我的數(shù)據(jù)分析轉(zhuǎn)行之路

大家好，我是李啟方，這是數(shù)據(jù)分析不是個事兒2021年的第一篇文章。

去年是充滿了變數(shù)的一年，我們也收獲了很多新粉絲，但沒變的是大家依舊對轉(zhuǎn)行、入行數(shù)據(jù)分析這件事充滿了熱情和想象，當然也有很多朋友還在猶豫。

所以今天就來分享一點自己的經(jīng)歷，希望能給大家?guī)硪恍﹨⒖肌?/span>

我的轉(zhuǎn)行之路

 

我可能屬于轉(zhuǎn)行比較早的了，大約在2010年左右開始接觸數(shù)據(jù)分析，完全轉(zhuǎn)行成功差不多是在13年前后，那時候數(shù)據(jù)分析還剛剛有大火的苗頭，于是幸運地搭上了順風車，現(xiàn)在是一家傳統(tǒng)企業(yè)的數(shù)據(jù)部門主管（非IT部門），慢慢開始轉(zhuǎn)向做管理。

當時我跟很多剛畢業(yè)的年輕人一樣，躊躇滿志地去了北京，誤打誤撞找了一家剛起步做電商零售的公司，在里面剛開始做的是分銷員，每天的工作就是在網(wǎng)上到處找代理商、分銷商，后來又負責倉儲物流管理，也做過一段時間銷售。

當年我記得正是團購網(wǎng)站和電商平臺大火的時候，淘寶、美團這樣的平臺遍地都是，競爭非常激烈，很多小平臺要么被收購，要么直接倒閉。做了一年多，我就明顯感覺到公司好像要撐不住了，部門主管走了一個又一個、換了一個又一個，之前象征性發(fā)發(fā)的加班補貼，后來也發(fā)不起了。

當時我就已經(jīng)開始學習數(shù)據(jù)分析了，當時倒不是因為想要轉(zhuǎn)行，僅僅是對這門學科很感興趣，從統(tǒng)計學到數(shù)理邏輯學，從做報表到大數(shù)據(jù)，對我來說新鮮感十足，當時也沒想著能把數(shù)據(jù)分析作為自己未來的職業(yè)，一方面只是出于興趣，另一方面覺得技多不壓身。

說起剛剛接觸數(shù)據(jù)分析的時候，所謂的學習視頻、網(wǎng)課、培訓之類的資料少之又少，自己完全是靠讀書和實踐積累的經(jīng)驗。

于是我開始利用空閑時間學習，每天下班之后同住的舍友都要玩上一晚上魔獸，只有我回家躺在宿舍的床上，抱著書就開始啃，當時看過《深入淺出數(shù)據(jù)分析》、《從數(shù)據(jù)看市場》等等書，后來又去開始學習Excel數(shù)據(jù)分析，當時學的東西比較淺，僅僅算是啟蒙。

自學了大概半年左右，老東家終于堅持不住垮掉了，我也斷掉了生活來源，只能再去找工作，恰好找到了一份數(shù)據(jù)分析的崗位。不過讓我大失所望的是，每天的工作其實就是寫報表，跟想象中的數(shù)據(jù)分析差距很大，但就是在這段日子里，我跟著公司里的老人學了sql，學了VBA。

后來公司發(fā)展得還算不錯，13年的時候一下子擴充了很多業(yè)務(wù)線，公司也開始有意識地做基礎(chǔ)數(shù)據(jù)平臺和數(shù)據(jù)倉庫，招了一些做ETL的、做數(shù)據(jù)建模的、做數(shù)據(jù)架構(gòu)的、做報表設(shè)計的，當時我差不多也做了一年多的表哥，于是自告奮勇到了數(shù)據(jù)部門，一方面配合IT做數(shù)據(jù)倉庫平臺，另一方面去業(yè)務(wù)部門做調(diào)研、反饋需求，正是在這段時間里，我正式成了一名數(shù)據(jù)分析師，積累了非常多的業(yè)務(wù)經(jīng)驗和IT基礎(chǔ)。

之后又在很多行業(yè)里接觸業(yè)務(wù)分析，最終在南京一家傳統(tǒng)企業(yè)找到了自己的歸宿，摸爬滾打接近十年，最大的感觸就是除了學習還是學習，只有不斷學習，才能真正得到進步。

學習資料推薦

 

1、統(tǒng)計學基礎(chǔ)。

數(shù)理統(tǒng)計學是數(shù)據(jù)分析的基礎(chǔ)之一，很多人連統(tǒng)計學概念都沒搞清楚就跑去學python、學excel，結(jié)果卻發(fā)現(xiàn)越學越難。

首先要了解一些統(tǒng)計學的基本概念，比如什么叫描述型統(tǒng)計？什么叫假設(shè)檢驗？什么叫正態(tài)分布？然后再去學習統(tǒng)計學里的數(shù)據(jù)模型，比如聚類、回歸，這些都是業(yè)務(wù)分析中必備的內(nèi)容。

關(guān)于統(tǒng)計學，大家可以看一看《深入淺出統(tǒng)計學》、《赤裸裸的統(tǒng)計學》、《統(tǒng)計學概論》這幾本書。

2、數(shù)據(jù)分析思維的養(yǎng)成。

思維往往是很多人忽略的一點，但其實作為數(shù)據(jù)分析師來說，最起碼要了解和學習數(shù)據(jù)分析中的思維定式，比如結(jié)構(gòu)化思維、演繹推理等等，這些我們可以在生活中慢慢培養(yǎng)。

因為數(shù)據(jù)分析是靠人來做的，既然是靠人，就免不了要受到個人的思維影響，很大程度上數(shù)據(jù)思維能決定我們分析問題的方向和思路，建議大家可以看看下面這本書：

3、數(shù)據(jù)分析模型與方法。

大多數(shù)時候，我們做業(yè)務(wù)分析都是依靠的分析模型，因此學習一些常見的數(shù)據(jù)模型是非常必要的，這也是基于我們的數(shù)據(jù)分析思路自然而然養(yǎng)成的。

比如我看到流失分析，就想到肯定會用漏斗模型；比如我想到商品關(guān)聯(lián)分析，就一定要用到購物籃模型；比如我看到會員分析，就一定會想到RFM模型。

這部分建議大家看看《深入淺出數(shù)據(jù)分析》，《誰說菜鳥不會數(shù)據(jù)分析》也可以看看，不過比較簡單，當做入門書看比較合適

4、SQL

取數(shù)的必備技能，要掌握一定的數(shù)據(jù)庫基礎(chǔ)，主要是學習sql的語法，建議大家看看《sql server：從入門到精通》、《MYSQL必知必會》：

5、Excel

主要學習數(shù)據(jù)清洗、數(shù)據(jù)透視表、DAX函數(shù)這三個功能，有能力的可以學學VBA，不過業(yè)務(wù)分析不建議太深入，推薦讀物：

6、BI工具

用來做數(shù)據(jù)分析的主要工具，比如tableau、powerbi、FineBI等等，這些工具都各有特點和適用環(huán)境，大家可以參考下面這篇文章：《這可能是今年最值得推薦的數(shù)據(jù)分析工具》

7、Python/R

數(shù)據(jù)分析也需要至少掌握一種編程語言，萬能Python是最合適的了，不過也有很多人喜歡R，二者對于業(yè)務(wù)分析來說，差別并不大。

這只是成為數(shù)據(jù)分析師的基礎(chǔ)知識，其實做了這么久數(shù)據(jù)分析師，覺得最重要的還是“業(yè)務(wù)”兩個字。

業(yè)務(wù)是數(shù)據(jù)分析的起點，也是數(shù)據(jù)分析的終點。所有的數(shù)據(jù)分析最終都要回歸于業(yè)務(wù)價值，而很多人缺少的恰恰就是業(yè)務(wù)經(jīng)驗，對此我建議大家多去了解業(yè)務(wù)、熟悉業(yè)務(wù)、解剖業(yè)務(wù)，最好是能夠在業(yè)務(wù)部門待上一段時間，只有長時間積累的業(yè)務(wù)經(jīng)驗作為賦能，數(shù)據(jù)分析才能繼續(xù)下去！

對轉(zhuǎn)行的看法

 

雖然我之前一直推崇數(shù)據(jù)分析，但是十年過去了，我如今已經(jīng)不再奉勸大家進入數(shù)據(jù)分析行業(yè)里，這個行業(yè)的基礎(chǔ)崗位實在是太飽和了，除非你是數(shù)據(jù)分析人才，否則很難在這片紅海里翻身。

轉(zhuǎn)行有風險，你的籌碼越多，就越能控制住風險。除了年輕，你現(xiàn)在的籌碼還太少，所以千萬別被灌了雞湯，這行被雞湯害慘的人不在少數(shù)，保持清醒的頭腦才是最關(guān)鍵的。

別看了幾篇自媒體文章就一股腦梭哈了，自己手里要留著能打的牌，所以我們一般都提倡業(yè)務(wù)時間學習數(shù)據(jù)分析，準備充足之后，無論是進是退就不會心慌了。

相關(guān)閱讀：

• 寫在1024：一名數(shù)據(jù)分析師的修煉之路
  

• 數(shù)據(jù)科學系列：sklearn庫主要模塊功能簡介
  

• 數(shù)據(jù)科學系列：seaborn入門詳細教程
  

• 數(shù)據(jù)科學系列：pandas入門詳細教程

• 數(shù)據(jù)科學系列：matplotlib入門詳細教程

• 數(shù)據(jù)科學系列：numpy入門詳細教程