30岁,放弃国企稳定的工作,选择转行数据分析!
很多人问我会不会后悔?
说实话,决定要转行那会我也犹豫过、迷茫过,但是现在我很庆幸自己当初的抉择。
在决定转行之前,很多亲朋好友听说之后,大部分都是劝我“年龄不小了,就不要折腾了”。
但是我想说的是,当你下定决心想要改变自己,你就不会被眼前的困难击倒,更不会因为年龄太大而学不会。与其担心害怕不如付诸行动。
我叫周小白,今年是我转行数据分析的第五年。转行之前我是在一家大型国企上班,每天工作六小时,轻轻松松,但是枯燥泛味,工资也很低。从职位晋升上说,一个萝卜一个坑,未来两年内升职的可能性微乎其微。
体制内,每天就是复制粘贴,肉体停顿,精神贫瘠,时间一长也就厌倦了。
我们这个城市虽然不如北上广深繁荣,但也算是省会城市里数一数二的,城市发展速度不慢,机会也不少。尤其看到身边在私企搞技术的朋友赚的盆满钵满,虽然辛苦,但是钱包很鼓。所以就动了从国企出来,学门技术,赚高薪的决心。但由于当年没有什么编程基础,这行又是个青春饭,所以再三比较下,让我找到了当时还很新潮的“数据分析”这个行当,工资跟搞技术的差不多,关键0基础也能入行,比较适合我。
毕业那么多年了,让我自学成才,还是有点困难,学习跟不上。通过从网上找资料和各个方面的比较,我报了CDA数据分析就业班的课程,选择的原因也很简单,成立时间长,口碑不错,而且推荐就业。
如果你也存在跟我一样的职场困境,想要通过转行来实现职业逆转,那么下面我简单总结的这些学习经验,希望能给你带来帮助。
作为一名数据分析师,入门都离不开Excel。
Excel有很多强大的数据分析功能,函数、透视表、VBA等。对于入门级别的数据分析师,如果想要掌握Excel这门工具,前期你需要掌握如下技能:
1、重点掌握一些日常使用的函数,vlookup、sum、count、sumif、countif、find、if、left/right、时间转换等函数;
2、数据透视表,它可以说是Excel中最强大的功能,没有之一!它可以帮你解决各种交互统计汇总的问题。
以上这些是我帮忙不同部门同事做的数据透视表,其实通过这些年的工作感受,我建议不管你从事什么岗位,都有必要把这项技能学好了,是真的有用,而且会让你的工作结果看起来比别人逼格都高。
大公司对SQL的要求绝对是软件上排第一位的,我现在基本每天要写五六百行SQL,忙的时候一天一两千行也是有的,所以必须对SQL非常熟练,才能很快的响应业务需求。
入门级别的数据分析师,日常工作中会使用Excel处理一些数据,做一个数据统计基本就可以了。但是Excel有一个比较大的弊端,它只适合处理些小量数据。
如果企业里面产生的数据量非常庞大,更多的还是要储存在数据库里面。所以需要具备编写SQL能力,才能从数据库中读取数据,用来分析。
数据分析人员,掌握了简单的SQL语言,就可以随时对自己感兴趣的数据进行简单的查询、抽取和汇总。相比只会使用Excel,会让你的分析能力的边界无限拓展。
以上这些是我们操作sql时的界面
现在Pyhon已经是排名第一的编程语言了,大部分公司都要求能够掌握 Python,只有少数公司要求掌握其他的编程语言,所以学习市场上要求最多的技能才能找到更多机会。
很多人看到Python 很火,也不管自己的能力水平如何,有没有编程基础,一上来就去学习Python ,最后发现其实自己根本学不会。
在学习Python之前,我建议你先学习Excel和SQL。这样你就具备了一些基础,再去学习Python就容易多了。
可视化报表是数据分析非常核心的而工作,但不同公司用的软件不同,一般公司也不会要求员工硬性掌握特定的BI软件(如果不会入职后可以现学,毕竟多数BI软件都不难),如果是特别难的比如power BI,那在招聘的时候就会有要求了。
向以上这种系统性的数据看板,需要大量数据支持,而且并不是所有岗位都需要,但如果你要是会做,那薪水肯定远高于平均水平。
统计学分为描述统计学和推断统计学。描述统计学是使用特定的数字或图表来体现数据的集中程度或离散程度。推断统计学是根据样本数据推断总体数据特征。
1.描述统计分析
描述统计分析就是将原本复杂的数据减少为几个能够起到作用的数字,用这些代表性的数字来代表所有的数据。这样就可以方便我们更容易看到数据的整体情况。描述数据集常用的5个指标是:平均数,中位数,众数,方差和标准分。
2. 推论统计分析
推论统计分析就是通过样本来推断出总体。需要掌握的知识包括概率分布、中心极限定、如何用样本估计总体、置信区间、假设检验。例如,互联网常用的 AB 测试背后的原理就是假设检验,如果不掌握推论统计分析,那么连 AB 测试的结果也看不懂,更不用说完成一个 AB 测试实验。
除此之外还需要拥有数据分析思维,掌握一些常用的分析方法,包括逻辑树分析法、多维度拆解分析法、PEST分析法、对比分析法、假设检验分析法、相关分析法、RFM分类法、群组分析法、最终路径法等。
如今我在一家电商公司做数据分析经理,经过这两年的磨合,公司已经形成了完整的数据分析团队。在我刚刚加入的时候基本是从0开始的,那段时间非常的痛苦。后来我和一些做数据分析的朋友深入交流,慢慢的开始对电商业务有所了解,到现在已经拥有完整的数据分析团队。
1.整合全平台的数据(自有数据+行业数据+竞品数据爬取等);
2.二是提升工作效率,比如通过RPA软件实现数据自动更新到数据库,然后通过BI软件进行分析展示,同时在BI测设置权限分配,保证了数据的安全性;
3.三是扩展数据分析的深度,建立行业分析和竞品分析的指标体系和流程,分析店铺人群画像,复购分析后进行push,大促活动准备等等方面的工作,再后来直播带货兴起,也围绕各直播平台做了数据获取框架和分析流程等等。
以上来自我们一位从体制内跳出来转行数据分析师的CDA学员分享案例。
不同的行业对数据分析师的技能和要求都不一样,但是数据分析的思维是可以通过岗位不断磨练出来的。想转行数据分析的小伙伴,不妨结合自己的兴趣和能力,看看自己更加适合哪一类型的数据分析岗位。
也欢迎咨询我们制定具体的学习方案,获取更多有料案例!
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20