从化学实验室到数据分析师，月薪翻倍后的转行

从一名化学专业的学生蜕变为一位互联网大厂数据分析师，我花了三年时间。

写这篇文章的首要目的是对自己三年工作经历的复盘和总结；其次是将自己的这段经历分享给想要跳槽从事数据分析的朋友，希望能给你一点点帮助和启发。

大学即将结束的那段日子特别迷茫，不知道以后要干什么，于是各种投简历找工作，什么京东方、恒大、立白、蓝月亮呀投了一大堆，最后做了一个让自己都很意外的决定： 去一家制造公司的供应链搞质量管理（工厂）。

在我看来那是个相当危险的地方，因为新闻上老是报道工厂爆炸火灾之类的；最后，我还是去了，可能是意识到那个时候没有钱才是最危险的。然而，事实证明金钱始终是解决不了迷茫的，能解决迷茫只有更多的金钱。

目标有了，怎么干？干什么能挣很多钱，还可以不用在工厂？后来在朋友建议下开始对数据行业进行了解，花了几周时间做调研(主要是百度)，得出的结论是：值得干，但是会很辛苦。

数据有3个方向：

（1）数据分析，结合业务产出决策和建议，对数据技术知识要求相对较低，相对容易一些，也是很多跳槽者的首选；

（2）数据挖掘，掌握深度的数据处理技术、数学模型，对数据进行深度的挖掘，提取有价值信息，混好了可以整个某某专家玩玩；

（3）数据开发，就是开发喽，搭建公司的数据仓库，数据平台，JAVA、Hadoop、Hive，了解下先。

果不其然，我选择了一条比较成熟的路线——数据分析。

去网上搜如何学习数据分析，答案没有一百也有八十，但是信息多且杂反而让人无从下手，比如下面的工具和理论，就让人头疼：

| 工具篇 |

阶段一：数据整合

1、EXCEL

推荐指数：????????

学习难易度：??????????

界面友好度：??????

使用场景：几乎所有非技术部门都能用

建立数据报表；画图，做PPT；进行数据计算；简单的模型（excel内置了一些）。但数据处理量太小，大量的数据，得上sql。

适用岗位：所有业务部门的分析，销售分析、数据运营、商业分析、经营分析、HR、财务、咨询顾问...

功能特点：数据查询、数据计算、数据可视化

一句话点评：最通用的办公软件，易上手，功能齐全，对可操作数据量有限制

2、SQL

推荐指数：??????????

学习难易度：????????

界面友好度：????????

使用场景：查询数据、数据计算、实现基于数据查询的算法

适用岗位：几乎所有数据分析岗位，必备能力

功能特点：数据查询、数据计算

一句话点评：关系型数据库管理最常用的语言，学习成本低，而且每个不同数据库（MYSQL ,PGSQL）语法标准类似，非常通用。

阶段二：数据可视化

1、Tableau

界面友好度：??????????

适用岗位：可视化探索，将图表动态呈现

适用岗位：商业分析师、BI工程师

功能特点：数据可视化

一句话点评：当下数据可视化软件最全面的工具，交互体验非常好,非常适合可视化探索分析

阶段三：数据分析

1、Python

使用场景：数据分析界当红炸子鸡，大量现成的数据分析模块，数据挖掘模块可以调用，能适应从爬虫，到可视化，到数据计算，到建模的全部工作

适用岗位：数据分析、数据建模、数据挖掘工程师

功能特点：数据计算、数据建模

一句话点评：数据科学家最常用的编程语言，由于功能全面，而且速度快，渐渐成为最常用机器学习工具

| 理论篇 |

一、业务思维 | 重要程度：??????????

看了上面的数据分析工具介绍，你可能会觉得数据分析师亦不过如此。这么想那你就错了，工具是面子，思维和理论才是里子，决定一个数据分析师水平高低的不是对工具的使用，而是基于对业务的分析与洞察，产出高价值的决策。如果没有内功，即便你把数据绘出一朵花来它就是堆数据，学会让数据“说话”。

二、统计学 | 重要程度：????

如果你大学的数学功底还在，这趴可以直接过，如果没有也没关系，站在面试的角度看，面试官几乎不会问，站在业务的角度看，对于一个入行的分析师来说，几乎用不到。但学了总是没有坏处的，可以买本统计学没事的时候翻一翻，掌握程度：中位数、众数、平均数、正态分布、假设检验、显著性、相关性、方差检验，了解概念就好了。

上一篇：重庆：“实验室经济”风正起
下一篇：没有了