引言:

本文不推荐什么大社群!不推荐课程!只是简明地描述一下我是如何转行到数据分析岗的。

先说说自身情况吧： 16年本科毕业，专业财务管理 。在家乡，一个二线城市，做会计做了一年多(包括实习期)。这一年多，把我从一个会计粉转变成一个会计黑，期间的辛酸在我某个回答里有写上一些。有转行的念头是16年7月，当时就是刷刷知乎，百度一下，了解了数据分析岗的状况，16年10月正式开始准备。后来不满意准备的进度，2017年3月提出离职申请，待业在家学习，直至8月份在广州才拿到稍微满意的offer。薪资确实翻了个倍还有多，但也依托于以前会计岗位的薪资实在太低太低。

16年10月，从转行数据分析，还是考二线城市的公务员两个选项中挣脱出来，最终没听父母的，选择了数据分析这个无底洞。 刚开始，我是查看拉勾网上的公司岗位招聘要求，然后才决定我需要准备什么知识。 当时拉勾网的广州数据分析师岗几乎都被我翻完了，总结了下需要做以下几点准备;

1. 统计学相关知识
2. excel的熟练使用，报表关联，数据透视等。
3. SQL语法，了解数据库知识。
4. python或则r，需要有建模能力。
5. 业务理解能力。
6. 项目经验

1，统计学相关知识：

先看了《商务经济与统计》第十二版，当时看起来真的蛮吃力的，自己定的目标，比如一天看一章，根本完成不了，断断续续看了接近两个月，才看到12章。也越发发现在职学习真的需要很大的毅力，并且上班时候总是有一个念头：好浪费时间啊。直到后面我又买了一本统计学书籍《深入浅出的统计学》。对比上本书，真的可读性高很多，书里的案例很生动，里面的题目也不会太难，学起来相当有成就感，很快就把整本书看完了。因此也爱上了这个系列的书籍，又购买了，深入浅出的数据分析和深入浅出的SQL。但发现这里两本有些啰嗦，并没有看完这两本书。

2，excel的熟练使用，报表关联，数据透视等:

以前做财务就是一个十足的表哥，一直对excel比较有信心，所以这方面我没有过多的复习。直到现在工作了，目前使用的是google.docs一个类excel工具，excel的公式也是能在这里使用，才发现自己的excel能力其实很弱。比如，我以前做财务写的公式是这样子的：

现在我写的公式是这样子的：

也是因为以前做财务的时候不用写有关业务逻辑的公式吧。还有表和表的关联也是个难点。推荐一下excel比较好的教程吧： https:// zhuanlan.zhihu.com/p/24 084300

3，SQL语法，了解数据库知识：

虽说买了深入浅出的SQL，因为记得当时已经是我4月份了，当时定目标是5月找到工作(虽然***8月才找到orz)，所以觉得看书太耗费时间了，直接看的是w3c的sql教程： http://www. w3school.com.cn/sql/ 。看完后直接动手做面试题： http:// blog.csdn.net/qaz13177_ 58_/article/details/5575711/ 。还要了解下SQL语法的顺序(很重要!)然后面试SQL的笔试题基本没啥问题了。反正面试时的笔试，印象中都会做。还有数据库的知识推荐很多人推荐的一本：《MYSQL必知必会》吧(然而我并没准备这方面知识，好像也不太影响。)

4，python或则r，需要有建模能力:

python和r，我选了python。单纯觉得python好听!面试了16家，其中只有3家公司是真正要求需要用到python或则r进行数据分析的，所以觉得这两门语言并不是必备项。当时看的书籍是pandas作者写的《利用python进行数据分析》至今工作后仍在温习，跟着代码打一遍，受益匪浅。

还有建模知识： 现在我越发怀疑数据分析所说的建模只是类似“漏斗模型”等等的业务模型，并非机器学习模型。 因为数据分析岗必须用到机器学习模型的岗位几乎没有。只是你懂机器学习是一个加分项，工作时多一个技术层面分析数据而已。不过当时的我并不知道这些啊，傻傻的也准备机器学习来;首推当然是吴恩达老师在coursea的课程《Machine Learning》然后是周志华老师的西瓜书(我只看了一点点。)当时接触了这些，我感觉机器学习好难好难，根本不可能在两三个月内了解完常用模型的原理。后来我就用野路子了：不去了解原理，只是去用机器学习python的包:sklearn!，至少我能用模型。Sklearn的学习当然是 http:// scikit-learn.org/stable /index.html

Sklearn的官方文档，写的很详细，也会推荐文献去让你学习原理，虽说是英文的，但你可以和我一样用谷歌浏览器把它翻译呀!

5，业务理解能力：

• 数据分析中的重中之重!无奈这方面实在没有很好的学习途径，结合自身面试的经历给大家一些小Tips吧。
• 做面试准备时，一定要去了解该公司的有哪些数据指标?这些指标是如何计算的?如何提高的?比如电商：如何提高复购率?或则运营的：有哪些常用的数据指标?答： https:// zhuanlan.zhihu.com/p/27 029515
• 需要了解一些流量统计的常用工具： Google Analytics;百度统计;百度指数等。
• 要会画思维导图，面试时有一道题印象很深：用思维导图预测广州10年后人口数量。
• 可以学学爬虫工具，面试时有被经常问到这样的问题：“你会用python?那你能帮我爬竞争对手的数据吗”。我:”…………………………….只会数据分析的常用库。”后来了解了几款爬虫工具，暂时已经能满足我爬数据的需求，不过我后续仍会去学习python爬虫的知识。

6，项目经验：

没有项目，凭什么一个转行人士说你懂数据分析?所以，我乖乖的去做项目了。可能你觉得一个转行人士哪有项目啊?实际上，想要有项目经验，真不难!我总结了有以下途径：

• 在网上下载数据进行分析： http://www. moojnn.com/data-market/ 筛选免费的数据就好!
• 自己爬数据进行分析，这就需要用到爬虫工具了(百度一搜很多的)。我复试时候爬了竞争对手的数据去预测价格，然后，我拿到的offer。
• 做比赛，类似于kaggle，天池，数据城堡等等都有算法竞赛。我自己是选了这条路，但是这需要机器学习的知识。

除了面试的准备，还想提醒大家需要避免的几个误区：

在知乎的数据分析版块已逛好久，越发觉得这版块营销味浓厚，也请大家带着怀疑的态度去看。有些营销味浓厚到已经影响我观看知乎的体验了。

为此，也和大家分享下零基础转行需要注意的几个误区，毕竟我(文科生)也是零基础过来的，说说我觉得有几个必须要注意的误区吧。

1， 数据分析岗大多数用不到python与r!机器学习更是用不到!

以我目前的工作为例，我用到的工具是google.docs(类excel工具)，和ppt.word.sql等等。而python和r是非必要工具，感觉像是简历中的加分项，当然我也认为数据分析需要必备掌握其的中一门，但是这并非求职中的必备项。机器学习就更不用说了，还是先理清自身公司数据的异常值，数据准确度，数据指标的逻辑等等吧。乱脏数据都没理清，谈何建模。若你想快速进入数据分析岗，python和r可以入岗之后学，专心做一两个项目出来才是关键!

2， 认为数据分析岗普遍工资很高!

在知乎文章看多了，觉得转行就有9K上万，现在想想也是醉了，感觉做到这个数字的人。应该有他的原因，但我认为如果条件和我相差不远的话，很难做到。在广州面试了两个礼拜，拿到的offer的工资都在4.5~6之间!然而这些岗位的招聘条件几乎都是6-1w。印象最深的是有个做邮件推广的公司，招聘时写着7.5-1.2，去到只有3.5(黑人问号??。虽说拿到不少面试邀请(16个拿了8个offer，都是小公司)但满意的真的很少很少，***找到心灰意冷的时候，终于拿到一个算是满意的offer。而我最满意的三个数据咨询公司都没有给我复试的机会。想起还有些难受。

3， 误认为数据挖掘岗就是数据分析岗!

面试时候就能强烈的感受到这两者的区别。

一般数据分析岗，招聘标题为：

• 数据运营。
• 数据分析师。
• 数据分析专员。
• 数据产品经理。等等

而招聘数据挖掘，标题：数据挖掘工程师。(算法工程师不算)

其中里面的要求更是十分不同，数据分析岗会偏向对业务的理解，学历大专往上。工具除了excel和sql,也会包括一些流量统计的工具，比如google analytics,百度统计，百度指数等。对编程要求比较少，只是加分项。数据挖掘岗，除业务理解对编程也有一定要求。机器学习必须了解，对工作经验也有要求。可以往下看我简历中的技能要求。我学习了python和机器学习并参加的算法比赛，这使我偏向数据挖掘方向，但我又不够资格得到数据挖掘岗的offer，只能找数据分析岗，那种低不成高不就的感觉，很是尴尬。

想说的都快说完了，感觉说了很多，又感觉没说什么，总感觉有一句很重要的没说，想了很久，终于想起，转行数据分析前，还是先问问自己一个问题： “喜欢对着数据吗?” 回答Yes的话，来不及解释了，数据的“火”车还没走，快上车!