個人認為資料分析是一種廣泛的能力，其實在任何崗位，都要有資料的意識。如果要轉型，可以從日常工作中開始：

1.多與資料分析的人溝通工作

2.自學一些資料分析的知識

3.參加一些分享課程

資料分析師的需求在下降

首先資料分析師崗位的需求有所下降。

這主要是指對新手分析師的需求下降，高階崗位依然緊俏。不過既然說到轉行，那麼不可能一轉行就是高階崗吧，所以這裡只說入門崗。

需求下降的原因主要有：

1.領導對資料分析的期待降低了

之前資料分析這個概念非常火，很多業務領導覺得資料分析是提升業績的神器，對資料分析寄予了厚望。

然而一段時間以後，他們發現很多問題資料分析解決不了。分析的再多，業務的不確定性還是很大，對於業績的提升也沒有什麼太大的幫助。

其中一部分原因是資料基礎太差，要啥資料都沒有。為了支援資料分析，還得從頭建立資料倉庫。巨大的成本讓創業公司累覺不愛，往往沒有等到資料基礎搭建好就半路放棄。

還有一些公司有了一定的資料基礎，但是資料分析團隊做出的東西又讓業務方覺得不痛不癢。幾個模型拿出來看起來很高階，但是總覺得沒什麼幫助。

於是，現在業務領導對於資料人員的期待也就沒有原來這麼高了。

2.業務方自己就把分析做了

公司裡一開始推行資料分析文化時，這種技術活只能交給專業的資料分析師來做。慢慢地，業務方發現，分析師來來回回好像也就那幾個套路，還挺好學的嘛。於是這兩年業務方的資料分析能力也得到了很大的提升，很多業務人員已經開始嘗試自己做資料分析。

這些業務人員有資料分析思路，只是缺乏SQL能力。所以去年開始資料產品經理這個崗位特別火。

這也不是說不需要資料分析師了，那些比較複雜邏輯的資料處理，資料模型的搭建，以及專題類的分析依然需要資料分析師，只是對專業的要求就更高了，這就壓縮了新人資料分析師的生存空間。

資料分析師崗位的人才供給越來越多。

校招方面：

前兩年資料分析師這個崗位剛出來，高校還沒有對應專業。那時候校招生基本都是應用統計學、數學等專業的學生。

今年有一個明顯的區別，很多專業對口的畢業生出現了。2016年和2017年，一共有35所高校成功申請到了“資料科學與大資料技術”本科新專業，學制四年，算一下2020年剛好這些人開始找工作了。另外海外有很多對口的碩士專業，比如“商業分析”、“資料分析與商務智慧”。這些崗位學制較短，今年已經開始大面積輸出畢業生。

社招方面:

以前企業對大資料的需求旺盛，但懂分散式的不多。既然都不懂，那就找稍微貼近一點的人來邊學邊做。所以現在那些有好幾年經驗的資料分析師，往往是過去的傳統BI，資料開發或者業務人員轉型來的。那段時間可以說是一個比較好的轉行資料分析的時期。

那段時期資料分析師做的事情非常雜，雖然都叫資料分析師的，但做的工作現在看來可能是資料運營、BI工程師、演算法工程師、商業分析師等等。現在這些崗位逐漸細分出來，技能要求和崗位職責越來越明確，不再統一叫資料分析師了。以後可能還會有更多的細分崗，可以參考產品經理的發展，現在已經細分到眼花繚亂的程度了，心疼產品經理一秒鐘。

能表現資料分析師崗位專業化的證據之一是現在資料分析課程越來越多了，這說明這個崗位的工作技能是可以標準化專業化的。很多資料分析思維和案例的培訓課程，這使得資料分析師入門的難度變得越來越低了。

回想自己當年學資料分析技能的時候，沒有一個目錄告訴你哪些該學哪些不該學，甚至資料分析到底要做啥都不清楚，只能看到啥可能有用就學啥，於是學了很多沒用的技能。回想起來，現在想轉行資料分析師的人很幸福，只是入門門檻低了，使得競爭變得更激烈了。

雖然我說了資料分析越來越難了，但是這個崗位短時間內還是不會消失的，如果你鐵了心的一定要做資料分析師，有哪些辦法呢？

1.先做運營，曲線救國。

由於運營入職的門檻比較低（當然這裡不是說運營好做，而是這個崗位的硬性的要求比較少，精通還是非常困難的。），入職的機率會比較高。在運營的崗位上你可以接觸一些資料許可權，慢慢向資料運營的角色轉變。

做了一段時間的資料運營，再做資料分析，資料分析的思維會更容易落地，業務領導會更重視你的建議。

哪怕之後title一直還是運營，但是資料分析的技能和經驗都具備，title已經不重要了。憑藉著這些經驗，內部轉崗還是跳槽做資料分析師都OK，難度相比0基礎要簡單得多。趕上一個好的專案，也許還能實現彎道超車。

建議入職前學習諸如excel、tableau、powerbi、finebi等常見的BI工具的使用，閱讀一些運營的入門書籍。面試時表現出自己是一個多面手的角色，這對於入職創業公司來說是比較加分的。

2.知識付費真的有點用

自學資料分析，然後成功入職在現在已經比較困難了。

資料分析師還是比較吃經驗的一個崗位，沒有一定的專案經驗，光有技能是達不到上崗條件的。在前幾年還可以容忍邊做邊學，但現在要的就是馬上能幹活的人。

網課和一些線下培訓雖然教的也只是資料分析的皮毛，其中的很多技能也可以透過自學學會。但是他們真正有價值的地方在於專案案例，這些專案一般都是實戰專案，相比kaggle上那些競賽題要更接地氣。好好跟著這些專案做一遍，總結思考，要比學習技能更重要。

沒有經驗的分析師現在可能連簡歷面都過不了。

另外要注意招聘時的JD，準備對口的專案。不要在業務資料分析的面試時，秀自己的挖掘專案。

另外答應我,房價預測這類專案就不要再寫到簡歷裡了。

還有一位同學，現在在二三線城市的傳統企業做類似BI的工作，想轉行做網際網路公司做資料分析，問我怎麼辦？

首先，網際網路公司一般都在一線城市，想去網際網路公司，只能換城市。如果確定要換成是進網際網路公司，那麼上面的兩個方案都可以試試。

如果不考慮換城市呢？

我給他的建議是立足於傳統企業的資料化轉型，形成自己的一套傳統企業資料化轉型的方案。

資料化轉型是傳統企業的趨勢，但是這個工作並不好做。

網際網路的經驗不能直接照搬到傳統企業，因為資料基礎不同，業務模式不同，員工的資料意識也不同。所以網際網路資料人才直接到傳統企業做資料化轉型的工作是很難的。

如果一個傳統企業出身的人，又熟悉資料體系搭建，並且有一套適合傳統企業轉型的方案，那麼就能在這個小的細分領域裡活的很好。雖然薪資待遇可能沒有網際網路那麼高，但是不在一線城市壓力沒那麼大，競爭沒那麼幾列，職業生涯可以延長好多年。

但是少走彎路不等於不用努力。轉行不是一件容易的事，少抱怨，多行動。