大資料是我的主要研究方向之一，同時也在帶大資料方向的研究生，我來回答一下這個問題。

對於非計算機專業出身的人來說，學習資料分析可以從基本的資料分析工具開始學起，一方面比如容易掌握，另一方面也可以跟實際工作相結合。

對於銷售人員來說，學習資料分析技術具有比較強的現實意義，目前不少公司的銷售部門都會配備專業的資料分析人員，進行場景化的大資料分析。場景大資料分析通常需要進行三個步驟，其一是完成資料的採集和整理（抽取），其二是根據行業規則進行演算法設計，其三是根據場景需要進行結果呈現。

場景資料分析目前依然以結構化資料為主，尤其是銷售類資料更是如此。通常情況下，場景資料自身的價值密度是比較高的，而且維度也比較清晰，所以在資料採集和整理方面會相對比較容易，通常可以直接從已有的資料庫中進行資料提取。要想完成這個步驟需要掌握Sql語言以及一些常見資料庫的使用。

場景分析的第二步是根據行業規則進行演算法設計，這個步驟通常需要具備一定的專業知識，需要掌握一些常見的演算法，比如kNN、決策樹、樸素貝葉斯、支援向量機等等，這些演算法都是資料分析領域比較常見的演算法。當然，目前BI工具已經集成了大量的演算法，只要根據具體的應用場景進行選擇就可以了。其實大部分常見演算法並不複雜，具備一定線性代數和機率論的基礎知識就能夠掌握。

場景分析的第三步是進行結果呈現，結果呈現可以有很多種方式，比如可以透過BI工具自帶的模版進行定製化設計，也可以透過程式設計的方式完成結果呈現。

銷售應該說對行業或者公司業務已經比較熟悉了，對於轉行資料分析師也是有一定的優勢。

銷售可以做偏業務類的資料分析師，針對企業經營中出現的問題進行剖析，透過資料分析找出原因，提出解決辦法，並推動方案落地，也可以開展一些前瞻性的市場研究分析，透過市場調研收集資料，並對這些資料進行分析，驗證市場觀點，或者發現市場發展規律，從而影響高層決策。

偏業務類的資料分析師，需要有解決問題的分析思維，需要熟練運用常規性的資料分析方法，也需要經常寫分析研究報告，也會常常深入市場一線瞭解業務，調研客戶，發現問題，等等。但並不需要對高階的資料分析方法（如演算法）有很深入的瞭解。