30歲，放棄國企穩(wěn)定的工作，選擇轉行數據分析！

很多人問我會不會后悔？

說實話，決定要轉行那會我也猶豫過、迷茫過，但是現在我很慶幸自己當初的抉擇。

在決定轉行之前，很多親朋好友聽說之后，大部分都是勸我“年齡不小了，就不要折騰了”。

但是我想說的是，當你下定決心想要改變自己，你就不會被眼前的困難擊倒，更不會因為年齡太大而學不會。與其擔心害怕不如付諸行動。

以上是我的一些感受，下面我講講我的情況。

我叫周小白，今年是我轉行數據分析的第五年。轉行之前我是在一家大型國企上班，每天工作六小時，輕輕松松，但是枯燥泛味，工資也很低。從職位晉升上說，一個蘿卜一個坑，未來兩年內升職的可能性微乎其微。

體制內，每天就是復制粘貼，肉體停頓，精神貧瘠，時間一長也就厭倦了。

我們這個城市雖然不如北上廣深繁榮，但也算是省會城市里數一數二的，城市發(fā)展速度不慢，機會也不少。尤其看到身邊在私企搞技術的朋友賺的盆滿缽滿，雖然辛苦，但是錢包很鼓。所以就動了從國企出來，學門技術，賺高薪的決心。但由于當年沒有什么編程基礎，這行又是個青春飯，所以再三比較下，讓我找到了當時還很新潮的“數據分析”這個行當，工資跟搞技術的差不多，關鍵0基礎也能入行，比較適合我。

畢業(yè)那么多年了，讓我自學成才，還是有點困難，學習跟不上。通過從網上找資料和各個方面的比較，我報了CDA數據分析就業(yè)班的課程，選擇的原因也很簡單，成立時間長，口碑不錯，而且推薦就業(yè)。

如果你也存在跟我一樣的職場困境，想要通過轉行來實現職業(yè)逆轉，那么下面我簡單總結的這些學習經驗，希望能給你帶來幫助。

第一階段：會用Excel做簡單的數據統(tǒng)計分析

作為一名數據分析師，入門都離不開Excel。

Excel有很多強大的數據分析功能，函數、透視表、VBA等。對于入門級別的數據分析師，如果想要掌握Excel這門工具，前期你需要掌握如下技能：

1、重點掌握一些日常使用的函數，vlookup、sum、count、sumif、countif、find、if、left/right、時間轉換等函數；

2、數據透視表，它可以說是Excel中最強大的功能，沒有之一！它可以幫你解決各種交互統(tǒng)計匯總的問題。

以上這些是我?guī)兔Σ煌块T同事做的數據透視表，其實通過這些年的工作感受，我建議不管你從事什么崗位，都有必要把這項技能學好了，是真的有用，而且會讓你的工作結果看起來比別人逼格都高。

第二階段：會使用SQL從數據庫提取數據

大公司對SQL的要求絕對是軟件上排第一位的，我現在基本每天要寫五六百行SQL，忙的時候一天一兩千行也是有的，所以必須對SQL非常熟練，才能很快的響應業(yè)務需求。

入門級別的數據分析師，日常工作中會使用Excel處理一些數據，做一個數據統(tǒng)計基本就可以了。但是Excel有一個比較大的弊端，它只適合處理些小量數據。

如果企業(yè)里面產生的數據量非常龐大，更多的還是要儲存在數據庫里面。所以需要具備編寫SQL能力，才能從數據庫中讀取數據，用來分析。

數據分析人員，掌握了簡單的SQL語言，就可以隨時對自己感興趣的數據進行簡單的查詢、抽取和匯總。相比只會使用Excel，會讓你的分析能力的邊界無限拓展。

以上這些是我們操作sql時的界面

第三階段：一定要學會使用Python

現在Pyhon已經是排名第一的編程語言了，大部分公司都要求能夠掌握 Python，只有少數公司要求掌握其他的編程語言，所以學習市場上要求最多的技能才能找到更多機會。

很多人看到Python 很火，也不管自己的能力水平如何，有沒有編程基礎，一上來就去學習Python ，最后發(fā)現其實自己根本學不會。

在學習Python之前，我建議你先學習Excel和SQL。這樣你就具備了一些基礎，再去學習Python就容易多了。

第四階段：需要掌握一個BI軟件

可視化報表是數據分析非常核心的而工作，但不同公司用的軟件不同，一般公司也不會要求員工硬性掌握特定的BI軟件（如果不會入職后可以現學，畢竟多數BI軟件都不難），如果是特別難的比如power BI，那在招聘的時候就會有要求了。

向以上這種系統(tǒng)性的數據看板，需要大量數據支持，而且并不是所有崗位都需要，但如果你要是會做，那薪水肯定遠高于平均水平。

第五階段：需要學習一些統(tǒng)計學基礎

統(tǒng)計學分為描述統(tǒng)計學和推斷統(tǒng)計學。描述統(tǒng)計學是使用特定的數字或圖表來體現數據的集中程度或離散程度。推斷統(tǒng)計學是根據樣本數據推斷總體數據特征。

1.描述統(tǒng)計分析

描述統(tǒng)計分析就是將原本復雜的數據減少為幾個能夠起到作用的數字，用這些代表性的數字來代表所有的數據。這樣就可以方便我們更容易看到數據的整體情況。描述數據集常用的5個指標是：平均數，中位數，眾數，方差和標準分。

2. 推論統(tǒng)計分析

推論統(tǒng)計分析就是通過樣本來推斷出總體。需要掌握的知識包括概率分布、中心極限定、如何用樣本估計總體、置信區(qū)間、假設檢驗。例如，互聯網常用的 AB 測試背后的原理就是假設檢驗，如果不掌握推論統(tǒng)計分析，那么連 AB 測試的結果也看不懂，更不用說完成一個 AB 測試實驗。

除此之外還需要擁有數據分析思維，掌握一些常用的分析方法，包括邏輯樹分析法、多維度拆解分析法、PEST分析法、對比分析法、假設檢驗分析法、相關分析法、RFM分類法、群組分析法、最終路徑法等。

如今我在一家電商公司做數據分析經理，經過這兩年的磨合，公司已經形成了完整的數據分析團隊。在我剛剛加入的時候基本是從0開始的，那段時間非常的痛苦。后來我和一些做數據分析的朋友深入交流，慢慢的開始對電商業(yè)務有所了解，到現在已經擁有完整的數據分析團隊。

我日常工作主要包括以下幾方面：

1.整合全平臺的數據（自有數據+行業(yè)數據+競品數據爬取等）；

2.二是提升工作效率，比如通過RPA軟件實現數據自動更新到數據庫，然后通過BI軟件進行分析展示，同時在BI測設置權限分配，保證了數據的安全性；

3.三是擴展數據分析的深度，建立行業(yè)分析和競品分析的指標體系和流程，分析店鋪人群畫像，復購分析后進行push，大促活動準備等等方面的工作，再后來直播帶貨興起，也圍繞各直播平臺做了數據獲取框架和分析流程等等。

以上來自我們一位從體制內跳出來轉行數據分析師的CDA學員分享案例。

不同的行業(yè)對數據分析師的技能和要求都不一樣，但是數據分析的思維是可以通過崗位不斷磨練出來的。想轉行數據分析的小伙伴，不妨結合自己的興趣和能力，看看自己更加適合哪一類型的數據分析崗位。

也歡迎咨詢我們制定具體的學習方案，獲取更多有料案例！