转行数据分析师，要做什么准备？
回答·20
最热
最新
- 首先建议在技能方面提升，Excel 就不说了，必须能够熟练操作，常用函数的嵌套、透视表的数据提炼等，这些是必须掌握的。第二要学会使用数据库，建议学 sql，简单易上手，对于新手比较友好，建议以查询语言学习为主，数据库的使用能让数据分析工作效率事半功倍。如果还有时间的话，学一到两种编程语言吧，Python 和 R 都行，学会后你会发现数据分析的思路可以拓宽很多，以前你想都不敢想的工作效率都可以体现出来。另外还要就是数据可视化的工具使用，例如 powerBI、帆软等，这个学起来不难，能快速上手，但必须掌握。 我之所以建议将技能学习放在前面，是因为哪怕是你是分析思路再强，行业经验再丰富，都无法快速的实现或达成数据分析的需求，对于转行新手而言，时间很重要，必须通过技能学习拿到行业的准入门槛，数据分析的行业门槛虽然不高但绝对不低，在跨过这个门槛后后面的路就会很宽了，另外在学习数据分析技能的同时，也可以快速的接触、丰富、补充数据分析思路、方法或行业经验，这样学习的效率也高一些。 最后是要多接触和多看看其他人数据分析报告，多关注一下需求部门的数据痛点（有时候需求部门并不是要求很高深或多全面的数据，只能能帮他们核算出一些他们想要的数据指标就 OK 了），多关注一下管理层都关心那些数据和指标（建议分析和思考管理层会议上的发言），要学会投其所好。
- 现在这个行业越来越火，很多人想要转行做数据分析。转行学数据分析师是可以的，但最好先去看一下招聘单位的工作内容，如果招聘要求懂 PPT、Excel 之类的就可以不要考虑了，因为这种通常招的是统计员，不是分析师，对你的职业道路不会有太大的帮助。如果要求会 Python、R 或者建模，你可以去尝试一下。可能别人不一定会要你，但如果你表现出足够的诚意和自学能力的话，依然有被录用的机会。 选数据分析还是数据挖掘？ 很多人觉得数据挖掘很厉害，但是一转行就跳到数据挖掘是不太可能的。数据挖掘要求比较深的代码功底。 怎么选公司 大公司当然是最好的。大公司一般走校招，如果你通过校招进了大公司，但是非核心的岗位，比如百度搜索方面的挖掘，当然是最好的，如果进入不了这样的岗位，不如去一些新发展起来的公司，比如美团、滴滴，这样的公司有一定的数据量，也会有一些比较强的人。 第三类公司是创业公司。如果是刚毕业最好不要选创业公司，风险比较大。你比较难以从表面上判断这家公司能不能存活下来，有没有牛人值得跟。而一些二线公司的业务骨干大多是从 BAT 过来的，具有比较丰富经验，跟着他们学习能让自己快速成长。
- 如果你想转行成为数据分析师，照做就行。 1 了解数据分析的基础知识：了解数据分析的基本概念、方法和工具，包括数据收集、数据清洗、数据可视化、统计分析等。你可以通过课程学习、书籍阅读或实践项目来学习这些知识。 2 掌握数据分析工具：熟练掌握至少一种数据分析工具，如 Excel、Python、R 或 SQL 等。这些工具可以帮助你进行数据操作和分析，提高工作效率。 3 学习数据挖掘和机器学习的基础知识：对于更高级的数据分析师职位，了解数据挖掘和机器学习的基本概念和方法是非常重要的。这些技术可以帮助你更好地挖掘和分析数据，提供更准确的预测和建议。 4 积累实践经验：通过实践项目或实习来积累数据分析的经验。这可以帮助你更好地理解数据分析的流程和方法，并提高你的技能和实践经验。 5 建立行业知识和业务理解：了解你所在行业的业务知识和背景，这可以帮助你更好地理解数据和业务问题，提供更准确的分析和建议。 6 准备简历和面试：准备好简历和面试，包括你的教育背景、工作经验、技能和项目经验等。这可以帮助你成功地申请数据分析师的职位。
- 一、知识储备 数据分析作为一门交叉学科，需要掌握多方面的知识。 数学与统计基础，数据分析是指运用统计方法和分析工具对大量数据进行分析，挖掘出其潜在规律及价值，为经营决策提供科学严谨的理性依据。其中当然离不开数学与统计学的知识，需要有微积分、线性代数、概率论与数理统计等相关的知识储备才行。 数据的存储便离不开使用数据库，需掌握SQL数据库语言在关系型数据库系统中进行增删改查等操作才行。数据分析的进阶需要会使用一门或多门编程语言，如Python和R，这将会使你的数据分析变得更加高效。如果需要的话可以学习常用的分类、回归、聚类和降维等的常用算法以及它们的优缺点和使用场景，这将是你转行进入公司的加分项哦。 二、行业分析 在学习数据分析的知识方面也不能落下对各个数据岗位的了解，接下来介绍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。 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。偏向于业务。数据挖掘工程师或者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，主要偏向编程和算法，对统计理论知识要求偏高。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业务逻辑。 三、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业务的基础上，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。 注意事项： 1、互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。 2、与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。 3、就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。 4、此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。
- 业务、技术、认知， 技术是门槛，SQL，基础的基础，Excel，帆软、tableau 业务：业务很重要，你得知道使用人那这个东西干啥 认知：认知决定高度，大佬和凡人从这里区分
- 想从事互联网，电商类的 刚起步还是想先往业务方向发展 但目前感觉转行的，之前没有工作经验的不太受欢迎
- 1、知道数据分析是做什么的 2、学会基本技能，如 sql，excel，python 等 3、分析完之后，要学会写分析报告 4、准备好分析案例，方便面试分享
- 准备一个脑子和足够的时间，还有迎接强烈挫败感的觉悟
- 1.判断自己是否适合，这取决于你的经历，离数据越近交集越多，越容易成功 2.学习工具主要是 excel,sql,bi 3.准备一到两个分析项目作品，以提高面试通过率
- 单看标题，个人认为基本技术（Excel、SQL）最为重要，毕竟那是门槛。 深入一点点，业务要精进，技术要补强。