30歲，放棄國企穩定的工作，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。

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計匯總的問題。

以上這些是我幫忙不同部門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：需要學習一些統計學基礎

統計學分為描述統計學和推斷統計學。描述統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。推斷統計學是根據樣本數據推斷總體數據特征。

1.描述統計分析

描述統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. 推論統計分析

推論統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！