0. 写在前面

凡事预则立，不预则废。

毕业已有2年，无论是学习还是工作，我比较喜欢提前规划，设定目标。虽然并不是每一次都可以如计划一样按部就班地实现每一个细节，但总归不会偏离大的方向，而且在执行计划的时候心里很踏实。因此，未雨绸缪在任何时候都很重要。

然而，工作的1年多时间里，我却时常陷入焦虑和迷茫。我的工作是完全专业对口的，工作之初，我对自己也是按阶段做了规划，对自己能够有一个施展的平台感到满足。但我所处的行业属于新能源、环保与金融交叉的领域，目前尚且处在起步之前的准备阶段，因此发展速度缓慢。工作内容的单一以及对行业发展前景的未知带给了我焦虑。我并没有对这个行业或这份工作失去兴趣，而是没办法继续承受这种等待——未知带给我的恐惧是令我焦虑的主因。

也是机缘巧合，我有幸参与到公司新三板挂牌的筹备工作中，并协助审计对投资收益（主要依据交易数据）进行核算。使用到的技能很简单，Excel函数。但对于当时的我来说，对Excel的函数并不能熟练使用，在高强度的工作中边学变用，最终实现了“速成”。正是这段经历，让我第一次近距离地接触到了数据分析，或许这种数据处理和分析过于简单，但却给了我指引。

1. 尝试改变

做正确的事比把事情做对更重要。

1.1 处境

一个人选择变动，原因往往不会是单一的。结合我的个人情况，如果继续留在这个行业当中，我将面临未来职业规划的窘境，仅仅是下一年的规划，我都无从想起；同时，经济和年龄的因素也带给我压力。思虑再三，我决定离职，先放空自己，再做打算。这是我的经历中少有的完全没有想法而且不知所措的阶段。

1.2 择业思路

一段时间的游山玩水把我的焦虑情绪完全抽空，我开始慎重考虑自己下一步的打算。我是典型的风险规避者，同时，我比较喜欢处理细节性的工作，而且我的学习能力尚可，这些都是我选择数据分析这条路时所考虑的因素。然而最终做出决定，是因为我对长期未知的排斥（虽然生活和工作中许多都是未知的，但长期的未知会令我手足无措）；而且，我喜欢客观性强的东西，比如由数据得出的结果我觉得是比较实在地；有具体可行的人才培养机制的公司，我觉得是踏实的，等。于是，我下定决心，进军数据分析行业。

这段经历让我深切地体会到“做正确的事比把事情做对更重要”。不以偏概全，仅以我个例而言，如果继续在原行业发展、深耕，或许有熬出头的日子；但结合我的个人情况，这个成本的确太高。不如把接下来的时间和经历，用在自己觉得正确又切实可行的地方，即便最后证明是错的，也需要证明的过程。

2. 迈出的第一步

2.1 准备

如果说自己是一件商品，那么我需要了解市场的需求，才能更好的塑造自己，“销售”给目标客户（企业）。因此我首先在各大招聘平台上了解和搜集“数据分析师”职位信息和职位要求，逐项列出与自身情况作比。总体列出以下条件和要求：

1. 技术层面：

   要求	内容	备注
   编程语言	Python / Java / C++ / C
   数据库	SQL
   分析工具	Python / R / SPSS / Tableau / SAS / Excel
   操作系统	GNU Linux / shell编程
   其他	Hadoop、Hive、Spark、MapReduce	以我现在的能力尚不足以将其分类

2. 工作年限：3-5年居多，1-3年偏少。

3. 学历：本科及以上。

4. 专业：以统计学、数学、运筹学、计算机居多，但专业限制程度较弱。

5. 其他：如“团队合作精神”、“主动思考”、“抗压力强”、“勤奋”、“严谨”、“良好的逻辑思维”、“较强的沟通表达能力”等。

我所欠缺的主要是“技术层面”和“工作年限”，“技术层面”我选择通过培训来弥补，“工作年限”我选择丰富项目经历来弥补。

2.2 培训

我的培训经历并不理想，主要原因是培训机构的良莠不齐以及太多老师和培训机构是只以利益为重的。于是我在学完Python基础之后中断了培训。

对于有没有必要接受培训这点，我想用一定的篇幅阐述我的观点。在知乎上和很多论坛的帖子中都看到了这样的描述：“培训效果不好、浪费时间也浪费钱”，“去培训的都是没有自控力的”，“学不学的好、是否能找到好工作要看个人”，等。我认为，是否选择培训应该结合个人的情况来看。我从以下几个方面来谈：

效率。作为对编程一无所知的人，仅仅通过看书或者用网络来学习，效果可能并不理想，因为细节无法把握，而且编程中存在的许多“坑”对初学者来说会耗费很多时间，甚至即便耗费很多时间都不得解。对于能够理清思路的人来说，自学无疑是一个很好的途径；而对于无法把握方向的人来讲，培训确实可以提高效率。

自控力。就我在培训机构学习的短暂经历而言，集中学习的确会有学习氛围，而且集体化管理也很大程度上管理了学员的惰性；但毕竟学习是自己的事，还是有很多人不听讲、缺勤等，所以无法一概而论。
指导性。培训机构的老师，无论是否负责，起码都遵从课程大纲来教授，是有一定线路的。他们教授的内容优先级和侧重点往往是很明确的，换句话说，教授的点大多具有很强的“功利性”，即工作时上手就可用。在这点上，自学或许会出现拎不清主线或者在学习的过程中出现“越学越多”的情况。

深度。并不是每个培训机构的讲师对“原理性解释”都讲的到位，甚至有的根本不讲原理，所幸我遇到的主讲师在原理讲解方面很负责任，会花大量篇幅来讲解其中的玄机。一位前端开发的朋友反复提醒我，让我在业余时间看一些原理性的书籍，对工作中问题的解决和与同行的交流大有裨益，我深记于心。总归，参加培训机构可能抓住了“快准狠”，但缺少了太多积累和沉淀，也省略了太多铺垫，这里反而就体现了自学的特点：由于缺乏对主线的精准把握，会多看很多相关内容，虽然效率上可能不及参加培训，但内容上或许会比参加培训更多。

责任心。有一点我坚信，自己永远是对自己最负责任的人。在培训机构的经历令我对责任心这点大失所望，以至于出现了进度不同但要合并班级的不当决策、讲师的频繁请假等现象。并非所有的机构和讲师都没有责任心，正如并非所有人都愿意对自己的行为负责一样。
总体说来，我在培训中理清了接下来学习的大的思路，也初步认识了编程是怎么回事，并且具备了一定的编程能力，这对我接下来的规划很有帮助。

2.3 “从师”的重要性

得益于培训期间我的两位讲师对我的指导，令我对数据分析的编程部分消除了畏惧，也知道接下来该如何继续学习。那么我所欠缺的另一部分就是“工作经验”，更准确的说是“项目经验”，因为我的工作经验实则不足2年，也无法改变，但项目经验却是可以丰富的。于是我开始在这方面寻求资源。

我所了解的积累项目的途径有Kaggle竞赛、实验楼做实验。但对于我个人而言，Kaggle的入门还是有一定壁垒的，而实验楼虽然有丰富的实验项目，但都以文本的方式进行指导，我觉得还是不够直观，毕竟自己从未做过项目。在知乎上看到了数据分析社群，有一定的学习指导，同时每一阶段会有项目实践，我觉得比较符合我的个人需求（我不喜欢盲从，比较倾向结合个人情况做选择），于是加入了社群。

于我而言，有“前辈”或者“老师”指引，辅之以自学努力是非常高效的学习方法。而“前辈”或“老师”无论是通过何种方式结识，能对自己有帮助和指导，就是不错的选择。

3. 规划

目标钉在钢板上，计划写在沙滩上。

上图是我对接下来数据分析学习简要的计划和实现方式。当然，这阶段的最终目标只有一个：找到自己满意的工作！这个目标是钉在钢板上的，坚持不动摇。而所谓的“计划写在沙滩上”，并不是在鼓吹朝令夕改，而是说随着自己学习的进度，要有选择的进行调整和改变，因此上述的实现方式和完成天数并不一定准确。革命靠自觉，期待春季的丰收！