結合我自己10年資料分析經驗和很多想轉行資料分析的人交流的經驗發現，想轉行資料分析的人一種是剛畢業但是非資料相關專業的同學，另一種是在自己的業務領域做過多年工作5年左右及以上，然後想重新轉行資料分析，也就是題主相似的29歲開始想轉行做資料分析，那到底晚不晚呢？

首先，我想說如果沒有任何程式設計基礎的同學想轉行資料分析重頭開始自學，或者參加一些python培訓機構或者其它機構來補充自己程式碼技能上的短板，我是不建議的，為什麼，因為，這些東西基礎程式碼學習很簡單，但是對於程式碼相關比如SQL資料庫底層的思維和經驗是短時間無法瞭解的，轉行進來很難發揮這方便的價值。

其次，我建議如果有對應的行業經驗的同學，一定要結合過去的經驗，即使轉行資料分析師，也要是在自己熟悉的領域內，不建議重新跳入一個新的領域，比如你是物流行業，突然轉入網際網路行業，或者教育行業突然轉入金融行業。

最後，我想說建立自己程式碼不足，經驗豐富的基礎上，建議一定要找諮詢和產品和解決方案相關的崗位，基礎的底層技術只要瞭解就可以，然後就可以對你諮詢和產品有很大的幫組，也能很好的服務好客戶。

舉例：我前幾天和一個銀行的同事聊，想轉行資料分析領域，就建議不要過重的看重程式碼學習，更多的是利用過去的金融行業經驗，透過轉入新的公司或者走上資料分析師崗位後，利用行業經驗洞察找出行業痛點，然後結合技術方案，輸出有價值的解決方案，推動產品落地賦能公司價值。

只要你想學，什麼時候都不晚。

大資料、人工智慧是以後技術發展趨勢，能早點轉就早點進入這個行業。

蘭智數加學院，專注於大資料，可以瞭解下。

有志者事竟成，當你認為為時已晚的時候，恰恰是你最應該開始的時候。重要的是執行力，馬上行動起來，每天規定自己學習一點。大資料也算是當下熱門技術，技術真學好了年齡都不是事兒。

科技行業無所謂入門遲早問題，現代科技日新月異，想要跟上時代的步伐，必須不斷的學習。老舊的技術有的時候非但不會成為資本，更有可能成為一種負擔。所以乘著滿腔熱血，全身心投入進去，必然可以收穫滿滿的成就感。祝你成功。

這個是完全可以的，如果你真的對這個領域很感興趣，完全可以轉行做這個，我自己就是做這個相關工作的。

其實這個行業的入門門檻並不是很高，而且工資可觀，大資料分析也是未來的發展趨勢。只要你覺得對coding和加班不反感就可以。

你如果想要入門的話，主要是要先學習如何用python做資料分析，學習資料庫sql，後面可能還要學習java，以及hadoop、spark等大資料處理技術，再高階一點你還要學習常用的資料探勘和機器學習演算法，加油吧，祝你好運！

學習永遠都不晚啊！而且現在職位火，工資給的高。以後一個月的工資就夠你報班的學費了。

你才29歲，那誰揚州八怪之首五十多才開始學畫畫的人家名留千史了都

對於大資料分析崗位來說，29歲入行還是可以的，因為相對於應用級程式設計師來說，資料分析師的職業生命週期還是比較長的。

隨著大資料時代的到來，資料分析師的知識結構也在進行調整，早期資料分析師不少都是統計學、經濟學相關專業畢業的，而目前資料分析師不少都是資料科學專業、數學、計算機相關專業畢業的，這也是大資料時代的一個特點。

大資料分析的基礎知識包括統計學、計算機和數學，其中計算機相關技術的佔比較大，對於不同知識結構的人來說，從事的資料分析崗位也有一定的區別。對於計算機基礎比較薄弱的人來說可以從工具開始學起，資料分析有大量的工具可以使用，Excel就是一個數據分析的利器。

隨著資料量的增加可以進一步學習資料庫、程式語言等相關知識。目前行業裡做資料分析實現的不少BI工程師基本上都屬於應用級分析人員，懂資料庫知識和BI工具的知識基本就可以了，涉及到程式設計的地方非常少。

對於基礎比較好的人可以從事研發級分析，目前透過機器學習的方式來實現資料分析是比較流行的做法。機器學習的實現步驟包括資料收集、演算法設計、演算法實現、演算法驗證、演算法應用等，機器學習開發需要有紮實的數學基礎和程式設計基礎。

目前採用Python進行機器學習實現是比較常見的選擇，由於Python語言自身比較簡單，而且Python語言有大量的庫可以使用，所以採用Python做機器學習是非常方便的，在開發週期、程式碼量和程式碼調整等方面，Python與Java相比都具備一定的優勢。

分析師入門是比較容易的，excel和資料庫是基礎，但是做大資料分析師，需要懂hadoop，hive和建模的基本知識，估計這自學要花一年吧。但是找工作來說，你沒有基礎，年齡有些偏大。我相信你轉行是有一定基礎的，偏分析方向還是要了解模型，工作用不用但是面試會要求，python比較火可以瞭解下。程式設計出身就不用說了，敲程式碼的。

29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？29歲將近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。

身處大資料時代，之所以有越來越多的小夥伴準備轉行做大資料分析師，正是看中了大資料分析師未來的發展前景。那麼要想成功轉型成為一名合格的大資料分析師，都要學習哪些知識呢？下面我就幫大家總結一下大資料分析師所需掌握的技能點：

這是很大一部分大資料分析師的短板。當然這裡說的不是簡單的一些統計而已。而是包括均值、中位數、標準差、方差、機率、假設檢驗等等具有時間、空間、資料本身。當然，做個一般的大資料分析師，不會涉及到很深的高等數學知識，但是要想成為一名優秀的大資料分析師，還是要在高數方面多下功夫。

比如結構化思維、思維導圖、或百度腦圖、麥肯錫式分析，瞭解一些smart、5W2H、SWOT等等那就更好了。不一定要掌握多深多全，但一定要了解一些。

大資料大資料，就是資料量很多，Excel就解決不了這麼大資料量的時候，就得使用資料庫。如果是關係型資料庫，比如Oracle、mysql、sqlserver等等，你還得要學習使用SQL語句，篩選排序，彙總等等。非關係型資料庫也得要學習，比如：Cassandra、Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j 和 HBase等等，起碼常用的瞭解一兩個，比如Hbase，Mongodb，redis等。

其實對於大資料分析師來說，瞭解業務比了解資料更重要。對於行業業務是怎麼走的對於資料的分析有著非常重要的作用，不瞭解業務，可能你分析的結果不是別人想要的。

比如：Linux OS、Hadoop（儲存HDFS，計算Yarn）、Spark、或另外一些中介軟體。目前用得多的開發工具Java、python等等語言工具。

其實做為一名大資料分析師是相當燒腦的。單純的資料方面能力遠遠不能達到崗位需求，業務和統計知識的學習也是必不可少的。所以如果你已經認準大資料分析師這條路，就請堅定不移的走下去，並未為之不斷奮鬥，努力前行！

大資料分析師，需要的是資料庫，程式語言，分析工具，數學理論，溝通表達，甚至是PPT能力。但其實這些都不是最重要的，它們只是輔助性的基本要求。最重要的是邏輯分析能力，敏銳的洞察力，抽象與分拆能力，行業與社會的見解力。這些最重要的東西是靠成熟的心智，豐富的經驗堆積，量變到質變得來的。因此，29歲真的不晚，或許剛好是起步的年齡。

30歲時覺得20歲很年輕，40歲時覺得30歲很年輕，50歲時又覺得40歲很年輕……

可能有很多原因想讓你在29歲轉行，興趣？賺更多錢？實現當初的夢想？無論何因，遵循內心，志存高遠，腳踏實地，一切都可以重來。

我覺得你應該不是在意的晚不晚的問題，而且對於你學完以後是否能夠就業轉型的擔心！如果明確的告訴你，學完後面你能找到工作，而且薪資待遇不錯，那麼你肯定會立刻學習！所以真正的問下自己，要是學習的話，你是否能夠堅持下來，是否能背水一戰！是否有足夠的勇氣！