作为一名渴望能成功转行数据分析的人，你是否会有这些疑问：
“非本专业想转型做数据分析，有救吗？”
“数学不好，英语不好，想学数据分析，有救吗？”
“不懂数据分析师到底是干嘛的，还要坚持吗？”
别急，等看完了下面的内容，你就会有自己的答案。
转行数据分析是个老生常谈的话题，想要转行数据分析的人很多，其中有些人的工作和数据分析沾边，有的人工作和数据分析八竿子打不着，那是什么原因促使这群人聚在一起转行数据分析呢？大致的回答都是因为看好大数据的发展前景，并且薪酬待遇非常不错。
由于互联网的崛起，每天都会有大量的数据产生，“拍脑袋”做决策已经无法满足企业的需求，依靠数据分析进行科学决策才是实现一个好的决策的根本，这就催生了各种数据分析的需求。
那么，数据分析师到底需要拥有哪些技能？转行数据分析应该知道哪些？如何快速成为数据分析师？这是想要转行数据分析人的共同疑问。
本文针对想要转行数据分析的朋友，做出一些转行前应该了解的内容，让你从一开始就走上一条平滑，轻松的数据分析之路。
01
了解数据分析师
数据分析工作到底是做什么的？相信这是许多新人共同的疑问。
数据分析师在百度百科里的定义是指，在不同的行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。
数据分析师这个职位，不同的公司，不同的行业，对于它的理解和工作内容都有所不同，比如：
传统行业，数据分析师的工作重点是做行业报告；
小型企业由于人少，数据分析师做的工作比较繁杂，可能从数据采集和处理到数据产品搭建都属于数据分析师的工作；
大型互联网公司则对岗位划分比较明确，大部分时间都是在做产品和运营的分析工作，而数据处理等基础准备则是数据专员来做。
此外，大家还要关注一下不同公司对数据分析岗位的具体招聘要求，转行的最终目的也是为了就业，对标岗位要求，就能知道一个数据分析师到底在从事哪些工作。
02
需要哪些能力
软素质：是否对数据分析感兴趣，是否具有良好的自主学习能力与沟通表达能力。
兴趣是最好的老师！如果你对数据分析无感，在面对大量数据运算时感到头疼，那可能入门数据分析对你来说非常困难。
对于那些完全不了解数据分析的同学来说，转行需要重头学起，给自己留出一点时间，大概几个月，也不要贪多，扎扎实实地看书或去参加一些专门的数据分析师技能的培训课程，就能迅速掌握庞杂的知识体系与实战案例。
沟通表达能力不用多说，作为一名数据分析师，要将数据分析得到的结果进行可视化表达，与决策者进行有效沟通，利用数据分析结果进行有效决策，良好的沟通表达能力可以提高过程效率。
硬技能：了解数据库、数据仓库、数据采集，Excel、SQL，Python 等。
这里所列出来的硬技能是可以通过后期学习来具备的，所以初学者不用担心。数据分析之所以成为大数据方向的热门职位，就是因为它门槛很低，不需要任何基础就能学。
最后，为了更快、更好地转行成为数据分析师，你还需要做好以下准备工作：
积累某个行业的实战经验，数据驱动、精细化运营的经验、案例等；转行最好找个人带、有人指导；去认识做大数据这块的人，否则身边的人脉关系会不断否定你，打击你。
03
职业方向和成长路线
数据分析行业中岗位，大致分为四个方向：数据分析、数据挖掘、数据开发、数据产品。
1)数据分析师
从事数据采集、整理、分析，发现问题，分析问题，得出结论，为公司的决策层提供数据支持。
2)数据挖掘工程师/算法工程师
利用模型训练数据，从海量数据中挖掘规律，预测或分类对象，对统计理论知识要求偏高。
3)数据开发工程师
设计、搭建并维护基础设施，以提供数据收集、存储、处理、计算等平台。偏代码开发，需要在代码能力上弥补，但与纯技术栈的程序员相比需要一定的大数据思维逻辑。
4)数据产品经理
主要负责以数据为导向提炼需求、设计、规划、项目排期至项目落地，以及后期的产品改进和优化等。
根据不同的工作经验，数据分析师的工作内容也会有所不同：
工作1—3年：提出一个企业面临的问题，可以用数据进行回答，并能保证合理的数据结构、与处理问题的关联度，以及，数据是对的。
工作3—5年：有能力独立完成高质量的数据分析报告，如产品规划、市场活动等，可以cover住从前期规划到中期细节完善再到后期评价分析的整个过程。
工作5年以上：独当一面的分析师，可以负责一个子产品(一组模块)级别的项目，带领一个团队来全面解决问题，把控手下数据分析师的工作质量。技术方面，能掌控数据分析的整个过程，对数据采集、埋点、造型、进入数据仓库的清洗有良好的手段。可以回答数据能够回答的任何问题。在这里，能与不能的定义边界是，数据分析师用尽了 所有可以想到的办法。
04
技能学习
数据分析师需要具备的知识包括概率统计、数据库基本操作、一定的数据分析知识，再深入一点，还会涉及到初级的机器学习知识。
以python为例，你需要逐步了解这些核心技能：概率统计知识、Python基础与网络爬虫、SQL数据库知识、利用Python进行数据分析和可视化、机器学习基础。
为什么用python来举例，如果必须要学习一门数据分析的编程语言，那我首推python，不仅是因为Python在数据分析领域非常流行，特别是在数据挖掘和机器学习等方面，更因为python简单易用，非常容易上手。
05
心态历练
1)一定要用细心、耐心、和平静的心态去做数据分析。
数据分析是个细活，根据二八原则，其中数据的处理将占去数据分析中的八成时间，如果数据处理不当将影响接下来的分析，需要良好的心态减少犯错误的概率。
2)具有独立思考与换位思考的能力。
数据分析并不仅仅是为了完成一些业务上面的数据需求和论证。数据分析者应该在理解企业现有问题的基础上，要有自己独特的见解，扩大自己的思考范围，提升洞察力。同时要换位思考，从多角度看待数据和使用数据。不同的人，不同的角度看问题都能得到不同的效果。
网友评论