零基础转型数据分析OK么？不行的话其他呢？

经常看到“零基础转型XXX”的培训课程和营销文章，也经常遇到有人问想从A岗位转到B岗位行不行。我对其他岗位不了解不敢瞎说，但可以从还算熟悉的数据分析岗位举例切入，说说零基础转行到底靠不靠谱。我将先介绍下这个岗位的日常工作内容，然后再看看完成这些都需要具备哪些技能，之后对照技能看看有哪些绕不过的门槛，最后从数据分析岗位推广到其他岗位上。OK，开始嘚啵嘚：

1，首先我们要知道数据分析师的日常工作都有啥：

（1）常规监控：

日报周报月报这类的，主要是监控下业务的核心指标有没有变动。如果有的话，就要解释下原因。原始些的每天手工提取数据然后EXCEL加工制表呈现，正常些的会有对应的BI报表和邮件预警；

（2）效果评估：

“产品新功能上线后效果好不好？最近搞的一个运营活动效果好不好？”这些都需要数据事后诸葛一下，ABtest什么的会经常使用。这部分其实不仅仅是时候的事儿，在开始之前就需要数据分析师来全盘的考虑，设计评估方案并依方案来布置需要监控/收集数据的位置和字段，是一个系统工程；

（3）业务决策：

“怎样才能提升用户的活跃/留存？”这类问题会来自一线业务部门，我们的分析结论和建议搞不好真的是会影响他们的决策和操作。这里最关键的是拆解业务方提出的问题，之后再给出一个系统性的方案，对分析师的成就感提升很大；

（4）研究性分析：

“现在的年轻人都喜欢什么啊？”这类问题往往不是那么功利，可能没有任何一线业务部门有这类迫切的需求，但为了公司长远战略发展和团队自身影响力等，这些也还是会接触到的。这里最关键的是如何提出有价值的问题，而不是像上面几块，张嘴等着喂食；

2，然后我们就看看为了完成上述日常工作，都需要什么技能：

（1）工具型技能：

这部分就是各类培训班和营销文章的主打，因为它确实是最基础的最需要的，但随着工作的深入，也是最不那么重要的。罗列下数据分析师需要掌握的工具，不外乎下面这些：

SQL，提取数据必备技能，学起来也方便，随便买本讲SQL的书就能入门。后续随着实际使用中遇到各种问题再网上搜复杂的代码写法就好，不必前期太磕死书本；不过这种程度只是入门级别，当数据量较大的时候，还要考虑代码的性能，这些就不强求了

EXCEL，也是各种工具书铺天盖地。提取完数据后，简单的数据处理啊、作图啊制表啊都在这里搞定了，可以说数据分析师80%左右的工作，就靠SQL+EXCEL了。对EXCEL也没必要追求太多的奇技淫巧，但合理的数据可视化还是有必要科普下的

Python或R或SPSS等，这些都是数据挖掘的工具，是日常工作中相对“高阶”的那一小部分。虽然不鼓励炫技式的工具使用，但知晓基本的数据挖掘，还是有利于拓宽分析师的思路。比如很多数据集，常规的统计分布可能看不出什么端倪，这时候就需要聚类试试；当我们想要预测些事情的时候，回归啊分类树啊这些基础的模型算法也会有用武之地。Python和R都需要写代码来操作，而SPSS则更像EXCEL、鼠标点点点就OK了。重要的是，要理解这些工具背后模型和算法的原理，知道它们适用的场景和优缺点，才能真的驾驭工具

（2）方法论型技能：

掌握了基础的工具后，还有很多人执迷于数据分析方法论。讲真，我问到周围几个同事（BAT且title为高级XXX），他们多少都有些大眼瞪小眼。经常觉得这些东西仿佛就是这么自然的想法，非要包装出来个方法论，就会显得有点儿像把大象放冰箱里分几步。但为了劝诫那些想要给培训班送钱的善男信女，我还是想简要说说：

逻辑思维真是的一切的基础，有条理分主次的表达自己的观点，同时也要能抽丝剥茧的分析问题解决问题，对数据分析师来讲很关键；

如果非要说有什么方法论，我觉得对比细分溯源就挺好的。举个例子，今年腾讯的热度是1000万，这个数说明啥？首先要问清楚热度是怎么定义的，然后要找个参照系，比如跟去年比，才能知道是高是低。进一步，如果比去年高了，那是为什么高的？可以从不同维度进行细分溯源，比如从时间维度上，看看是否仅仅是某个月暴增导致的？再比如从对象维度，看看针对腾讯的讨论是说公司、还是说领导人、还是说产品？也可以从数据的来源渠道细分看，是新闻媒体的报道多了、还是网友在论坛贴吧的讨论多了？

（3）业务型技能：

还没完，要想让自己的分析结果切实可行，就要深入的了解所在的业务，不能闭门造车天马行空的搞纯数据研究。

举个例子，豆瓣要提升商业收入，钱从哪些人里挣？这就需要首先对目前业务有一个了解，小组、书影音、广播、FM的比例如何？豆瓣上不同人群的画像如何？结合宏观环境来看，哪些人消费意愿在增强？

（4）做人型技能：

最后，任何一项工作，都不可能是一座孤岛。自称“社交恐惧”“沟通障碍”的朋友，如果是真的话，甭管数据分析还是写代码，都不那么适合你。或者说的委婉一些，你可以做，但肯定很难做的好。我见过的工程师里的leader，也都是相对他们群体而言懂沟通的艺术、懂换位思考的。毕竟工作中的事情，很多情况下分工合作资源互换，会比你单枪匹马来的事半功倍；

合格的社交合作外，也要有一定的“敏感性”，就是能洞察出领导们的心思。有一种说法是，工作就是让领导开心。我虽然觉得这句话太功利、世俗，但也不是全无道理。不妨换个角度来看，自古能实现梦想的，很少有理想主义者，更多是现实主义者。我们需要了解这个环境，适应这个环境。很多时候正确的事情也需要看时机，很多时候事情能不能做成，“人”的因素是很重要的。我们需要有能力判断哪些事情的价值更高，更能做成，在自身利益与公司利益之间，找一个微妙的平衡

3，掌握这些技能，都有什么门槛？

（1）工具型技能，高中数学就好：

SQL和EXCEL都很容易上手，高中数学OK就好；Python哪些因为重要的是背后的原理，所以需要相对扎实的概率统计+高数底子。不过数据挖掘也不是所有数据分析师都需要会的，所以工具这部分，高考数学150满分有个120+就足够了

（2）方法论型技能，得有逻辑：

这部分最重要的是逻辑，稍微武断一些的说，国内大部分纯文科专业背景的同学（尤其是毕业后也一直从事职能类、销售类等工作的同学），零基础转型数据分析难度较大，不太建议

（3）业务型技能，需要接地气：

特别学术型的朋友，比如对学习研究以外都缺乏基本认知和兴趣的那种，不那么适合数据分析师这种岗位，因为这个岗位其实没那么高深也没那么科研，相反，非常需要接地气

（4）做人型技能，人格要健全：

过于固执的朋友、缺乏同理心的朋友、不善于沟通的朋友，在数据分析师的岗位上不会走的很远

4，零基础转型到底靠不靠谱？

说了这么多，大家应该已经有结论了吧？数据分析师这个岗位，并非谁都可以转；即便强行转了，后续的发展也是命中注定了的

那么再推广下，其他岗位呢？想起一个笑话——人人都是产品经理？！~

从上面的分析我们可以看到，各种岗位的入门都需要掌握一些基础的工具、具备一些起码的思维方式方法，而想要更进一步多挣钱，就需要对业务有一定的理解、善于沟通会做人。看起来好像不难，但其实看看我们自己和我们身边，真正满足这些条件的人很多么？

所以，以后再看到“零基础转型XXX”这类的培训班或者营销文章，三思而后行吧~

5，狗尾续貂环节

其实零基础转型后大家普遍还关心一个问题，就是这个岗位后续的发展路径如何呀？我依然只对数据反向有经验，放一篇过去的文章供参考哈~欢迎其他岗位方向的同学多多补充，也可以留下你感兴趣的问题在文章下，我会一一回答

https://www.douban.com/note/683771119/

关注公众号，古牧大将军陪你聊更多数据分析基础与发展～