转行数据分析，苦战10个月，一把心酸、一把泪，值吗？

标签：贝叶斯公式   多少   uda   变化   知乎   找工作   简单   意义   两种   

不要等到一切就绪再找工作

虽然这篇文章的核心是讲准备，但这里要给大家的第一个建议是，不要试图等到一切准备就绪再找工作。相信一定有小伙伴跟笔者曾经一样，希望能够完成数据分析课程的学习，对数据分析的知识掌握的比较熟练之后再开始找工作。但是，这个想法是不对的。

首先，数据分析是一个涉及知识面很广的职业方向，数学基础、分析思维、python、R、数据库、大数据处理框架、数据可视化等等，这每一个方面展开来说都是一个非常庞大的课程体系，没有人敢断言自己能在所有这些方面有“充分”的了解，事实上这也是不必要的。即使对于工作经验非常丰富的数据分析师来说，依然会有许多知识和技能是欠缺的，是需要持续充电的，但是这并不妨碍他们可以成为一名合格的甚至是优秀的数据分析师。

其次，每年的3、4月份正是各大企业招聘的黄金时期，在这个时候会涌现出大量的岗位需求，包括数据分析师。并且，由于需求的突然涌现，一般都会带来一定程度的供不应求的状态，企业也会根据需求的紧急程度来适当调整入职门槛。这对于准备转行的小伙伴们来说，是个非常好的切入时机。 所以，当下，立刻，开始尝试去找一份数据分析的工作！

哈哈

如果你也苦恼于转行求职数据分析类岗位，不知道如何下手？小编给你推荐我下资源分享qq群：458345782，python，大数据学习资源免费分享给你，希望对大家有帮助。

不要等到一切就绪

白

1

抓住机会

什么条件下比较有把握找到工作？

虽然说不要等到一切就绪再找工作，但如果能提前做好一些准备必然能大大提高job hunting的命中率。毕竟，机会是给有准备的人。我主要从知识积累和求职准备两个方面来说。

知识积累

相信大多数准备转行的小伙伴都已经通过各种途径、方法开始自己的学习，也一定会发现，数据分析这个职业方向根本是个“巨坑”，需要掌握的知识技能简直数不胜数。对于新手来说，面对诸多需要学习的内容很容易出现遥遥无期的无力感，或者迷失在知识的海洋中，渐渐偏离了自己的初衷。

笔者结合自身的学习、面试经验做了一个整理，对于新手来说，掌握以下知识/技能，就足以找到一份初阶的数据分析师（注意，不是数据专员，这两者是有区别的，找工作的小伙伴切记仔细分辨）的工作：

1

统计基础

2

分析理论

3

Excel

4

SQL

5

R

6

Python

仅仅知道要学什么是不够的，还需要知道学到什么程度才是合适的，这其实才是广大新手村小伙伴最大的困惑！按照笔者的看法，以上每项技能/知识应当掌握的程度如下：

我把每个技能的熟练程度划分为5个等级，依次分别是：1、了解基本概念；2、知道基本理论/会简单操作；3、熟知原理/熟练操作；4、数学、逻辑论证/灵活应用；5、精通、专家/能改进、优化。

对于入门者来说，上面这几个知识领域大多只需要掌握2-3的熟练程度即可。

统计基础是每个人都必须掌握的，自然是学的越深入越好，不过对于基础比较差的伙伴来说，也不必太过苛求，大约掌握信息图形化、条件概率、贝叶斯公式、相关与独立、几何分布、二项分布、泊松分布、正态分布、统计抽样、估计、置信区间、假设检验这些，就差不多了。《深入浅出统计学》是一本不错的入门书，但是仅有这一本是不够的，请务必找一本更具严谨性和系统性的教材结合使用。

分析理论也是个绕不开的问题，尤其对于很多自学的伙伴来说，这一块可能比较容易疏忽。笔者作为新手，对这部分内容其实也不熟悉，能给出的建议不多。

大多数企业的内部数据存储在传统的关系型数据库中，作为分析师不可避免的要和数据库打交道，那么SQL是数据分析必备的技能了。好在SQL语言本身非常的简单易学。笔者认为只要会写简单的查询、存储过程就可以了，推荐大家买一本《SQL必知必会》放在手边，随时翻看。

R语言和Python语言应该是当前数据分析领域的双雄了，R语言支持者众多，相关库包极为丰富；Python则胜在灵活易用，通用性更加广泛。在网上，关于这两种语言的争论也从未止息。笔者建议初学者要对这两种语言都有所了解，但选择其中一项作为自己的主力语言。对于R语言来说，学会其命令行用法、掌握基本的数据分析库包（tidyr,dplyr,ggplot2)即可；对于Python语言，需要掌握其基本语法、函数和相关库包（numpy, pandas, matplotlib, sklearn)。

可能很多伙伴（包括笔者在内）经过一段时间学习以后，会对Excel这样一个工具不屑一顾，认为这是个非常低端的工具，完全不如R或者Python一般酷炫。但其实完全不该有此想法。笔者曾爬取拉钩网上数据分析这个岗位的信息并做过统计分析，在整个就业市场上，数据分析岗位对Excel技能的需求量非常之大，见下图：

可以看到，除了SQL之外，Excel是数据分析岗位要求频率最高的技能。好在，这个神器其实是非常简单易学的，并且网络上存在海量的各种教程和教材，随处可得。笔者认为只要学会常见函数的使用、各类基础图表的制作以及数据透视就能满足大部分需求。推荐大家买一本《谁说菜鸟不懂数据分析》放在手边，学习疲惫之余拿出来当故事书看看。

机器学习这一块其实应该算是数据分析岗位的加分项，不一定是必须的，看具体岗位。但是现在越来越多公司的数据分析岗要求对机器学习有一定的认知，笔者认为，关于机器学习算法，能够熟悉常见算法的基本原理、了解其用途和优缺点即可。比如：分类算法里的贝叶斯、决策树、随机森林；回归算法里的线性回归、Adaboost回归；聚类算法里的K-means算法等。另外了解一下用于降维的PCA等。

以上就是笔者认为做为初阶的数据分析师大概需要的知识储备，这些仅是个人经验，不是普适的标准。每个人的情况不同，每个岗位的情况需求也不同，大家还是需要根据自己的实际情况来认真思考，安排好自己的学习方向和计划。

求职准备

除了知识积累之外，求职前的准备也非常重要，可以说是最关键的部分。主要包括：项目经历，简历准备，心态准备。

先说说项目经历吧。当前几乎所有企业招聘时都要求有相关工作经验，而这个是转行的小伙伴们的死穴，简直无解。为了让HR相信我们能够胜任这份工作，我们必须拿出充分的证据来，在没有相关工作经验的前提下，找一些可以个人完成的项目来做就是唯一的选择了。

准备两到三个实际项目，能够极大的提高HR对你的兴趣，从而提高面试频率和通过概率。拿笔主自己来说，在找工作之前完成了两个实际的项目并形成了报告，其中一个项目被Udacity的知乎账号付费转载（可见：数据分析师挣多少钱？“黑”了招聘网站告诉你！）。正是在这个项目中很好的体现了数据分析的基本技能、方法和思路，所以吸引了HR的注意，并且最终打动了面试官。所以，在找工作之前准备几个实际的项目经验，对提高成功率帮助很大。

项目的来源很多，可以是工作中遇到的实际问题，也可以是学习过程中的练习作品，还可以是从类似于Kaggle这样的竞赛网站上找来的课题。当然，项目本身越靠近实际工作越好，这样会比较接地气。笔主当时工作方向和数据分析几乎没有关系，所以找了些自己感兴趣的问题和学习中的练习作品写入简历，当时打动面试官的项目是：拉勾网数据分析岗位分析。面试官坦言这个项目做的很接地气，而且虽然没有相关分析经验，但是从项目中能看出分析思路是非常成熟清晰的，很不错。

简历准备

写简历的重要性就不言而喻了。一直以来，怎样算是一份好简历，如何写好一份好简历，都是HR和所有求职者津津乐道的话题。笔者这一块其实并没太多经验，也曾因为丑陋的简历而屡屡碰壁。幸而偶然中认识同样转行的小伙伴

@凌岸，他介绍我去看陈文老师的求职攻略课程，并且非常耐心的指导我该如何改简历。当晚我就对简历进行了一次大改。从自己实际的体验来看，简历修改之前，投了数百份简历，可是面试邀请寥寥无几。简历修改之后的第二天，投了16份简历，就收到了3个面试邀约，前后的差异之大简直震撼。所以，简历准备这块不展开讲了，建议大家去听听看陈文老师的课程：求职必胜，提升面试成功率靠谱攻略 - 天善智能-商业智能和大数据在线社区，用心创造价值

心态准备

其实，心态的准备并不仅仅是求职前的工作，对于要转行的小伙伴来说，这其实从下定决心的那一刻就已经开始了。

对于很多小伙伴来说，心态上最大的障碍可能是怀疑。放弃原行业数年的工作经验是否值得？数据分析的职业前景到底如何？面对数据分析庞大的知识系统，自己是否真的可以掌握并找到工作？凡此种种。这些想法如同心魔一般时涌时现，挥之不去抹之不平，不断的在动摇我们转行的决心和学习的信念。

笔者也曾无数次的摇摆不定，也曾一遍遍的质疑自己转行的决定，也曾怀疑自己对未来的判断。直到最终找到了工作，方才松了一口气，诸般心魔渐渐散去。其实秘诀只有一条：坚持。行动上坚持，心态上接纳。没有人能够对未来有明确的判断，人每一次的选择都不可能保证是对的，所以产生疑虑是非常正常的。要学会和疑虑共处，在杂念丛生的同时，持续学习和改变。有一个理念非常关键，那就是要坚信：主动拥抱变化，永远比被动接受变化更有意义。不管是因为什么决定转行，都一定是对原先的工作不满，带着不满的工作势必无法长久也很难提高。与其在不满的岗位上空耗下去，白白蹉跎了时光，不如果断转身给自己一个新的开始。

心态上的第二个障碍，可能是气馁。当学习进入瓶颈、当项目毫无头绪、当找工作处处碰壁的时候，挫败和气馁的情绪便会油然而现，慢慢的打磨我们的斗志，消磨信心。这个时候，学会对自己宽容是非常重要的。要明白，自己不是天才，在学习中遇到困难、找工作时被拒绝、甚至被HR轻视和刁难都是非常正常的。这是我们选择改变所必然要面对的情景。这并不意味着自己不行，不代表自己不合适，相反，这些都是提高和改进的机会。另外可以想一想，很多统计学、数学、计算机科学专业的学生，大学经过4年的学习之后还要经过残酷的竞争才能找到一份数据分析师的工作。而对于转行的同学来说，大多数人可能计划在1年之内完成知识的积累并找到工作。我们期望用更短的时间实现相同的工作目标，自然会遇到更多的困难和更大的挫折。而如果能够克服困难挺过去，不是说明我们可能比职业选手更厉害吗？不是吗？

最后要说说耐心。有句老话叫：尽人事，听天命。运气这种东西确实时常捉弄人，飘摇不定无法把握。所以可能即便准备的非常充分，还是找不到工作。这时候未必是自己出了问题，可能仅仅是命运女神还没有眷顾。对自己多点耐心，保持乐观、保持信心，随时准备好应对面试、应对HR的挑战。即便单从概率来算，好运气也迟早会光顾的。这里改一句话：机会是给所有人的，提前做好准备，你就比别人更容易抓到它。

结语

人生就是一连串的选择，年纪越大，每一步的选择就越困难。但是不管在任何阶段，敢于改变、敢于突破自己的人都是值得敬佩的。我相信所有有勇气、有毅力做出改变的人，都比别人有更多成功的可能。祝愿所有准备转行的伙伴都有好运气，也祝愿所有已经转行成功的伙伴迅速成长。

书单

统计基础

《深入浅出统计学》

《商务与经济统计（第12版）》

分析理论&Excel

《谁说菜鸟不会数据分析》

SQL

《SQL必知必会》

MySQL官方教程

R 语言

《Learning R》

《R语言实战》

Python语言

随便一本入门教材

+

《利用Python进行数据分析》

《Python科学计算》

Python除了最基本的语法和数据结构之外

最重要的是Numpy, Pandas, matplotlib,

Seaborn, scikit-learn这几个库包。

看书只能了解一小部分，

更多的是要读官方文档。

如果你也苦恼于转行求职数据分析类岗位，不知道如何下手？小编给你推荐我下资源分享qq群：458345782，python，大数据学习资源免费分享给你，希望对大家有帮助。

转行数据分析，苦战10个月，一把心酸、一把泪，值吗？

标签：贝叶斯公式   多少   uda   变化   知乎   找工作   简单   意义   两种   

原文地址：http://blog.51cto.com/14042734/2321428