引言:

本文不推薦什么大社群!不推薦課程!只是簡明地描述一下我是如何轉行到數據分析崗的。

先說說自身情況吧： 16年本科畢業，專業財務管理 。在家鄉，一個二線城市，做會計做了一年多(包括實習期)。這一年多，把我從一個會計粉轉變成一個會計黑，期間的辛酸在我某個回答里有寫上一些。有轉行的念頭是16年7月，當時就是刷刷知乎，百度一下，了解了數據分析崗的狀況，16年10月正式開始準備。后來不滿意準備的進度，2017年3月提出離職申請，待業在家學習，直至8月份在廣州才拿到稍微滿意的offer。薪資確實翻了個倍還有多，但也依托于以前會計崗位的薪資實在太低太低。

[[202384]]

16年10月，從轉行數據分析，還是考二線城市的公務員兩個選項中掙脫出來，最終沒聽父母的，選擇了數據分析這個無底洞。 剛開始，我是查看拉勾網上的公司崗位招聘要求，然后才決定我需要準備什么知識。 當時拉勾網的廣州數據分析師崗幾乎都被我翻完了，總結了下需要做以下幾點準備;

1. 統計學相關知識
2. excel的熟練使用，報表關聯，數據透視等。
3. SQL語法，了解數據庫知識。
4. python或則r，需要有建模能力。
5. 業務理解能力。
6. 項目經驗

1，統計學相關知識：

先看了《商務經濟與統計》第十二版，當時看起來真的蠻吃力的，自己定的目標，比如一天看一章，根本完成不了，斷斷續續看了接近兩個月，才看到12章。也越發發現在職學習真的需要很大的毅力，并且上班時候總是有一個念頭：好浪費時間啊。直到后面我又買了一本統計學書籍《深入淺出的統計學》。對比上本書，真的可讀性高很多，書里的案例很生動，里面的題目也不會太難，學起來相當有成就感，很快就把整本書看完了。因此也愛上了這個系列的書籍，又購買了，深入淺出的數據分析和深入淺出的SQL。但發現這里兩本有些啰嗦，并沒有看完這兩本書。

2，excel的熟練使用，報表關聯，數據透視等:

以前做財務就是一個十足的表哥，一直對excel比較有信心，所以這方面我沒有過多的復習。直到現在工作了，目前使用的是google.docs一個類excel工具，excel的公式也是能在這里使用，才發現自己的excel能力其實很弱。比如，我以前做財務寫的公式是這樣子的：

現在我寫的公式是這樣子的：

也是因為以前做財務的時候不用寫有關業務邏輯的公式吧。還有表和表的關聯也是個難點。推薦一下excel比較好的教程吧： https:// zhuanlan.zhihu.com/p/24 084300

3，SQL語法，了解數據庫知識：

雖說買了深入淺出的SQL，因為記得當時已經是我4月份了，當時定目標是5月找到工作(雖然***8月才找到orz)，所以覺得看書太耗費時間了，直接看的是w3c的sql教程： http://www. w3school.com.cn/sql/ 。看完后直接動手做面試題： http:// blog.csdn.net/qaz13177_ 58_/article/details/5575711/ 。還要了解下SQL語法的順序(很重要!)然后面試SQL的筆試題基本沒啥問題了。反正面試時的筆試，印象中都會做。還有數據庫的知識推薦很多人推薦的一本：《MYSQL必知必會》吧(然而我并沒準備這方面知識，好像也不太影響。)

4，python或則r，需要有建模能力:

python和r，我選了python。單純覺得python好聽!面試了16家，其中只有3家公司是真正要求需要用到python或則r進行數據分析的，所以覺得這兩門語言并不是必備項。當時看的書籍是pandas作者寫的《利用python進行數據分析》至今工作后仍在溫習，跟著代碼打一遍，受益匪淺。

還有建模知識： 現在我越發懷疑數據分析所說的建模只是類似“漏斗模型”等等的業務模型，并非機器學習模型。 因為數據分析崗必須用到機器學習模型的崗位幾乎沒有。只是你懂機器學習是一個加分項，工作時多一個技術層面分析數據而已。不過當時的我并不知道這些啊，傻傻的也準備機器學習來;首推當然是吳恩達老師在coursea的課程《Machine Learning》然后是周志華老師的西瓜書(我只看了一點點。)當時接觸了這些，我感覺機器學習好難好難，根本不可能在兩三個月內了解完常用模型的原理。后來我就用野路子了：不去了解原理，只是去用機器學習python的包:sklearn!，至少我能用模型。Sklearn的學習當然是 http:// scikit-learn.org/stable /index.html

Sklearn的官方文檔，寫的很詳細，也會推薦文獻去讓你學習原理，雖說是英文的，但你可以和我一樣用谷歌瀏覽器把它翻譯呀!

5，業務理解能力：

• 數據分析中的重中之重!無奈這方面實在沒有很好的學習途徑，結合自身面試的經歷給大家一些小Tips吧。
• 做面試準備時，一定要去了解該公司的有哪些數據指標?這些指標是如何計算的?如何提高的?比如電商：如何提高復購率?或則運營的：有哪些常用的數據指標?答： https:// zhuanlan.zhihu.com/p/27 029515
• 需要了解一些流量統計的常用工具： Google Analytics;百度統計;百度指數等。
• 要會畫思維導圖，面試時有一道題印象很深：用思維導圖預測廣州10年后人口數量。
• 可以學學爬蟲工具，面試時有被經常問到這樣的問題：“你會用python?那你能幫我爬競爭對手的數據嗎”。我:”…………………………….只會數據分析的常用庫。”后來了解了幾款爬蟲工具，暫時已經能滿足我爬數據的需求，不過我后續仍會去學習python爬蟲的知識。

6，項目經驗：

沒有項目，憑什么一個轉行人士說你懂數據分析?所以，我乖乖的去做項目了。可能你覺得一個轉行人士哪有項目啊?實際上，想要有項目經驗，真不難!我總結了有以下途徑：

• 在網上下載數據進行分析： http://www. moojnn.com/data-market/ 篩選免費的數據就好!
• 自己爬數據進行分析，這就需要用到爬蟲工具了(百度一搜很多的)。我復試時候爬了競爭對手的數據去預測價格，然后，我拿到的offer。
• 做比賽，類似于kaggle，天池，數據城堡等等都有算法競賽。我自己是選了這條路，但是這需要機器學習的知識。

除了面試的準備，還想提醒大家需要避免的幾個誤區：

在知乎的數據分析版塊已逛好久，越發覺得這版塊營銷味濃厚，也請大家帶著懷疑的態度去看。有些營銷味濃厚到已經影響我觀看知乎的體驗了。

為此，也和大家分享下零基礎轉行需要注意的幾個誤區，畢竟我(文科生)也是零基礎過來的，說說我覺得有幾個必須要注意的誤區吧。

1， 數據分析崗大多數用不到python與r!機器學習更是用不到!

以我目前的工作為例，我用到的工具是google.docs(類excel工具)，和ppt.word.sql等等。而python和r是非必要工具，感覺像是簡歷中的加分項，當然我也認為數據分析需要必備掌握其的中一門，但是這并非求職中的必備項。機器學習就更不用說了，還是先理清自身公司數據的異常值，數據準確度，數據指標的邏輯等等吧。亂臟數據都沒理清，談何建模。若你想快速進入數據分析崗，python和r可以入崗之后學，專心做一兩個項目出來才是關鍵!

2， 認為數據分析崗普遍工資很高!

在知乎文章看多了，覺得轉行就有9K上萬，現在想想也是醉了，感覺做到這個數字的人。應該有他的原因，但我認為如果條件和我相差不遠的話，很難做到。在廣州面試了兩個禮拜，拿到的offer的工資都在4.5~6之間!然而這些崗位的招聘條件幾乎都是6-1w。印象最深的是有個做郵件推廣的公司，招聘時寫著7.5-1.2，去到只有3.5(黑人問號??。雖說拿到不少面試邀請(16個拿了8個offer，都是小公司)但滿意的真的很少很少，***找到心灰意冷的時候，終于拿到一個算是滿意的offer。而我最滿意的三個數據咨詢公司都沒有給我復試的機會。想起還有些難受。

3， 誤認為數據挖掘崗就是數據分析崗!

面試時候就能強烈的感受到這兩者的區別。

一般數據分析崗，招聘標題為：

• 數據運營。
• 數據分析師。
• 數據分析專員。
• 數據產品經理。等等

而招聘數據挖掘，標題：數據挖掘工程師。(算法工程師不算)

其中里面的要求更是十分不同，數據分析崗會偏向對業務的理解，學歷大專往上。工具除了excel和sql,也會包括一些流量統計的工具，比如google analytics,百度統計，百度指數等。對編程要求比較少，只是加分項。數據挖掘崗，除業務理解對編程也有一定要求。機器學習必須了解，對工作經驗也有要求。可以往下看我簡歷中的技能要求。我學習了python和機器學習并參加的算法比賽，這使我偏向數據挖掘方向，但我又不夠資格得到數據挖掘崗的offer，只能找數據分析崗，那種低不成高不就的感覺，很是尷尬。

想說的都快說完了，感覺說了很多，又感覺沒說什么，總感覺有一句很重要的沒說，想了很久，終于想起，轉行數據分析前，還是先問問自己一個問題： “喜歡對著數據嗎?” 回答Yes的話，來不及解釋了，數據的“火”車還沒走，快上車!