這是老生常談的問題了，尤其是今年各行各業都不景氣的情況下，轉行資料分析的人空前的多，但是往往很多人都沒有基礎，因此對於這個行業望而卻步。

不過實話實說，30歲確實有點晚了，不過也不算太晚，資料分析看的不是你有沒有基礎，而是你有沒有實際的業務經驗，這才是你最大的財富。

首先我先要說一句，轉行這件事需要謹慎再謹慎！我只能提一些建議，但是自己還是要考慮清楚，資料分析已經不是以前那麼火了。

你的優勢？

相信你如果30歲之前做的工作不算太差，那你手中的業務經驗應該是遠超一般資料分析者的，這算是一點優勢吧。

因為對於資料分析這個行業來說，技術真的不是最重要的（雖然說技術做到頭還是非常難的，因為資料的坑縱深很大），但是相比之下，業務更重要，再牛逼的技術，如果沒有業務的賦能，就基本上是形同虛設。

企業想要實現盈利是要透過業務來增長的，投入就要有回報，所以資料分析一般需要對業務理解有著很高的要求，業務賦能的價值是非常大的，這東西不是簡簡單單學幾個語言就能有的。

而且，業務分析的價值是要繫結在行業上的，你所在行業的發展越好，你所積累的價值就是越大的，你每一次分析的經驗就會不斷增值，這可不是那種青春飯能帶來的。

上面說的是業務的重要性，下一步就是如何將業務經驗落地到資料分析上。

如何擴大你的優勢？

你需要做下面這四件事情：

1、吃透業務分析需求

所謂吃透分析需求，就是對業務的需求進行深入理解，一方面是看需求是否合理，另一方面是對需求的全面思考。

先想清楚，業務的需求真的需要解決嗎？真的重要嗎？真的能實現嗎？真的有價值嗎？所以要對業務提出的需求進行深度挖掘，直到這個需求真的對其有價值。

其次，業務的需求往往是某個具體問題，零散而片面，所以我們要進行系統化的、全面的需求分析，從全域性的角度引導業務分析的需求。

2、建立分析體系

確定分析指標：首先是指標先行，梳理出你需要的指標，建立起指標庫，原則是要確定核心指標、剔除虛榮指標、儘可能簡化指標；

生成需求指標：很多指標可能並不是直接就有的，比如重度訪問使用者的佔比，就需要組合訪問時長和UV這兩個指標，形成一個新指標。

建立分析框架：原則是要從指標的角度出發、從業務的角度出發、從流程的角度出發。

選擇合理工具：一般分析體系都需要在資料分析工具中呈現，常用的就是各種BI工具，比如FineBI、Tableau等等。

3、瞭解業務邏輯

把分析體系搭建起來後，與業務部門一碰撞，發現還是不能完全滿足需求。這種問題，本質上業務邏輯卻是，由三部分構成：

假設：業務方對問題的猜想。

證據：能支撐猜想的論據，包括資料、事實、邏輯推理等。

結論：基於假設+證據，論證產生的業務結論

當明確了分析什麼樣的指標、滿足業務什麼樣的需求後，我們就要考慮整個業務的模式和邏輯，要關注使用者角色、運營角色、資訊、渠道等，以及他們之間的流轉關係，以求用最高效的方式滿足戶需求。

4、分析結論和成果要有明確的業務指向

業務人員看你的分析結論，是要能夠馬上採取對應行動的，這才是資料分析的根本目的。因此你的分析結論切勿羅列資料結果，一定要有明確的指向性。

就拿報表需求來說，你的報表分析沒有任何的邏輯，沒有回答業務的疑問，沒有加入業務的思考，就完全是一張廢紙而已，業務想要的其實只有一句話：“我該怎麼辦？”

所以，做資料分析，要從具體問題出發，到一個指向業務的行動結束。想要超出業務期望，當然得了解具體業務期望是什麼，解答他們的問題，幫他們發現更深層的問題。

你需要做什麼？

上面只是你的優勢，你的劣勢就是你的資料分析基礎約等於0，所以你需要做這麼幾件事：

1、認清行業

我認識很多人都是想要轉行資料分析的，有的人是從事傳統行業的，有的是做財務銷售這些的。

首先要明白核心的一點，資料分析技能現在已經變成了通用技能，無論是是不是想要做資料分析師，都應該具備，在企業的產品、運營等崗位上是非常有幫助的。

其次，我們再說要準備什麼，首先就是選擇一個行業，先理解自己所在行業的商業模式，明白流量資料的真正關係，明白商業模式是如何透過資料拆解來體現的，然後規劃你在這個行業裡的職業發展路線。

2、準備一些必要的東西

簡單來說，目前資料分析所需要的幾個硬要求：學歷、專業、經驗、技能

資料分析對學歷專業要求真得不高，但是金融行業對學歷卡的比較死努力提高自己的專業水平，這是硬槓槓，需要去學習一些資料分析的基礎能力經驗這塊確實非常關鍵，但一些初級崗也是願意接收一些轉行人士的，但恐怕不適合你技能的話不等同於能力，而是說學個BI工具或者學個語言之類的

3、學習一些必備的知識

瞭解統計學相關知識：百分位數，箱線圖，標準差，皮爾遜相關係數，貝葉斯定理，正態分佈，卡方分佈，假設檢驗等。初步瞭解運營資料指標渠道轉化率：PV 、UV、留存率、流失率、復購率、GMV等，瞭解google analytics、百度指數等網站分析工具熟悉SQL語法：比如Mysql資料庫熟悉python資料分析常用庫，或者是學習一個BI工具，finebi、tableau這種熟悉office軟體：精通excel，常用函式與資料透視表等初步瞭解機器學習常用模型：決策樹、RF、聚類等，能夠手推最小二乘法

以上，就是我對想要轉行資料分析行業的所有建議，最後再次提醒：轉行需謹慎，謹慎再謹慎！

俗話說，跳槽窮3月，跨行窮3年，不管是跳槽還是跨行都要謹慎，三思而後行！

我覺得，你可以從以下三個角度去分析：

一、你選擇改行大資料分析的出發點是什麼？

你是出於這個職業比較有發展前景嗎？如果是，我支援你的選擇，職業規劃本身要看重中長期價值。

還是說看到這個職業薪資高，想去挑戰一下自己？出於這樣的目的，我不建議你這麼做，其實任何一個職業都有高工資的，無非有人做的平庸，有人做到了極致。與其跳到一個可能陌生的職業，還不如在現有的領域深耕打磨自己的技術，經驗。

或者是你不喜歡現在的職業方向了，想嘗試一下新鮮的事物？興趣是維持工作激情的催化劑，我們出現了職業倦怠，嘗試新的職業方向是一個好的想法，建議最好能與原來的職業方向相輔相成，對你的職業長遠發展會更有利。

二、以前的工作是否和大資料分析有關聯性？

我們重新選擇賽道也是要有所側重的，主要看我們以前的工作經驗，掌握的技術，擁有的社會資源，是不是還能在新的行業或者職業上發生一定的作用。這對於你快速過渡到新的職業，起至關重要的作用，所以，在選擇職業方向上不能任性，要理性。

如果你選的方向和以前的工作偏離太遠，那意味著你要從0開始，30歲這樣的年齡，不管是學習能力，創造能力相對於剛畢業或者畢業沒幾年的職場新人來說，都是沒有優勢的，特別對於大資料分析這種偏技術的職業。同樣是沒有經驗，你比他們成本更高，公司肯定更傾向於要新人，你是沒有多少優勢的。

三、你是否做好了充分準備？

凡事預則立，不預則廢。

首先，在心理上，你要做好經受各種可能的挫折和挑戰的準備，不要想當然，否則真的碰到難題，就可能堅持不下去了。

其次，你要想好，換一個職業你的收入是否能否支撐各種貸款，各種消費，是否有足夠的存糧，讓你有足夠的安全感去放手拼搏。

最後，如果失敗了，怎麼辦？最好給自己留一條好的退路，可以把機會成本降到最低。

30歲轉行做大資料分析師為時不晚，但是我不建議大家盲目轉行。為什麼這麼說？30歲正值人生的關鍵時期，如果工作正出於上升期或者比較穩定的狀態，一般不會輕易轉行，因為轉行的風險比較大。當然如果你已經下定決心轉行大資料分析師，那麼一定要提前預判各種困難出現的可能性，同時制定詳盡完備的學習提升計劃，為達成目標放手一搏。