31歲的女人不想在事業單位就這樣蹉跎歲月，想要轉行做數據挖掘，有編程基礎，可能性大嗎？

01-15

本人本科通信工程，研究生微電子專業，畢業設計是偏向計算機，其實轉行跨度不算大，只是三年時間沒有在IT行業混了，感覺不管是做什麼都要從頭來。但是跟我現在的工作相比我還是需要改變，一是現在的工作工資很低，儘管很閑；二是單位效益很差，沒有活干，工作上找不到任何自己存在的價值，沒有成就感；三是老公事業繁忙，寶寶不在身邊，天天一個人在家，內心需要事業的支撐。

謝邀；

如果直接說「不可能」似乎太絕對了些，但確實是可能性很低。如果確實有興趣，可以嘗試轉數據分析，這個門檻要低很多。

數據挖掘可以再細分為兩個方向：

機器學習演算法研究型 和 工程型；

前者幾乎沒戲，這個需要很深的數學基礎，大公司都會要求是相關專業的 Master/PhD；

後者可能對演算法的要求不是那麼嚴苛，熟悉 classification/regression 常用模型即可。但是對編程要求比較高，Spark/MLLib/Hadoop/(No)SQL 等等這些東西是少不了的。並不是知乎上大多數人用pandas+sklearn跑跑幾千條數據，jieba分詞畫個wordcloud就叫「數據挖掘」了。

而且姐姐你31歲去做這些，生理上肯定不如年輕人有優勢（根據拉勾網的報告，數據開發是加班最嚴重的職位）。

如果實在是有興趣想從事數據方向的話，我覺得數據分析是不錯的。

推薦讀一下《Head First數據分析》《Head First 統計學》，非常非常基礎但是很不錯的書，秉承了Head First系列一貫的風格；壞處就是內容啰嗦地有點點過分了。Python(R)/pandas/Tableau/PowerBI/Excel 等等這些基礎軟體要會用。然後可以去找一家公司，跟著業務完完整整走一遍，如何利用數據指標來驅動業務增長。

我不是做數據分析相關的工作，業務這一塊詳情就不亂講了，你可以看看 @空白白白白 @鄒昕他們的答案，他們是這一塊的高手~

最後，今年看過一本書，有一張圖我覺得很好：

以上均為個人的一點粗淺的看法，祝好！

不大

拿我自己給您做個參考吧。

首先很佩服您的想法，如果您已經開始行動，就更加敬佩您的行動力。

先說背景，我是正規計算機科班出身，985研究生畢業。性格屬於比較能努力的。年紀也比您小。說這些沒別的意思，就是下面客觀分析會用到。

從六月份開始從Python轉Java，到現在剛好半年左右。

我自己因為工作私下哭過三次，是真的的痛哭，一次在公司停車場，一次在公司廁所，一次在地鐵口。了解我的人都知道，我這個人不嬌氣，心也大。即便是這樣，我都有無數次想要放棄的念頭。剛入職的前兩個月經常焦慮的睡不著覺。我大學研究生畢業都滴酒未沾，那段時間只想喝點酒才能睡的踏實。

1.公司是不會給你學習的時間的。領導不會關心你自身情況。你必須有你這級別該有的績效產出。

2.沒有人有義務幫你。真正的利益面前，沒有男女之分，這話是說給那些認為女生會受照顧的人聽的。每個人的工作都飽和，績效、獎金、晉級這些事，同事都是直接競爭者。脾氣好的人會指點一下你。不好的人，直接就讓你自己解決。

3.剛好看了一下他們這個季度總結，其中一個大概面試了20+人，通過4人，offer2人，別說那些連面試機會都沒有給的人了，還有沒過試用期的，您自己算一下這個概率。

4.我大學舍友現在孩兒她媽，在某寶還不是技術崗，每天早9晚9。

5.我從剛開始半年前打下第一句Java的helloworld，到現在參與4個項目，重構一個項目。我們領導只是告訴我「大家每個人都在進步，你不能只跟你自己比，你是跟整個行業比，如果你速度慢，就是在退步」。注意這並不是誇獎。

6.我身邊學什麼轉程序員的都有，什麼電子、自動化、數字多媒體、生物器械什麼的。現在是個大學，編程就是必修課。據說山東小學都要求學Python了? 你看吧，這麼多因素中，編程基礎反而沒那麼重要，重要的年輕、學歷好、愛學習等等。

7.我媽天天問我你怎麼不談戀愛。我朋友天天問我你怎麼不健身化妝。等你稍微鬆懈就會丟飯碗，等你壓力大的睡不著覺，等你腰疼的快斷了還挨罵，等你加班到一兩點，等你累的說不出話的時候你就知道我為什麼不去健身化妝談戀愛了。

8.前幾天跟妹妹一起去看電影才發現商場冬裝都已經開始打折上春裝了，可我明明記得上次逛商場還是夏裝。

網上那些說的毫不費力的事，其實背後都有很多很多心酸。就像我不說，別人也只知道我有份好工作。可是過程只有自己一點點咬著牙去堅持。

不說什麼編程功底、數學功底了，反正往一件事堆時間堆精力總會有些效果。您要是看到這兒還覺得比我比我好朋友還能吃苦還聰明還精力充沛，您就試試。

我認為可能性小於1%

我講述下自身經歷給你參考，我本科讀的是商科，畢業一年後我有了轉行的念頭，目標是數據分析。我根據崗位JD的需求去學習，為之準備的技能有統計學，互聯網數據指標體系知識，python，sql，機器學習初級，有兩個入門演算法比賽項目。

隨著學習的推進，我發現我最想去的崗位應是數據挖掘，而非數據分析。但我深知我現在的能力幾乎不可能去達到這個崗位要求。比如:

一，紮實的機器學習基礎，這裡面又涉及概率論，線性代數，微積分，凸優化的知識。而我僅僅是個調包俠而已，若要我解釋這個模型，我是做不到的。

二，編程能力，我不太了解你說的編程基礎是有多好。但我這個零基礎學python到現在也快一年了，我後來進入的一個日常以python做數據處理的數據服務公司，日常各種需求我都能用pandas做出來，這個庫已經比較熟練了。後來接到一個任務，不能用pandas包去做數據處理。簡直像獵人失去了獵槍，完全不會，這時才嚴重意識到自己的編程能力連入門都不算。

三，演算法和數據結構，作為一個讀商科的，這部分我到現在都無法找到一個好的方法去學習。希望評論區有大神教教我？我是用python去刷這類題，還是再學一門語言刷？

四，工具方面，spark,hadoop,tf，自己折騰肯定也不咋樣，因為都沒分散式的環境給你往深學。

五，別看現在崗位還蠻多，但近年往這個方向讀研的人真的數不勝數，而且不乏學霸級別，現在他們還沒畢業，再往後一兩年，我們轉行的真的能與他們有競爭之力？答案，可能只有有效的工作經驗才有可能了。

上面說的個個都是硬骨頭，難啃得很，還有很多知識我都沒寫出來。所以有時工作太多而無法學習新知識的時候我就好tm想回去讀書，真的好羨慕能在學校學挖掘知識的人。

開頭說了概率不足百分之一，再考慮到題主的歲數，應該已經有家庭了，是否冒如此大的風險去轉，需要看你本身經濟能力。總之我嘛，就算1%，我也要去做，想活得自己滿意的樣子，僅此而已。

可能有人問我動力哪來，嗯，你試試以前做會計才3k每月試試，生活所逼呀。

謝邀。

可能性一定是有的，但是我個人認為不是很高。原因有四：

數據挖掘這個崗位方向對工作經驗的要求挺高，沒有相關背景的人估計企業不太會考慮。當然，對於轉行的人來說，不管哪個方向，這一點都是一樣的；
數據挖掘的技術門檻很高，不是在短時間內可以突破的。從理論知識上講，微積分、概率論、線性代數，運籌學等都可能會涉及到，就這些知識在大學裡全職學習可能都要1-2年，何況自學？另外還有Python，Hadoop，Spark這些語言和工具類的東西，怎麼也得1年學習。這麼算下來，時間成本太高。
數據挖掘這塊不是懂理論、會工具就可以的，業務背景和實際項目經驗更加重要！哪怕你是學霸，工具玩兒的很溜，如果沒有實際經歷過完整的項目，面試官兩三句話就能把你問倒了。
技術崗存在性別歧視情況。可能說起來不太政治正確，但是有一個不能否認的現狀就是，企業對於技術崗位可能更偏好男性。

綜上，以你目前的情況，想直接轉行數據挖掘，著實難度不小。而且，技術崗位本身職業壽命就會比較短。35歲之後如果不能走到管理崗位，估計後面的路也會比較艱難。參考最近42歲跳樓的那個哥們兒。

當然，凡事無絕對，如果你真的超級熱愛這個行當，非轉不可，也是有辦法的。我們可以曲線救國，比如，先轉數據分析，然後逐步轉向數據挖掘。這也是我當前在走的路。

轉數據分析，我認為可能性還挺大的，原因如下：

市場上崗位需求在擴大。隨著這兩年大數據概念的持續高熱，各行各業都開始重視數據價值，就連各大傳統企業也開始慢慢轉向通過數據來驅動運營和管理，崗位需求也就水漲船高了。
單純的分析崗門檻不算太高，基本上統計理論紮實，Excel和SQL熟練，會一門分析語言（R或者Python），再懂一些業務背景知識，差不多就可以上手幹活了。對於分析崗來說，像Hadoop、Spark之類的基本算加分項，不是必須。
分析崗位對相關經驗的要求比數據挖掘要弱一點。至少從我個人的經歷來看，我在零經驗的情況下，完全憑個人項目和分析思路打動了面試官。而且後續我也指導過幾位同樣轉行的小夥伴順利通過面試，拿到分析崗的offer。
分析崗位的性別歧視情況不明顯。女性的細膩和敏感，對分析崗而言反而是個優勢。就我面試過的幾家企業來看，女性主管居多。

所以，綜上，我認為你轉數據分析的可能性還挺高的。年齡方面也不是問題，我小你一歲，已經轉行成功。

最後聊一下，我不知道題主為什麼想要轉行數據挖掘，是不是真的了解了這個崗位的工作內容和性質？是不是真的熱愛？我覺得題主自己可能也不太確定。如果你確實想轉到數據方向的工作，我還是建議你先考慮數據分析。先作為分析師實實在在的去接觸一下數據，看看自己是否對數據方向真正熱愛，是否確定要沿著這條路走下去。其實作為分析師，多多少少也會接觸到數據挖掘相關的工作，只要有心，自己多學習和積累，工作兩年後再轉向數據挖掘也是水到渠成的，遠比現在從零直接轉向數據挖掘難度小。

以上就是我個人的看法。最後分享我自己的一篇文章，裡面介紹了我是如何成功轉行數據分析的，希望能對你有所幫助：轉行數據分析，你準備好了嗎？

最近剛好在招數據分析和挖掘的崗位，其實一年來都陸陸續續在看人，通過簡歷，其實發現蠻多其他行業跨行業過來的候選者的。

但老實講，作為一個數據團隊的leader，在招募核心挖掘崗的時候，我一般不會考慮跨專業過來的人，不是歧視，而是現實。

這個崗位真的會需要一定的數學以及演算法基礎，這點非專業出身還是很難的。

其次是沒有行業經驗，做挖掘容易把方向帶偏。

如果說真的想跳出體制內的生活，年齡架不住激情的話，並且自身理解能力比較不錯，思維比較敏捷的話，可以補補一些統計分析的理論，找找業務分析師的崗位，其實也是不錯的。

姐姐，可能性不大。

別被體制內沒活力、沒激情忽悠了。

那些在體制外拚命打拚的人，無法是他們沒有蹉跎著歲月還能領著工資的條件而已。

如果他們也可以蹉跎著歲月，還能領著工資。相信我，他們中的80%寧願放棄自己為之驕傲的努力和激情，墜入墮落的體制內。

請勿衝動。

我是數據分析轉數據挖掘，又轉回數據分析的，女性+14年從業經驗+前8年在某國資總公司背景，目前在某互聯網公司帶決策支持團隊，一路從excel2003作為主要分析工具到百花齊放的今天，覺得這個答案自己略略有資格給題主一些建議。

1、作為面試官的看法

對於跨行業來的簡歷，我是很歡迎的，這些人只要能通過筆試和面試，普遍更上進更努力，只要不太笨，總能有點成績的，但僅限其他行業經驗不超過3年的新人，因為直接帶他的人是一些25歲左右的次新人，姑且不論你是否接受被自己年輕五六歲的前輩訓話，為什麼我要放著大把年輕朝氣的小鮮肉不面，去見一個用了6-8年才想通事業單位不適合自己的人？前赴後繼想往數據分析轉的小孩，多得超乎想像，雖然每次面試都要給他們洗腦——知乎刷多了吧？現實里的數據分析不是這樣。

年齡之可怕，都不用考慮性別，比起一個或者可能快要結婚生子，或者已經需要帶孩子的應聘者，剛畢業的小鮮肉精力充沛，沒有太多分心的事情，容易被煽動起工作積極性，高效的應試教育技能還沒被徹底遺忘，同樣是新人，怎麼比較，都覺得後者價值更高。

2、對數據挖掘本身的看法

知道為什麼我要從數據挖掘轉回數據分析嗎？不是因為技能和熱情，而是因為這個行業沒——有——前——途！

很多年前我用sas base寫個宏都靠一個字一個字碼，真的是沒幾個人會數據挖掘，也沒地方抄，但現在r和python包滿世界都是，數據清洗完畢改幾個參數直接扔進去跑，簡單到新招的文科生，零基礎研究了幾小時，就能跑個隨機森林出來，表面看各項指標都ok。當然，這個妹子比較聰明的，多年前某數學變態出名的省，高考數學接近滿分的水平，另外有個國內top10學校年年一等獎學金的工科娃，耗時稍微多一點，天地良心她們做這份工作前只是熟悉SQL和excel，然後嗖嗖一下就學會了。

除了真正高精尖的技術，現在幾乎無論想要什麼挖掘方法，都能從互聯網上找到詳細的教材甚至現成的代碼，走在演算法前沿的高手由衷熱愛貢獻各種工具，數據挖掘變得越來越平民化、工具化、智能化，那十年後的今天，還需要這麼多數據挖掘崗嗎？

還是數據分析安全點，至少我們有行業相關的業務經驗，AI想替代我們，還指望我們給他們準備入模變數呢。

3、不想蹉跎歲月可以做什麼

國企總公司感覺和事業單位差不多，但我在裡面沒有蹉跎歲月，日子還挺精彩的，留下很多至今還被新人拿來學習的分析報告，創造了一套完整的指標體系、報表體系、報告制度和監控方案，外加一堆亂七八糟依然沒被推翻的東西。

國企是怎樣的環境呢？多做多錯，領導攔著不讓人創新，堅決反對改革，恨不得一輩子就一套報表，但我不樂意啊，做人講道義，拿了工資就要對得起發錢的公司，明明有辦法做得更好，為什麼不去試試看？所以各種絞盡腦汁，各種忽悠老總門，各種拿著監管發文做文章，為了顯得有說服力，數學科班出身如我還特地去過了司法考試，終於說服了頂頭上司、上司的上司，把職責範圍內對公司有利的都做出來了，整個過程絲毫不計個人得失，要扣獎金隨便，升職沒我無所謂，但你們不能攔著我做貢獻（他們都很詫異，這個傻妹子居然不是黨員……好吧我也覺得倒退80年，自己能成為無產階級革命家……）

在其位，謀其職，既然已經不太適合跳出來，為什麼不試著把本職工作做好？未必不是一條讓自己精彩起來的出路，現在國企氛圍比十幾年前好多了，很多鼓勵創新的項目和表現機會，相信事業單位多少也有進步，真的可以試試看。

事業單位最不能忍的還是工資低……為了房貸，還是出來了，據說我現在工資≈國企總經理級別 - 隱形收入，嗯，那的確是一個望其頂背的位置，放棄，出國企，掙錢。

（註：本文根據知乎live「大數據人的職業生涯規劃」部分內容的分享整理而成）

一、我們先來討論下大數據（數據挖掘是其中一個方向）是不是值得大家從事的一項職業，如如下問題。

大數據為啥這麼有誘惑力，是否值得投入，現在進去晚了嗎？

首先，大數據企業眾多，逐步形成產業化。從08年開始，大數據就成為互聯網信息領域的大熱門。由此而來，大數據企業像雨後春筍般層出不窮。純粹做大數據服務的公司，全國就有數百家之多。另外，更有成千上萬家企業是主要利用大數據來驅動業務發展的公司。

其次，大數據人才需求量大，薪資相比其他行業遙遙領先。數萬家的企業都把大數據當做企業業務發展的制高點，都在不惜代價的搶灘大數據人才。就拿互聯網金融行業來說，不低於一萬家企業，平均每家企業都需要10人以上的數據人才，BAT就更不用說了，每家的數據人才都是以千計。據初步估計，2020年國內數據相關的各方面專業人才需求量達數百萬，缺口百萬級以上。在這樣的情勢之下，大數據人才的薪資往往都起點高，增長迅速，一個碩士畢業兩年熟悉某一類模型演算法的人員，月薪低於2萬基本上是招不到的。

最後，大數據代表未來高科技發展方向，不管是智能社會、智能城市、智能社區、智能交通、智能製造、智能理財等等，都依賴於大數據基礎，這是多麼巨大的市場和發展機遇。所以，在現階段，無論你何時去決定投入，都有非常大的機會，至少未來十年，大數據一定不會衰落。

二、我們看看哪些人可以從事大數據相關工作。看如下的問題：

怎樣的人能從事大數據工作，我是生物、材料、自動化、電信、經濟金融等非數學、計算機專業的學生，也可以做大數據嗎？

首先，我想先明確的跟大家說，完全可以，身邊太多這方面的案例了。有生物博士畢業後，從事大數據云計算工作，有經濟學的從事大數據分析挖掘工作，也有市場營銷的從事大數據運營工作的；

其次，大數據相關有各方面的工作，有需要用到高深的技術的，也有非常簡單的工作，主要你願意並且有決心從事大數據相關工作，不管你先前讀什麼專業，一定能找到最適合你的切入點，進入大數據行業工作；

再次，關於如何找到最適合自己的切入點問題，需要全面分析個人的特質、教育背景、興趣愛好、社會關係、未來的理想目標，做出比較個性化的最適合自己的切入點切人到大數據行業工作。有些人適合從大數據分析入手、有些人適合從大數據產品入手，有些人適合從大數據爬蟲工作入手，有些人適合從大數據化運營入手，有些人適合從數據挖掘演算法模型入手，這還是從大的方面來講，還有更多小的切入點，等等，每個人的背景不一樣，切入點就會不一樣。我舉個例子來說，一位讀材料的工科本科生，個人對計算機軟體很感興趣，在校期間也曾經編寫過一些JAVA程序，對大數據也充滿好奇，其朋友的公司也剛好有大數據崗位需求，那麼他就完全可以安排好大數據學習計劃，去從事大數據技術研發工作的。

最後，要落地實踐。想辦法找到一家哪怕只有幾個人的小企業，就算沒有大數據只有傳統的數據，去從事數據相關的工作，在具體實踐項目中，不斷的學習，再逐步的調整自己的興趣愛好的方向，不久的將來，一定能找到你最想干大數據相關工作的；

在這裡，我補充說明下，關於如何找到個人的切入點的問題，如何找到進入大數據領域最佳路徑方面，以及如何落地實踐方面，由於需要全面分析每個人的職業背景、教育背景、性格特徵、興趣愛好、知識儲備、等等，是一個非常個性化的問題，在這裡，我就沒辦法一一同大家分享，如果大家真需要我幫助的話，可以在在行APP上搜索我的名字進行預約，我會在全面分析了你個人的情況後，幫助你找到一個切實可行的解決方案。謝謝！

三、 我在企事業、工廠製造等單位從事傳統信息工作多年，30大幾年齡，還能轉行做大數據相關工作嗎？

針對這個問題，我有四點建議。

第一點，要有決心。先問問自己是否能夠把大數據工作當做自己未來10年、20年甚至畢生都想從事的工作，如果是的話，那麼，就算你在傳統行業工作了5年、7年甚至10年，都30大幾的年齡，現在轉行也為時未晚；

第二點，要有信心。你是否已經習慣於企事業單位那種清閑的日子，你是否一直在傳統如製造業工作，習慣於日復一日的按部就班的做好日常工作？相信你一定不是，要不就不會在這裡聽我分享了。來這裡證明你還是有一顆騷動的心的。那麼，好，你一定也可以轉行做大數據，只要你想。拿製造業來說，雖然現在有智能製造概念，對製造行業會是一個機會，但對個人來說，傳統行業工作的升值空間還是非常有限，何況大數據代表著一種高科技術，掌握了大數據就掌握了未來制高點，智能製造也是要靠大數據來支撐，你決定轉行做大數據相關工作，我認為還是比較正確的，大數據目前正處於快速成長期，並且，至少未來十年都不會衰落，對人才的需求量非常大，薪資水平就目前來說在所有行業中排在非常靠前的位置。

第三點，要有恆心。大數據是一項技術領域的工作，需要掌握的技術非常多，你是否有恆心不怕苦、不怕挫折的去學習，把自己欠缺的基礎完整的補回來，比如做大數據研發需要你去學習JAVA基礎編程、SQL資料庫、Hadoop生態組件等等；

第四點，要有慧心。想辦法找到最適合自己的切入點，找到通往大數據職業生涯的一條捷徑。關於這一點，上面一個問題已有論述，在此就不再贅述了。

只要大家有決心、有信心、有恆心，有慧心，相信大家是一定可以轉行大數據成功的，退一萬步，就算你沒想轉行，或者最後因為各方面的原因沒有轉行成功，你掌握多一門流行的熱門的大數據技術，對你的職業發展肯定只會有好處不會有壞處的；

歡迎大家關注我的知乎專欄「大數據實踐與職業生涯」並留言，專欄會陸續的推出過往十多年的大數據工作經驗總結和我的一些研究實踐成果。如果你是大數據新人，或者想轉行進入大數據領域，或者大數據職業生涯上存在一些疑惑，都歡迎關注我的知乎live分享「大數據人的職業生涯規劃」、「數據分析師-從零入門到精通」、「大數據人的數據科學家之路」

31歲正在做數據挖掘的女人告訴你：

1，首先要有好的數學基礎，我四年本科數學，偶爾感到不夠用，碩士以上為佳。編程基礎有最好，沒有也行。

2，我們這行招人一般招兩種：第一種，數學/計算機專業的應屆碩士生/博士生。第二種，有多年數據分析/挖掘的實踐經驗，不僅自己會做，還得能帶別人做。以你目前的狀況來看，轉行成功的可能性較低。

3，如果你一定想轉，建議你轉數據分析，門檻不高，發展方向也靈活。我身邊有從事業單位跳到電商公司做數據分析的，是中午在辦公桌旁邊擺行軍床睡兩小時午覺的那種單位。那個同事年齡大、入行晚，一切從零開始，但是非常努力非常謙虛，不怕加班，勤于思考，注重自身積累，兩年時間跳到了杭州阿里巴巴。

身邊不乏從完全不搭界的行業轉行數據分析的成功案例。轉型數據挖掘成功的也有，但，要麼是數據分析出身，要麼是數據倉庫出身，也有技術研發出身的，從其他行業轉入的，真沒有。

希望對你有幫助：）

可能性接近於0，別被公眾號微博迷惑了，機器學習最近幾年確實火，但是學的人多，崗位卻很少。更何況你的條件沒有任何對數據挖掘崗位加分的地方，如果你堅持，建議你保留事業單位的工作的同時去找。

我的建議是，請不要轉互聯網，並且就地應用數據挖掘。

機器學習或者數據挖掘技術需要由你們帶到各行各業。

現在它們只在互聯網行業裡面內卷，而且你們的轉行無疑加重了這種趨勢。這樣是不行的，等於說這種技術的力量沒有真正發揮出來。

確實只有1%，但是我見過那1%，大專學歷，文員，女性，三年從未停止學習，基本沒有娛樂，入行成功。只能說有沒有信心做那1%.

你先學了再說。先不辭職，學學看。

她先學的java和大數據(文員零基礎起步)，成功去幹了一年大數據，後學習python，機器學習。期間無時不刻一直在補充學習數學，演算法，人工智慧相關等。

至於學歷嘛(用乾貨來補充)，面試的時候面試官很拽，等她不停的講了兩三個小時，就送她下樓吃飯並發了offer.

記得最清楚的一句話:"作為女生，生在這個年代太幸福了。"(她個人感受)

我覺得這個雞湯聽幾遍都有用:種一棵樹最好的時間是十年前和現在。

首先，有點不太喜歡這種問可能性的問題，因為無論可能性究竟如何，具體到個人身上，就要麼是0要麼是1。這放在數據樣本的二分類問題中很可能的表現就是，某些樣本你預測它是1的可能性極小，可是人家還是1……（翻白眼），不過你可能不屬於這種樣本

作為一個啃了將近半年數據挖掘的人。簡單描述一下我的心路歷程吧。

在學機器學習演算法以前，我複習了多年不沾的概率論，線性代數，統計學知識，還看了點數值分析；補了一些數據結構與演算法，資料庫，計算機網路方面的基礎知識；學了基礎的Python數據分析庫:numpy,pandas,畫圖庫matplotlib，seaborn；還把R語言實戰也學了（雖然後面再也沒用過）；學了基本的Excel操作和SQL常用語法；

然後我開始啃演算法，啃Andrew ng的課，啃西瓜書，啃統計學習方法，啃得牙疼就去看看數學之美調節調節身心……；然後開始啃sklearn庫，中途必定會遇到之前沒見過的演算法然後各種查；

完事就開始懵逼這些演算法究竟怎麼解決實際問題，於是開始看一本實戰的書，了解了實際問題如何構建描述指標，也就是特徵，如何做特徵工程，如何清洗處理數據雜質，如何轉化數據使數據滿足不同的演算法的要求，又是如何把實際問題抽象成數學模型並如何選擇演算法……這一整個過程

之後為了試手參加了kaggle的三個新手賽，瘋狂去GitHub上找案例看源碼，然後開始參加正常比賽里那些能只需要統計學習也可以玩的比賽類型，比如房價預測之類的

再之後，了解到現在工業界最常應用的一些細分領域是推薦，風控，預測，計算廣告等等。我又看了推薦系統實踐那本書，重點找了幾個風控領域的項目源碼看了看

這期間我還還吭哧吭哧地把Hadoop，spark，hive裝到了Ubuntu虛擬機上，試了一些特別簡單的小腳本，試了試HQL；順便熟悉了Linux shell和vim；出於好奇學了爬蟲，熟悉了熟悉scrapy框架，順著爬蟲get一丟丟前端知識

之後除了打比賽之外，還想涉獵自然語言處理和深度學習

感觸如下：

0.數據科學的涵蓋面太廣了，業界應用的場景除了幾個領域之外，還在探索之中，企業在人才爭奪中囤的都是數學和演算法基礎知識紮實的人，不是說彎曲招DS都對new grad不怎麼友好么，新人本就難以勝任，更別提轉行的新人了

1.對自學者來說，邊學邊忘的現象很嚴重，有時候到了用的那一刻才覺得，自己似乎對一些概念根本沒理解或是記住，對一些工具的用法也是如此。經常發生這種事吧，就會忍不住懷疑自己是不是老了，腦子不夠用了

2.沒人指導，很少有人交流，一切全靠自己查，自己先查出一份自己的培養計劃，然後自己給自己找學習資料，自己啃，難免很容易分散精力，所以科班爽啊（所以計划出國念個master）

3.數據挖掘問題假設有一個上帝解，模型永遠都在逼近那個上帝解，所以學東西做東西都難以把握好一個度，比如說做到特徵選擇這一步，有賊多方法，看一篇細分方法的論文就拉扯出賊多其他方法，然後你看了好多方法，仍然無法判斷用什麼方法或是方法的結合比較好（所以要暴力CV嗎……所以得成為一個實現場景方面的專家擁有很多業務經驗嗎？）

4.以上這個性質就直接導致了這是一個相比別的目標明確，系統清晰的領域（比如大部分工程師類）更難以自學並轉行的一個領域

5.也直接導致了學的很心裡沒譜，所以也容易焦慮，做比賽的那段時間，睡覺迷迷糊糊中想的都是我各種對於昨天模型過擬合的原因的猜想，今天要怎麼怎麼調整。然後依然持續一頓操作猛如虎，線上依舊0.5的循環當中，宛如推石頭的西西弗斯，肉體和心靈極其容易受到打擊。

至於可能性，光在知乎我就知道好幾個剛畢業轉了數據分析然後再轉數據挖掘的人，也知道好幾個研究生期間從其他工科直接打比賽轉數據挖掘的人，也知道大齡轉數據分析過了幾年轉數據挖掘的人，還有那種別人口中的高中畢業自己通過借貸欺詐借了錢自學後來在大數據風控組當組長的人

在來點雞湯：

之前想要一份zillow的原數據，看到一個專欄文章，私信了一個做過比賽的知乎妹子，後來知道她已經30+，孩兒他媽了，我看了她的專欄文章，這個妹子今年一月多定了一個井井有條的計劃，業餘時間啃機器學習已經一整年了，中途不斷的用專欄記錄學習過程，少有人點贊，卻沒斷過

我問她轉行計劃是怎樣。她說她覺得學的還不夠，不過她說她也不急，等學的差不多再轉

轉行不就是這樣么，源於喜歡，然後抽時間擠時間學，學到能解決問題了就水到渠成自然而然。

大。直到現在我才發現，熱情才是驅動工作的最大動力。別說31，61我都不覺得晚。

不建議。

論技術論演算法，比不過現在年輕人，

論業務經驗，比不過現在的老油條，

換行肯定吃虧，何況現在互聯網這麼壓榨人，考慮到你這年紀肯定受不了。

當然，如果你不缺錢只是來體驗生活的，當我沒說，身邊的確有一些這樣的。

首先，請安排好結婚生子的事情，最好生2個。。。。。

其次，跳出體制，跨行這種事情，最好是利用身邊資源，就地發展先。經驗有了，知道自己合不合適了，再離職比較好。

最後，任何工作，，，，，都只是謀生而已，差別不大。說有差別，那是自己眼裡有了分別心。。。。。

謝@何燕傑邀，

直接說結論吧：可能性極低，不建議轉行。

但是題主執意要轉行的話，知乎上有很多這方面的知識，也可以私信我，我很樂意提供力所能及的幫助。

我和你情況差不多，不過我是男的，小几歲…

大學學的是化工，幾年前被家人硬逼著考了個事業編，班上的沒勁…

自學了編程三年，雜七雜八的都學，資料庫，全文檢索，分散式，QT，前端的一些框架，深度學習，網路編程等等，後面一年偏向於深度學習，自我感覺良好，尤其是演算法方面。

然後投了幾個小公司，有的工資低比現在差一截，有的看著就不想去，有的直接就沒有回復。

後來就算了…，幫朋友做了幾個網站，微信公眾號的二次開發，數據可視化等等，大部分免費，最多請吃飯，一年算是增加個千把塊收入吧。

總體來說當愛好，順便增加點收入不難，但是想要以此為職業… 貌似不容易。

要看你是什麼專業吧！我本科是數學，學起來都挺吃力的，不停的複習數學，有點不夠用。如果是文科也是可以的，但是估計最多能成為調包俠，還有就是你現在的經濟狀況如何，我也是一名鄉鎮公務員，正在學習，大家共勉。

數據分析，估計還有戲。

學了在日常生活中也能用用。

數據挖掘還是算了。

沒有大量精力投入是學不好的。