“到 2020 年，企業基于大數據分析的支出，將突破 5000 億美元，大數據在未來四年內，能幫到全球企業賺取約 1.6 萬億美元的收入紅利?！薄獓H知名數據公司 IDC

有人說：站在風口上，豬都能飛起來。

尤其是互聯網行業，從APP開發、區塊鏈、物聯網、到人工智能、5G，整個大數據行業隨著海量數據的誕生仍在持續高速發展。

無論是企業還是個人來說，誰能在海量數據中找到突破口，就會成為行業的基石，發展前景不可估量。

然而對很多人來說，這些新興技術還只是個模糊的概念，總覺得離自己很遙遠。

根據UN中國商業聯合會數據分析專業委員會匯統計算，未來中國基礎性數據分析人才缺口將達到1400萬，而在BAT（百度、阿里、騰訊）企業招聘職位中60%以上是在招大數據方向的人才。

海量的數據帶來的可能是機遇也可能是累贅，這取決于能在龐大的數據量中淘到金的你。

數據分析師則是淘金者的利器，掌握了數據分析技能，就掌握了未來。

01

人才需求激增，薪資高

大數據浪潮的激流中，市場空間得到迅速釋放，企業對于大數據人才的需求也越來愈高，數據分析師則是這片翻騰浪花里的中流砥柱。

早在20世紀，數據分析崗就已運用到企業業務層中，“啤酒與尿布”的故事就是一個經典案例。

新時代下，數據分析發生飛躍式的升級，“大數據”推動起數據深度分析與挖掘的發展。

在行業規模暴增的環境下，大數據領域整體人才缺口大，平臺開發、大數據開發崗位需求量大。

數據分析師成為大數據時代的寵兒，需求占比超過四成。

時至今日，無論你是來自互聯網行業、通信行業，還是金融行業、服務業或是零售業，相信都不會對數據分析感到陌生。

根據拉鉤網、智聯招聘、51job、職友集等招聘網站數據統計，數據分析師行業崗位呈現以下特點:

·數據分析涉及多個行業

雖然數據分析師是在互聯網企業發展出來的，但是隨著大數據的發展，越來越多的傳統行業也認識到數據分析的重要性，賦予了更多數據分析師的職能。

·眾多企業，相關招聘崗位100000+

在招聘數據分析師的企業當中，你可以很容易看到知名互聯網公司、世界五百強的身影，并且需求量非常大。

·均薪突破12000，工作3-5年薪資不低于15000

崗位薪酬與工作經驗呈正相關，越老越值錢。

從目前的市場的供需關系來看，數據分析師仍然是熱門職業。

無論是你想成為專業的數據分析師，還是想提升職業的核心競爭力，數據分析技能都是你潛在的秘密武器。

02

準入門檻低，適合轉行

數據分析師是近幾年大數據環境下的新興崗位，在職的數據分析師大多都是轉行而來的；

一部分是傳統崗位上的數據專員或在工作當中經常與數據打交道的數據人，也有完全從零轉行的非數據人。

隨著數據分析師崗位越來越熱門，越來越多的人有轉行數據分析師的想法，有的已經在轉行數據分析師的路上，

但關于”轉行“還是存在非常多的疑問，在知乎中搜索數據分析師，比較熱門的話題有：

如何轉行數據分析師？應屆生如何自學？
想轉行做數據分析師，怎樣一個流程?
如何快速成為一個數據分析師？

大多數問題都圍繞著轉行、零基礎學習來展開，我們針對這些問題為大家解決以下幾個學習誤區：

·本專業與數據分析無關，轉行困難：錯！

轉行數據分析準入門檻不高，即使是偏技術的數據挖掘端，平時大多數時間也是在清洗數據，而不是你想象的在鼓搗AI。

如果從全局來看，數據分析師的技能可以概括為數學+編程。數學是大多數公共學科的必修基礎，而編程在現在來說已經是一項普遍的技能。

轉行不一定是100%改變，結合本專業的業務轉型是一條不錯的出路。

例如像管理、金融、工程等這些行業學科知識在數據分析師后期結合相關業務時更有優勢。

“成為數據分析師”對于數學、計算機類的同學來說，是一個成功率很高的目標，對于其他專業的同學來說，只是需要學習的更多一些。

只要你愿意在別人打游戲追劇逛街的時候，潛心學習相關知識，攻下“數據分析師”不在話下。

·零基礎，入門難：錯！

對于轉行的同學來說，零基礎是一個繞不過去的檻。優秀的數據分析師是不能速成的，但是零經驗也有零經驗的捷徑。

我們簡單的將“零基礎”的同學分為三種：

·有技術基礎（新手）

計算機相關專業；懂一門編程語言；會統計學知識。

·有業務基礎（小白）

在專業領域深耕，有一定的業務經驗。在專門的數據崗上工作的，很可能是同時具備技術和業務經驗的。

**·什么也不會（菜鳥）**真的什么也不會~

以上的三種同學，其實除了菜鳥，眾多新手和小白都算不上真正的零基礎。

新手在面對一門新的編程語言時更容易上手；職場人（小白）已經擁有了豐富的業務經驗，形成了一定的數據思維；菜鳥則需要在基礎上多下一點功夫。

但無論你處于哪一個層級，都需要做一件事：明確學習路徑。

學習一門技術之前，你應該知道，你想要達成的目標是什么樣的。也就是說，你想通過這門技術來解決哪些問題。

你就可以根據要達成的目標，完善自己的知識體系，明確一條清晰的學習路線，學習最有用的那部分知識，避免走彎路。

·知識點太多，學完一個板塊再學下一個：錯！

如果將數據分析的技能按”數據獲取-數據清洗-數據分析與可視化-數據報告“全流程展開。

那么涉及的知識點包括但不限于統計學、線性代數、python、SQL、MongDB、報告撰寫…

有些轉行的朋友一看到這么多知識點就直接摔門而棄了，也有些堅定的小伙伴勤勤懇懇地將知識點列出，并且進行非常體系的學習。

但是當學習了一段時間后回頭來看，前面的內容已經忘得差不多了。

其實，數據分析師雖然涉及的技能較多，但如果想快速上手，并完成一個數據分析師項目并不難。

你只需要對標每個流程的關鍵知識點，將這個部分的知識吃透，其它的技能可以在深入學習時再進行的對應的補充。

舉個例子：

一定要把python融會貫通才能進行數據分析嗎？

NO，python當中有numpy和pandas兩個重要的核心數據分析庫，你只要將這兩個庫的內容學會，就能夠完成80%以上的數據分析了。

03

對標企業，滿足職業技能需求

如果以職業為導向，要明確學習的路徑，最有效的方式就是根據具體的工作崗位，了解企業對技能的具體需求。

對標企業需求，以職業技能為目標的學習也許讓你更有動力。

我們從拉勾上找了一些最具有代表性的數據分析師職位信息，來看看薪資不菲的數據分析師，到底需要哪些技能。


總的來說，企業對于數據分析師職業的需求可以概括為以下幾個方面：

·數據處理能力

數據的存取、數據的清洗以及數據的展示，比如SQL，Python數據處理；

·數據分析能力

數據分析和軟件應用能力為主要需求，挖掘建模及算法能力成為數據分析師的標配；

·軟實力

報告撰寫與業務分析需求最為普遍，業務管理分析及匯報能力為主競爭力；

隨著數據增長，企業需要培養強大的數據分析團隊來支撐業務的增長。

從總體需求來看，企業更加需要具備工作經驗，且動手能力強、解決實際問題的分析人才。

不管是初級的還是經驗豐富的分析師，企業都要求求職者具有編程語言、數據庫、可視化工具等硬技能，也更注重邏輯思維、表達溝通、分析報告等軟實力。

如果您是以下幾種情況之一：

• 1、想了解更多有關大數據分析、數據挖掘、機器學習、人工智能領域內容的好學者；
• 2、職業遭遇瓶頸，想提升自己在數據分析或人工智能領域的硬件技能的在職人士；
• 3、尋求新出路、新突破，有意向轉行到數據分析行業或人工智能領域的求職人士；
• 4、對未來搖擺不定，有興趣想Python、數據分析、人工智能方向發展的在校大學生。