先說說我跟蹤的幾個資料，我跟蹤了2015年到2020年資料分析師的招聘需求。

1、2017年是高峰期，有3127個崗位，之後的三年都下降了，對需求進一步分析得知是1-3年的資料分析崗位減少的速度明顯大於整體的速度，也就是大家都喜歡要那種來就幹活的人才；

2、整體的需求還是集中在北上廣深，四大城市佔全國90%以上，需求最多的依舊是北京，連續榜首，上海次之，換句話講，要是以後不去一線城市，專職做或者走資料分析師風險很大；

3、偏技術類的資料分析已經連續三年需求有所下降，這與很多企業的資料化建設有很大關係，很多已經有了一定的成效，基本的業務資料已實現了自動化，一般的企業員工只需要簡單的點選、拖拽就可以拿到想要的資料分析結果，逐步開始嚮應用資料靠近，重點是資料價值和洞察的體現，需要更瞭解產品、業務的分析師來做自我驅動的閉環，為其提供接地氣、好落地的執行方案；

4、分析師的要求多元化，比如要求程式設計技能、演算法技能，寫報告能力，協調溝通能力、獨立思考能力等，開始偏向職場通用技能側重，也出現了很多運營、產品、財務、市場等業務線的招聘，也要求一定的資料分析能力，一定程度上顯示企業對分析師的要求有所提高，想深層次提高分析師對企業未來的預期，也希望公司各個業務組織都要懂資料分析的技能；

大家看完以上幾點就知道資料分析工作其實並沒有網上鋪天蓋地的廣告說的那麼好，而且資料分析崗位的招聘有以下三個趨勢：

招聘3年以下的需求減速明顯大於整體分析師要求的技能越來越多沒有經驗的，特別沒有專案經驗的，面試率很低，甚至全部陣亡。

一句話：分析師的要求越來越高，來了就直接乾的。

現在企業的資料分析師，有幾種人：

1、程式設計師轉行，以前幫業務提資料的，時間久了，有了一定的瞭解和感情，順勢做了資料分析師；

2、以前幹運營，產品的，突然發現自己善於用資料解決、指導工作，慢慢演變成了部門的資料分析師；

3、做平臺建設的，演算法研究的，對公司資料底層很瞭解，也嚐嚐幫助業務做一些資料產品或者專題，日積月累，慢慢對業務有了一定認識，之後轉崗；

4、整個部門就你excel好，還是對應專業畢業，就你最適合，被逼上架。

回頭想一想，企業一直希望資料分析師來做什麼？

1、指導作用，如何做？

2、監督作用，做的好不好？

但現實呢？

大多數程式設計師轉行的一直是被動式的分析，經常在核對各類資料的準確性

運營、產品轉行的分析師呢，基本的分析和核心思維沒有問題，但遇到複雜的指標體系就力不從心了，報告永遠是環比、同比、複合增長率…

平臺、演算法轉行的呢，永遠走著資料的清洗，統一指標的定義，人人都有自己的定義

那領導認為部門最合適的那個呢？不是研究視覺化，就是深入學習ppt，見效快呀

那咋辦？這病如何能治？

資料分析師是一個綜合體，要做好分析師就要深刻理解能為別人帶來什麼，而不是你做了什麼。

說到底分析師有三個域，第一：工具，爬蟲也好，提取資料也好、資料的EDA也好。唯一準則：那個順手用那個，那個快用那個；

第二：演算法，簡單來講就是統計學，這是分析的發動機，沒有這個技能，面對複雜的業務(肯定會有很多型別的指標和資料),那你很難做到科學、公正、合理，咋看都覺得有遺漏，老感覺缺點什麼

第三，業務，業務分析的好不好其實就是你能不能瞭解所有人員操作的流程，這些流程會出現什麼資料，職能之間的關係等，而不是單一的商業模式，上中下游。

知道自己哪裡不足，就缺啥補啥

我和你一樣對數字感興趣，而且喜歡坐那裡做完一件事的成就感，這個不一定非要固定時間去學習，可以工作中積累，我之前做過資料專員，雖然很低層但是學到東西，今後遇到事情會有人找我問怎麼解決，同時也自我提升，多看看這類的影片，加油

需要大學高數、機率論、線性代數基礎，然後就是numpy pandas 等等庫的學習，當然，這些庫學起來容易，很快就能入門和應用，主要還是上面那些大學課程基本功需要紮實，加油！

首先，我來分析一下目前資料分析的就業狀況：

目前單純做資料分析的崗位相對於IT的崗位少很多，原因之一是目前很多中小公司還在處於資料庫建立和資料採集階段，資料的完整性不夠，還不能做分析並落地應用，進行資料分析還需要一定的時間。

有資料分析的公司一般都是比較大型的，這些公司在很多年前就開始積累資料，並進行一些分析。另外，由於大資料的興起，越來越多的學者進行大資料演算法研究，把新的演算法引進資料分析領域，以及計算機硬體能力的增強，使得原來不能解決或很難解決的資料分析問題被迎刃而解，資料分析自然而然地大放光彩，想要進去這個領域的人如潮水般湧入！

其次，說說資料分析要學些什麼？

1.數學知識。沒有一定的數學知識，就沒辦法進行資料分析，那麼要學什麼呢？線性代數，離散數學是必須的，微分、積分，矩陣、行列式的計算是不可少的，要把還給老師的知識得找回來。另外，還要去學一點統計學的知識。《高等數學》，同濟大學出版，《離散數學及其應用》，清華大學出版，《統計學方法》，李航主編。

2.python程式設計。光看書不動手，是學不好的資料分析的。先學《python基礎教程》，第2版，掌握基礎的程式設計規則，認識一下常用的包，比如numpy,pandas,matploylib，……,學完基礎教程後，再學《利用python進行資料分析》。

我相信在剛開始上手程式設計的時候會有很多不懂的地方，翻書也不一定會有，那麼就可以通話CSDN,簡書，官方文件等方式找對策。

以上，學完這些，再從網上下載一些資料集進行練習，你已經可以算是入門資料分析了，更高一層的技術，還要繼續努力學習，加油。

資料分析中的線性代數、機率、離散、迴歸等不太是問題，在計算機/網際網路/大資料時代，只要知道想要什麼，輸入口令就是了，不需要人來計算。要什麼，怎麼理解、怎麼解讀、怎麼用才是關鍵。資料如何採集、挖掘更是資料分析的基礎。