我不明白資料分析和程式設計有多大聯絡，就單單說R語言，感覺一個面向資料的語言和正常程式設計天差地別，所以轉行資料分析我個人認為懂得R語言和一點Python知識就夠了，剩下的你看看資料分析相關的課程表。

一、整體瞭解資料分析——5小時

　　新人們被”大資料“、”人工智慧“、”21世紀是資料分析師的時代“等等資訊吸引過來，立志成為一名資料分析師，於是問題來了，資料分析到底是幹什麼的?資料分析都包含什麼內容?

　　市面上有很多講資料分析內容的書籍，在此我推薦《深入淺出資料分析》，此書對有基礎人士可稱消遣讀物， 但對新人們還是有一定的作用。閱讀時可不求甚解，重點了解資料分析的流程、應用場景、以及書中提到的若干資料分析工具，無需糾結分析模型的實現。5個小時，足夠你對資料分析工作建立初步的印象，消除陌生感。

　　二、瞭解統計學知識——10小時

　　15個小時只夠你瞭解一下統計學知識，作為入門足夠，但你要知道，今後隨著工作內容的深入，需要學習更多的統計知識。

　　本階段推薦書籍有二：《深入淺出統計學》《統計學：從資料到結論》，要了解常用數理統計模型(描述統計指標、聚類、決策樹、貝葉斯分類、迴歸等)，重點放在學習模型的工作原理、輸入內容和輸出內容，至於具體的數學推導，學不會可暫放一邊，需要用的時候再回來看。

　　三、學習初級工具——20小時

　　對於非技術類資料分析人員，初級工具只推薦一個：EXCEL。推薦書籍為《誰說菜鳥不會資料分析》，基礎篇必須學習，提高篇不一定學(可用其他EXCEL進階書籍)，也可以學習網上的各種公開課。

　　本階段重點要學習的是EXCEL中級功能使用(資料透視表，函式，各類圖表適用場景及如何製作)，如有餘力可學習VBA。

　　四、提升PPT能力——10小時

　　作為資料分析人員，PPT製作能力是極其重要的一項能力，因此需要花一點時間來了解如何做重點突出，資訊明確的PPT，以及如何把各類圖表插入到PPT中而又便於更新資料。10個小時並不算多，但已經足夠(你從來沒做過PPT的話，需要再增加一些時間)。具體書籍和課程就不推薦了，網上一抓一大把，請自行搜尋。

　　五、瞭解資料庫和程式語言——10小時

　　這個階段有兩個目標：學習基礎的資料庫和程式設計知識以提升你將來的工作效率，以及測試一下你適合學習哪一種高階資料分析工具。對於前者，資料庫建議學MySQL(雖然Hadoop很有用但你不是技術職位，初期用不到)，程式語言建議學Python(繼續安利《深入淺出Python》，我真沒收他們錢……)。資料庫學到聯合查詢就好，效能最佳化、備份那些內容用不到;Python則是能學多少學多少。

　　六、學習高階工具——10小時

　　雖然EXCEL可以解決70%以上的問題，但剩下30%還是需要高階工具來做(不信用EXCEL做個聚類)。高階分析工具有兩個選擇：SPSS和R。雖然R有各種各樣的好處，但我給的建議是根據你在上一步中的學習感覺來定學哪一個工具，要是學程式語言學的很痛苦，就學SPSS，要是學的很快樂，就學R。不管用哪一種工具，都要把你學統計學時候學會的重點模型跑一遍，學會建立模型和小幅最佳化模型即可。

　　七、瞭解你想去的行業和職位——10 小時

　　這裡我在時間上寫了個” “號，因為這一步並不一定要用整塊時間來學習，它是貫穿在你整個學習過程中的。資料分析師最需要不斷提升的能力就是行業和業務知識，沒有之一。你將來想投入哪個行業和哪個職位的方向，就要去學習相關的知識(比如你想做網站運營，那就要了解網際網路背景知識、網站運營指標體系、使用者運營知識等內容)。

　　八、做個報告——25小時

　　你學習了那麼多內容，但現在出去的話你還是找不到好工作。所有的招聘人員都會問你一句話：你做過哪些實際專案?(即使你是應屆生也一樣) 如果你有相關的專案經驗或者實習經驗，當然可以拿出來，但是如果沒有，怎麼辦?答案很簡單，做個報告給他們看，告訴招聘者：我已經有了資料分析入門級(甚至進階級)職位的能力。同時，做報告也會是你將來工作的主要內容，因此也有可能出現另外一種情況：你費盡心血做了一個報告，然後發現這不是你想要的生活，決定去幹別的工作了……這也是件好事，有資料分析能力的人做其他工作也算有一項優勢。

結論：

1、可以轉行做資料分析——你這都不叫轉行，因為你也沒從事別的行業，所以是白紙一張。

2、如何選擇職業。資料分析職業角色包含不同的角度分工，具體看你選擇的是哪類：

第一類，側重於網站分析的分析師，包括營銷分析師、網站分析師、SEO分析師等。

第二類，側重於業務分析師，包括運營分析師、資料分析師等。

第三類，側重於技術走向的，例如資料探勘工程師、資料科學家、資料工程師等。

每一類的角色技能要求側重點不同。就題主的情況而言，建議選擇第二類——業務分析師。第二類不強制要求程式設計（例如r、python），當然會是更好的。

3、但是，學習python其實真的很簡單，以你的能力（碩士）花2個小時就能搞明白基本語法和知識，然後再根據工具書的示例聯絡下，基本就能實現一些資料分析需求。這樣做的目的是，程式設計在很多工具是進入門檻，如果連門檻都進不去，那什麼職業都白搭。看下，《利用python進行資料分析》吧，看完，再跟著示例練習下，基本入職應該不至於過不了門檻。

4、關於沒有經驗的問題。我們在招聘時，會招聘沒經驗的，這不是關鍵的。關鍵是看你的現狀和職位的匹配程度。例如，假如我們招聘有經驗的人，能直接去做專案的，那麼你去應聘就不合適；如果我們招聘的沒有經驗要求，但是需要你有悟性，能快速掌握職業所謂的經驗部分，因此你要表現出潛力、信心（不等於自大），讓面試你的人覺得雖然沒有經驗，但不是關鍵。當然，工資適當放低點，姿態要低~~

5、找一些案例來包裝成經驗。經驗可以分為很多種，例如demo、實際上線的產品、實習等，如果有實際上線的產品是最好的——這是廢話，能有實習經歷也不錯——關鍵看你實習做什麼，最不濟你自己做一個demo出來，按照你要應聘的方向，做一個產品demo，讓你的面試官看，雖然不是真實的專案，但能看出你的一些能力和態度，這很重要。

6、找一些“大牛”，每個行業和領域內都有圈子，混入圈子比你實際能力、經驗專案更重要。大牛的推薦比你自己面試效果更好，很多時候都不用面或走個流程就行了。當然，能進圈子肯定需要你有一定的社交能力（因為暫時你還沒有圈子裡面大牛相匹配的能力）

有問題再問我哈。

首先明確一下，是可以的。至於學習方面，建議先了解現在資料分析師主要負責的工作，確定自己要學習的方向。

一般而言,初級的或者說入門資料分析師,主要工作職責大多以資料清洗為主,較少涉及建模的相關工作。

具體的任務內容大同小異,多數時候會根據建模要求或者業務要求去整合清洗資料,這幾乎佔據新手資料分析師的所有時間。

而工具方面,如果資料量不大,也有很多用Excel完成工作的,資料量大了基本都是用SAS或者Python完成。

更高層次的資料分析師的工作就很看公司和場合了,比如說你可能要反覆的調整模型,或者和老闆解釋你的成果,也有可能做一堆的分析報告的會議。