转行数据分析师需要的技能大致分为六个模块：
(1) Excel
零基础学数据分析师一定要从Excel入门，因为Excel是处理小型数据量企业用的最多的工具，在基础数据分析师与数据运营岗位中具有极其重要的地位。
(2) Mysql
SQL同样是零基础学习数据分析的核心内容。因为作为数据分析师，你首先要解决的问题就是你要有数据来做分析。通常企业都会有自己的数据库，数据分析师首先得根据业务需要知道自己要从企业数据库中提取哪些数据。
(3) Python
Python的基础对于数据分析师而言是非常重要的。对于十万级或者百万级数据量而言，Excel和BI都会因为运行卡顿而变得完全无法使用。然而在实际企业运用中，一次性处理十万级以及百万级数据又是非常常见的。而Python则是处理这种中量级数据的利器。
(4) BI商业智能工具
BI可以理解成Excel图表透视表的高级版。BI是将表与表相连，然后得出很多指标图。它是一个大屏的看板。有了这个看板，领导层在监控企业业务方面就有了非常直观的数据，以供他们及时做出决策调整。数据分析师需要做的是快速挖掘数据价值，将这些数据转化成有用的信息，让企业决策有数据依据，从而驱动企业决策和运营。
(5) 数理统计与数据运营
数理统计和数据运营方法论是数据分析师的理论基石。数理统计包括概率论，统计学，线性代数，以及基础的微积分理论。这些内容都不需要理解的很深，但是对它们的原理以及内涵都需要有所掌握。
数据运营方法论实际上是学习各个行业所运营的分析模型。对于想往管理路线发展的数据分析师来讲，数据运营是必须要学习的知识。其实数据运营知识也不复杂，就是根据自身业务需求将指标拆解到最细，然后运用同比和环比两种数据分析方式。
(6) 机器学习
最后一个进阶要求数据分析师掌握对大量数据分析的能力。这个阶段的数据分析是利用大量的历史数据构建出一套数学公式（也就是算法），用这个数学公式去对未来进行预测。比如说：一个人大量地刷体育短视频，根据算法可以得出这个人可能对观看足球比赛的腾讯体育会员感兴趣。这类推断和预测对于商业世界是有着极大变现意义的。
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。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）