資料分析師創業的專案很少見，因為其職業比較偏業務，也是需要資料科學家和演算法科學家支援的一個職業，建議樓主自學程式設計，可以從開發軟體方面來創業挺不錯。

人都會有缺憾的，有些在體表，有些在內在。這個大可不必妄自菲薄。

對於工作，你可以加大馬力去應聘，在能錄用的工作裡選一個自己比較喜歡的，當然前提必須是合規合法的工作，有份工作能養活自己，你就會少點暗自神傷了。

憑空無方向地找創業專案，搞不好要入坑了，慎重

當前大資料正處在落地應用的初級階段，隨著大資料的普及，整個傳統行業會需要大量的資料分析人才，也有大量的資料分析任務，因為資料分析是呈現資料價值的重要方式。

通常情況下，資料分析可以分成兩種崗位，一種是開發崗位，一種是應用級崗位。開發崗位的資料分析往往需要透過程式設計的方式來完成定製化的資料分析任務，比如目前透過機器學習的方式來實現資料分析就比較流行。開發級資料分析需要具備專業的計算機知識，包括程式設計、演算法設計、演算法實現、資料呈現等內容，Python是比較常見的程式語言。

雖然開發級資料分析能夠完成更加複雜的資料分析任務，但是在生產環境下，大部分的資料分析任務可以透過工具來完成，比較常見的工具包括Excel、SPSS以及各種BI工具。對於知識結構並不豐富的專科生來說，從事此類資料分析（工具類）任務是完全可以的。在大資料落地應用以後，這類人才的需求量將會得到一定程度的釋放，目前不少專科學校也開設了針對性的課程。

雖然資料分析本身的技術含量在下降，但是資料分析對於場景的要求卻在提高，也就是所謂的行業經驗。對於要創業的資料分析師來說，需要對行業有充分的理解，能夠透過資料分析得出針對性比較強的資料分析結果，而這正是企業需要的。場景大資料分析將是未來一個數據分析的重點領域，也是創業者可以進行深耕的領域。

除了要掌握行業知識之外，對於要創業的資料分析師來說，一定要注重資料分析的效率，另外就是資料分析的結果呈現。一個比較好的建議就是從一個熟悉的行業入手，然後再逐漸拓展。未來，資料分析業務將是一個較大的市場，選擇這個領域進行創業會有較大的發展空間。