。
除此之外，还需要了解数据分析师，数据工程师，和数据科学家的区别。
你可不想本来想转数据分析师，却学了数据工程师的技能。
简单来说，数据分析师主要工作是做取数，清洗和可视化，业务方向则更多专注于数据与业务的结合，可能还需要跟进运营，分析运营结果。
数据工程师，则专注于从每天的公司或用户行为中获取数据，主要做数据获取，数据库的搭建，维护和优化。
数据科学家，则专注于机器学习的算法，因此需要数学好。
二、硬技能学习
2.1 sql语言
sql语言主要用于从数据库中获取数据，公司一般不会让你用爬虫从网络爬取所需要的数据，因此爬虫并不是一个必要技能。
sql语言一定要做到熟练使用，而这个语言的重中之重就是数据查询语言（DQL），从最基础的select，到大数据常用的分区概念对应的partition。
在面试中，面试官通常会给你几张表，让你现场写下取数逻辑，因此写的又快又对，写完了反手就把逻辑给面试官看，战术后仰，岂不帅哉。
其他的sql语言包括数据定义语言（DDL），数据操作语言（DML）和数据控制语言（DCL）和数据分析师的关系不大，做到了解和简单使用就好。
sql语言一定要多练，这样才能做到面试时不慌，子查询和各种表连接一般在面试的时候都会面到。
2.2 excel
在我面的一家公司的职位描述里只提到了excel的使用，当时看到因为给的实习工资比较高，就投了，但在面试的时候问了面试官是否会用到python，以及是否有机器学习的任务，回答是这个实习岗位大部分时间只需要excel就好，于是就没有去。
针对这类公司，建议是还处于刚开始学习数据分析的同学去投递，积累经验算是不错的，但是一定不要在这样的公司呆超过三个月，那个时候基本上对excel已经很熟了，应该考虑更进一步。
excel的学习不难，主要学习各类函数，从最基础的聚合函数sum到表查询函数vlookup都要学习。以及各类图怎么做，怎么用数据透视表等等。
这里说excel学习不难，并不是指excel比python低级，excel要做的好其实非常困难，但不管怎么说，目前公司都在要求比较新的python技术，excel做的再好，不符合职位要求也白搭。
从工作的角度来谈，通过excel对少量的数据做简单处理确实更加方便一些，我也经常用excel先做简单的格式转换，排序和可视化。但复杂处理或者大量数据就不是excel力所能及的了。
2.3 python
python是数据分析的大头，当然选择学习r也可以，可是一定不要同时学，用熟一个比用会无数个要重要的多。
对python有一些了解的人应该都听说过numpy,pandas和matplotlib，这三个包是数据分析必会的包，先用熟这三个，之后更进一步可以学习os，seaborn，sklearn等。
python学习仍然可以在b站找到足够多的视频，各类公众号也会发学习资料。
python要细讲的话可以讲太多的东西，之后我会对学习数据分析期间的笔记做一个梳理，会详细到各个包的使用，各个函数的使用等等，这里就先按下不表。
2.4 tableau
tableau的基本使用在b站是可以学习到的，但是计算字段和其中的函数的使用仍然需要一定量的练习，并且需要一定的编程基础。
我的工作中基本不需要太强的tableau技能，网上那些看起来很复杂的图在工作中实际上用的并不多。
这几天工作中用的最多的图就是柱状图，直方图，条形图，交叉表这几个，偶然见到热力图，桑椹图，甚至散点图和饼图出现都很少。当然这可能与业务需求有关，具体问题具体分析。
如果你会做那些复杂的图自然更好，说明你对tableau的理解较深，侧面表现了你的能力比别人强。
