去面試下網際網路公司，你就知道他們的需求是什麼了。需求很多時候都是調研出來的，你就當面試是調研，順便也要找幾個在行業中工作的朋友，瞭解行業動態，這樣才不會落伍，科技圈每天都有變化，要與時俱進哦

　　大資料被認為是“未來的新石油”，在社會生產、流通、分配、消費活動以及經濟執行機制等方面發揮著重要的作用。 越來越多的企業發現且努力在挖掘這筆潛在的財富，隨著企業對大資料的重視，資料分析這個職業應運而生，毫不誇張的說，資料分析師帶給企業的不僅僅是一個個資料報告，更是一桶桶黃金，一片片亟待探索的藍海。

　　資料分析師分佈在不同行業中，專門從事行業資料蒐集、整理、分析，並依據資料做出行業研究、評估和預測。資料分析師需要敏銳的數字洞察力，因此，統計、會計、保險、工程經濟、金融、數學、計算機等專業的同學對這個行業有明顯優勢，但其他行業的同學如果對這個職業感興趣，透過日常學習，掌握一些統計必備技能，亦可以從事此類工作。

　　資料分析師千萬不要認為自己只是一個技術人員。比起資料庫、統計、業務理解程式等硬性技能，嚴謹的工作態度、良好的溝通能力、迅速的學習能力以及隨時隨地的好奇心，這四項軟實力，是資料分析師突破自己的決定性因素。

　　資料如果是假設性思維學習的話，那麼業務應該是系統性思維學習。業務知識也需要一個目的和方向，但是和資料分析不同。業務注重的是系統性，系統性不是大而全，而是上而下的結構知識。先瞄準一個方向鑽取深度，廣度會隨著深度的挖掘逐漸拓展。

　　比如你是一個外行，想學使用者運營體系的分析，不要先考慮啥是使用者運營，這問題太大。而是瞄準一個方向，例如活躍度，瞭解它的定義和含義，再想怎麼應用。線下商場的活躍度如何定義，醫院患者的活躍度如何定義，某個學校社團的活躍度如何？拿身邊例子去思考活躍度。商場的活躍，可以是走來走去的人流，可以是進行消費購物的客流，可以是大包小包的土豪。什麼因素會影響活躍？促銷還是打折，節假日還是地理。等這些問題想通了，上手使用者運營會很快。

　　再透過同樣的思維去想留存、去想拉新。就會知道，如果商場的人流下次繼續來消費，就是留存，有新客人來，就是拉新。這又有哪些因素互相影響？最後的知識思維一定是金字塔結構的。上層是使用者運營，中間是拉新、活躍、留存。下層是各個要點和要素。

　　資料分析的學習注重演繹和推理，業務的學習注重關聯和適用，學以致用就是說的這種情況。期間也會用到好奇心和假設，這兩點都是加速學習的途徑之一。

我是一名工程師，在一家跨國公司工作。對人們來說，這是一種非常幸福的生活，但我有一些其他的夢想。我想在印度以外的地方攻讀MBA。

不幸的是，這個計劃沒有成功——在財務和個人方面有一些問題，甚至我覺得，我這樣的想法有些不切實際。

雖然我的MBA計劃失敗了，但我意識到我需要為自己制定一條新的人生路線。我研究了網際網路，發現一個叫“資料分析”的新領域。我當時對商業分析沒什麼概念，也不太瞭解有哪些正式的培訓計劃可以學習。

經過更深層次的研究，我發現，資料分析是一個有趣的領域，但也很複雜。在我看來，為了使分析成為我的職業，我必須花大量時間來學習它。

因此，我找到了一個全日制的課堂教學專案，並發現了Praxis(在Analytics Vidhya上提供的一個橫幅廣告)——一個相對新興的商學院，而且是Business Analytics的正式全職教學的先驅。Praxis有相當全面的課程，令人印象深刻的教授和越來越多的校友。

我確信這是我想要的職業，我申請了Praxis，幸運地被選中了。

一直以來，我已經習慣了在職業選擇中走相對穩妥的路。這是我第一次嘗試做一些不同的事情。顯然，這並不容易。

第二個挑戰是如何應對各種各樣對我來說都是全新的課題。雖然我擁有的是工程學學位，但我從來不是一個數字或技術高手。

當我選擇這個課程時，課程的範疇，包括各種各樣的學科，包括先進的統計資料、資料探勘、機器學習、計量經濟學、視覺化等，以及像SAS和R這樣的工具，起初都是相當令人生畏的。

然而，教授和同學們的出現確保了學習的效果，雖然嚴格，但有效，並充滿歡樂。

Praxis的實踐至關重要。

專案設計將課堂授課與案例研究、實驗室和專案相結合;還有以測驗、作業、考試和專案陳述的形式進行的持續評估。一些課程完全由行業專家講授。

我們都在午夜最後期限內度過了多次不眠之夜，做專案並準備專案測試和獎勵創新的測試。 透過解決各種問題，完成新課題，我有了新的自信心。知道這一切都是為我選擇和喜歡的職業生涯做準備，我覺得我的努力更值得了。

學習資料分析的一年讓我在這個領域找到了工作。我的第一份工作（透過校園安置計劃獲得）是3i資訊科技（IT技術，IP通訊，INFO資訊）。當時他們正在建立一個數據分析團隊，我們是最初的成員。

我們通常主要在Excel和R上工作，為客戶建立專案演示。3i的旅程很有趣，但當資料分析公司的主管決定離開公司並開始他的創業時，這段旅程就戛然而止了。

我的下一段旅程是和納布林·班加羅爾(Nabler Bangalore)合作，他們迅速把我送到美國，為一家名為“Lowes”的財富30強公司建立產品推薦引擎。這是一個絕好的機會，多虧了一些優秀的同事，我努力工作，學到了很多東西。Lowes的工作文化和實踐幫助我成長為一名專業人士，我也做好了領導一個團隊的準備。

CarDekho正在建立他們的分析團隊，我加入了他們，成為資料分析高階經理。這個角色是完全不同的，份內工作是你必須挖掘並概念化一個專案，把它交給執行長，使其獲得批准和實施——這才是我應該研究的工作。此外，我還積極參與招聘和管理人員。

我們有一個數據倉庫小組，從不同的來源收集資料，例如預訂資料、CRM資料和網路資料，並以可用的格式儲存資料。然後我們有一個預測分析小組，它涉及長期專案，如客戶流失分析，交叉銷售和推薦引擎基於機器學習的概念。我的工作包括結束專案的交付，從概念化到實現。我的大部分時間也用於專案和人員管理。

從2013年我以分析學的資格畢業，到2016年在Yatra.com擔任資料分析負責人，這是一段非凡的旅程。我將轉型的成功歸因於以下因素:

意識到我需要做些別的事情，而不是隻做我的IT工作，我已經把我的工程學完全掌握並積極地尋求一個更適合的職業。

相信我的直覺，並透過報名參加商業分析的全日制課程過渡到這個領域。

選擇我的新領域—— Praxis在這個領域的持續職業生涯中扮演了一個關鍵的角色——確保我充分利用了這個機會，最大化了我在實踐中應當掌握東西。

充滿激情，在工作中永不停止學習，並在職業生涯中做出一些適時的改變。

生活回到了一個正常的軌道，我正在自己開始的地方分享這段旅程!我分享的這個故事，希望可以幫助像我這樣的人（想要做一些不同的事情，離開職業束縛），看到自己需要什麼，以及如何規劃自己的職業。

Ritesh是一名專業從事資料分析和產品管理領域(統計分析、社會媒體/數字營銷)、戰略、產品開發和營銷等領域，工作經驗超過8年的專業人士，併為BFSI、技術、教育、IT和FMCG等多個領域提供服務。

智慧觀 編譯

先從第一個問題前景說起：企業的需求在未來一定是旺盛的。美國在很早的時候很多政府職能機構和企業都在大資料應用方面取得很好的成效，不僅是美國，歐洲一些工業強國，尤其德國和英國大資料行業發展也是很好的，而且這些國家對資料的分析和應用方面都是蠻重視的。因為他們看得見資料驅動帶來的成效。

而國內不一樣，國內大資料現在處於一個起步階段，也是最火熱的時候。主要是有相當一部分企業對大資料認知深度不夠！企業對大資料還是一知半解，因為沒有意識到資料驅動能為企業帶來的巨大價值，或者說只有少數超大規模的公司意識到了這一點。那麼解決方法就是提高資料驅動的意識。

必須承認的是，資料分析師在招聘界有一個巨大的缺口。儘管大資料現在在網際網路上鬧得火熱，但很多公司仍然普遍難遇到了合格的大資料人才，即使遇到了也都面臨著“留人難”的問題。

第二個問題：重要的素養是什麼，一般人會說R、Python、MySQL要用的熟練。現在我覺得不是，其實是應變能力和分析能力，在工作中很多時候你的上司老闆都是需要你快速學習和成長的，你得由內而外地變得成熟。我覺得能把每件事情做好是工作中最大的挑戰。

因為大資料的核心價值是如何將資料看透看穿，這時候就需要你的分析能力，否則，你對工具再熟練，沒有一定的分析思路和思考深度，那也只是淺淺的介入，無法產生真正的商業價值。

關於零基礎學習，可以看我之前寫過的這篇回答，裡面包含了入門所需要掌握的基本技能，你要做的就是逐個擊破。

（https://www.wukong.com/question/6473318209754759437/）

轉行的目的是讓自己職業生涯換髮出新的生機，我們的工作時間可不是隻有黃金10年。我們至少要工作40年才能退休，光靠10年（從畢業到35歲左右）的職業規劃怎麼夠支撐這麼長的職場跨度時間呢？

規劃就是要透過職業技能的延展和精進，再隨著年齡和閱歷的提升中不斷在職場找到自己獨特崗位價值，讓自己的職業價值換髮出新的生機。

大資料人才分為：

A 大資料分析師：主要負責海量資料清洗、採集、修復、分析的基層大資料分析工作。

B 大資料應用開發類師：大資料垂直到任何領域的應用技術開發人才。這類人才不僅需要對大資料知識瞭解，同時要對各個垂直領域的產品研發能力也要比較精通。屬於大資料高階人才。

C 大資料系統研發類人才：這類人才就屬於大資料領域的大神級存在了。他們是研發和完善整個大資料構架系統，相當於這個新興產業技術的靈魂存在。一般職位都叫大資料科學家，可想而知他們的科技文明程度，在國內都是鳳毛麟角。

【職業規劃劃重點】

這三類大資料人才當中，比較適合短期速成且能夠基本達到實用技術門檻的當屬---大資料分析師這個職位。大資料分析師也有初級和高階之分，負責的工作價值也各有不同。

很多現在國內速成的短期培訓班（包括拿各種認證，高階認證除外）也只能培養初級大資料分析師，確切的說只能算是資料分析師。

大家從業基本都是用Excel和統計學軟體SPSS這兩種軟體進行少量級別樣本的分析工作。由於接觸樣本數量的侷限性，想要在短期速成的培訓中熟練掌握SAS、R、Python、熟練使用SQL讀取資料等，則需要接觸到有海量資料樣本的公司專案。所以速成培訓也只是幫助想轉行和剛畢業學生對大資料的基礎工作--大資料分析師有一個基本掌握和了解，重要的就是能夠接觸到更多海量處理資料和分析資料的實戰經驗。

等到有對一些熱門行業（金融、遊戲、醫學等）海量分析經驗後，就可以晉級成為真正的大資料分析師甚至是高階大資料分析師！雖然大資料分析師是大資料構架領域的基礎崗位，但是對於垂直領域的企業重大決策和戰略發展來說卻是核心重要的“科技之眼”這就足夠一個大資料從業人才不斷精進技藝，至少可以走30年的職場之路了。

所以，單就對SAS、R、Python和SQL等大資料分析師基本軟體的短期培訓和掌握能力來看，題主是完全可以勝任和速成的。題主畢業於985理科專業邏輯思維和英語（即使一般也夠用了）學習這些還是有一定基礎的！速成不是問題。

從題主對於自己問題的延展描述來看，題主轉行的核心問題是：現有工作無法解決個人職業幸福度的問題。說白了就是重複、機械化的工作缺乏樂趣和個人價值體現。

分析類工作脫胎於統計學，是理性資料堆砌的客觀事實機率。它必須是重複、嚴謹又單一、枯燥的。無論你是在傳統行業還是新興大資料領域，工作的核心運作原理其實都是一樣的。

所以，題主在轉行前應該冷靜想好轉行你想獲得的最大企圖心到底是什麼？如果你本人討厭單一、枯燥的工作環境，那麼我要告訴你大資料分析師工作會比你現在的分析工作更加枯燥、單一。

剛入行都要從海量資料的採集、清洗、處理開始。想要分析？對不起你還沒有這個資歷（都是交給有經驗的大資料分析師來分析）。你只能先從摘菜和洗菜做起，做菜是人家大廚的事！這種基礎工作要認真、敬業、重複的做至少1~2年才有可能接觸到真正分析類工作。每天面對枯燥的電腦螢幕（螢幕顏色也單一）看著密密麻麻的資料，你確定你能夠堅持下來？再加上還要學習一定的寫程式碼能力（沒有大資料工程師編寫程式碼複雜），才能使用R和Python和SQL對海量資料進行處理和分析工作。你確定自己可以堅持下來了嗎？

另外，題主說不想寫程式碼、不想做碼農的工作。還想要了解大資料工程師的工作內容，那麼工程師的工作會更加單一、枯燥。其實可以理解為新興產業的特高階碼農。他們的世界只有征服和完善一條又一條程式碼！

說白了，大資料領域之所以高薪是靠每一位從事大資料職業的朋友用高強度加班和枯燥、單一的工作內容來突破一個又一個技術難點，為各家公司和國家建立起強大的科技力量的。

只要是工作就沒有輕鬆和有趣之說，即便是創意產業，面對系統化和流程化的工作內容，根本沒有我們想象的那麼輕鬆、有趣！我們只是看到BAT公司的“遊樂場”氛圍，卻沒看到BAT每位大資料人才背後高強度、恨不得通宵達旦的加班才換來不斷趕超別人的頂尖優越價值。

當題主面對大資料掌聲和光環背後的艱辛代價時，依然決定要向這個領域轉行時，那麼恭喜你，你此時就具備了強烈的“企圖心”。這種力量會支撐你可以和眾多優秀對手一起競爭每個人夢寐以求的含金量極高的職業價值。

----END----

大資料分析師有兩種崗位定位：

大資料科學家，Data Scientist，DS

大資料工程師，Data Engineer，DE

大資料分析師職業前景：

如何從零基礎開始：

1、整體瞭解資料分析

2、瞭解統計學知識

3、學習初級分析工具

4、瞭解資料庫和程式語言

5、學習高階工具

6、必要時學習大資料處理技術，Hadoop、機器學習等

相關：

大資料分析就業前景及職能定位

https://www.toutiao.com/i6688162708421870094/