轉行數據分析？

01-16

題主本科碩士top5學校，15年畢業。目前在中核集團的一個設計院做核工程設計（位置山西），這兩年核電發展減緩，待遇越來越差，像去年連工資加獎金總共8w，現在想跳槽，工程設計類的單位待遇不好所以不考慮，可能要轉數據挖掘方向。
題主編程有一定基礎，入門時啃完了c++ primer 以及plus，日常經常拿c#開發點製圖軟體的插件，空閑時間買各種python的書自己手打玩，總的來說屬於編程上的書獃子，很缺實踐；數學方面高數基礎比較紮實。數值分析學的還算不錯，決定要轉數值分析後自學了Hadoop和java的基礎。
最近也看了些智聯上的數據挖掘方向的崗位，似乎都是對專業背景比較看重，試著投了幾個也沒有迴音。現在有點動搖，請問各位前輩們，我的這個決定是否明智，有希望走得下去嗎？非常感謝！

不邀自來，這個問題我必須要強答一下！我覺得樓上這幾位都沒抓住重點。

我先來給題主堅定一下信心，我認為你的選擇是明智的。當前我們正從網路時代向數據時代過度，未來若干年後，數據將會和信息網路一樣成為必不可少的基礎設施。在這個過程中，必定需要大量的數據人才，包括數據分析、數據挖掘、演算法工程師、大數據開發、系統架構、人工智慧開發等等。所以，在可見的將來，數據分析師必然會成為炙手可熱的職業之一，收入也相當可觀。另外，我可以明確的告訴題主，轉行成功的可能性大大滴！只要方法得當，我認為題主完全可以順利完成轉行！為什麼我如此肯定？聽我慢慢道來。

首先說明，我本人就是工作後轉行數據分析，經過10個月左右的業餘時間學習，已經順利拿到多個offer，且月薪均不低於10K。和題主這種學霸不同，我最多算是學渣裡面相對比較願意學習的，中學成績平平，大學是一所不入流的普通本科，專業是電子信息工程。在校期間成績也是一般，像高數、線代、概率統計等等凡是數學相關的課程，都是我比較頭疼的，每次都是勉強及格。我也沒讀研究生，2010年畢業後混了大半年，然後陰差陽錯到深圳入了汽車製造業，這一干就是6年。從去年開始，答主我漸漸感覺到汽車行業進入到了一個拐點，整體情況沒有以前那麼好了。而且這幾年的工作也讓我漸漸認清汽車行業的特點，汽車製造業人才競爭非常激烈，並且很看重資歷，環顧周圍，工作10年以上依然只是普通工程師的大有人在，想要有所晉陞，似乎只能等幸運女神眷顧。很明顯，這不是我想要的，於是果斷選擇轉行。

跟我相比，題主的優勢不要太多！首先，題主是Top5畢業，還是碩士研究生，學歷上就完爆我等學渣啊！其次，題主你前年才畢業，當今正是年輕力壯啊，學習能力和精力均處於巔峰的時候，這方面也甩我幾條街啊！還有，題主數學基礎好，有編程基礎，還自學了Hadoop和Java，這轉行的起點也比我高啊！從這方方面面來說，題主都不應該轉行不成！！

我再來跟題主說說你為什麼會碰壁？為什麼會氣餒動搖？

首先，題主把轉行想簡單了。轉行意味著什麼？意味著你放棄幾年的工作經驗，放棄自己熟悉的工作環境，進入到一個全新的領域中。這種情況下有可能輕輕鬆鬆完成么？顯然不現實呀！轉行就意味著遇到新的環境和困難，遇到挫折是非常正常的，四處碰壁也是非常正常的。題主需要有耐心，需要給自己多一點時間，需要從每次的挫折和碰壁中吸取教訓並成長。

其次，題主沒有做好足夠的準備。題主了解數據挖掘是幹什麼的不？了解數據分析是幹什麼的不？了解數據分析和數據挖掘應當具備哪些知識和技能么？了解整個知識體系該如何構建么？從題主自己的描述來看，我感覺題主對這些問題還是一知半解，並不清晰。

再次，轉行是一個過程，是需要時間、需要歷練的。就像前面說的，我也是花了10個月所有業餘時間去學習、去練習、去做項目、去找工作，最終才能拿到offer。那題主你呢？你花了幾個月準備？你準備的方向對不對？該學的東西你都學到了么？你知不知道HR看中什麼？我感覺題主似乎並沒有認真的去準備這些內容，著急去投簡歷，所以碰壁也就是難免的了。

啰嗦這麼多，題主自身存在的問題算是講完了。那麼，怎麼解決這些問題？怎樣準備可以成功的轉行數據分析、挖掘？（敲黑板了啊！）下面我就來告訴題主，怎樣轉行數據分析。

我前幾天寫過一篇文章，裡面就詳細總結了自己轉行數據分析的經驗、方法和過程，恰好非常適合題主。這是我一個小透明在知乎上發表的第一篇文章，但短短几天之內收貨近500贊，我相信還是非常有價值的。我把它貼過來，供題主參考。文章略長，為了便於閱讀，我只摘重點部分過來，如果想要查閱完整版，可以訪問這個鏈接：轉行數據分析，你準備好了嗎？ - 知乎專欄

--------------------我是華麗的分割線-----------------------

第一，題主必須要花時間搞清楚數據分析，數據挖掘到底是做什麼的，需要什麼知識和技能。

《誰說菜鳥不會數據分析》這本書是數據分析方向的一本超級經典的入門書，書里對數據分析的定義如下：數據分析是指用適當的分析方法及工具，對處理過的數據進行分析，提取有價值的信息，形成有效結論的過程。那麼，數據挖掘和數據分析是什麼關係呢？這本書中也有解釋：數據挖掘其實是高級的數據分析方法。OK，搞清楚這兩個概念題主大概就應該知道，數據挖掘其實就是數據分析的一個分支，題主必須理清數據分析的知識框架，並做好充足準備。從我的經驗來看，轉行數據分析只要要掌握以下知識和技能就足以找到一份工作：

統計基礎；
分析理論
Excel
SQL
R
Python

僅僅知道要學什麼是不夠的，還需要知道學到什麼程度才是合適的。按照筆者的看法，以上每項技能/知識應當掌握的程度如下：

我把每個技能的熟練程度劃分為5個等級，依次分別是：1、了解基本概念；2、知道基本理論/會簡單操作；3、熟知原理/熟練操作；4、數學、邏輯論證/靈活應用；5、精通、專家/能改進、優化。對於入門者來說，上面這幾個知識領域大多只需要掌握2-3的熟練程度即可，如上面雷達圖。可以發現，對於入門的新手來說，其實像Hadoop、Java、spark這類的知識是可以暫時不學的。因為這些主要是應用於分散式數據處理，也就是我們所謂的「大」數據方向。但其實還是有很多企業是處在傳統的資料庫時代的，暫時還不需要這些技能，這些可以等入了門以後再慢慢學習。

第二，完成知識積累以後，題主還需要知道求職前需要做哪些準備。主要包括三部分：項目經歷，簡歷準備，心態準備。

先說說項目經歷吧。當前幾乎所有企業招聘時都要求有相關工作經驗，而這個是轉行的小夥伴們的死穴。為了讓HR相信我們能夠勝任這份工作，我們必須拿出充分的證據來，在沒有相關工作經驗的前提下，找一些可以個人完成的項目來做就是唯一的選擇了。準備兩到三個實際項目，能夠極大的提高HR對你的興趣，從而提高面試頻率和通過概率。拿筆主自己來說，在找工作之前完成了兩個實際的項目並形成了報告，其中一個項目被Udacity的知乎賬號付費轉載（可見：數據分析師掙多少錢？「黑」了招聘網站告訴你！）。正是在這個項目中很好的體現了數據分析的基本技能、方法和思路，所以吸引了HR的注意，並且最終打動了面試官。所以，在找工作之前準備幾個實際的項目經驗。

然後說說簡歷準備。寫簡歷的重要性就不言而喻了，不多說。筆者這一塊其實並沒太多經驗，也曾因為醜陋的簡歷而屢屢碰壁。幸而偶然中認識一個同樣轉行的小夥伴，他介紹我去看陳文老師的求職攻略課程，並且非常耐心的指導我該如何改簡歷。當晚我就對簡歷進行了一次大改。從自己實際的體驗來看，簡歷修改之前，投了數百份簡歷，可是面試邀請寥寥無幾。簡歷修改之後的第二天，投了16份簡歷，就收到了3個面試邀約，前後的差異之大簡直震撼。所以，簡歷準備這塊不展開講了，建議題主去聽聽看陳文老師的課程：求職必勝，提升面試成功率靠譜攻略 - 天善智能-商業智能和大數據在線社區，用心創造價值

再說說心態準備。其實，心態的準備並不僅僅是求職前的工作，對於要轉行的小夥伴來說，這其實從下定決心的那一刻就已經開始了。

心態上最大的障礙可能是懷疑。放棄原行業數年的工作經驗是否值得？數據分析的職業前景到底如何？面對數據分析龐大的知識系統，自己是否真的可以掌握並找到工作？凡此種種。筆者也曾無數次的搖擺不定，直到最終找到了工作，方才鬆了一口氣。其實秘訣只有一條：堅持。行動上堅持，心態上接納。沒有人能夠對未來有明確的判斷，人每一次的選擇都不可能保證是對的，所以產生疑慮是非常正常的。要學會和疑慮共處，在雜念叢生的同時，持續學習和改變。有一個理念非常關鍵，那就是要堅信：主動擁抱變化，永遠比被動接受變化更有意義。不管是因為什麼決定轉行，都一定是對原先的工作不滿，帶著不滿的工作勢必無法長久也很難提高。與其在不滿的崗位上空耗下去，白白蹉跎了時光，不如果斷轉身給自己一個新的開始。
心態上的第二個障礙，可能是氣餒。當學習進入瓶頸、當找工作處處碰壁的時候，挫敗和氣餒的情緒便會油然而現。這個時候，學會對自己寬容是非常重要的。要明白，自己不是天才，在學習中遇到困難、找工作時被拒絕、甚至被HR輕視和刁難都是非常正常的。這是我們選擇改變所必然要面對的情景。
最後是耐心。有句老話叫：盡人事，聽天命。運氣這種東西確實時常捉弄人，飄搖不定無法把握。所以可能即便準備的非常充分，還是找不到工作。這時候未必是自己出了問題，可能僅僅是命運女神還沒有眷顧。對自己多點耐心，保持樂觀、保持信心，隨時準備好應對面試、應對HR的挑戰。即便單從概率來算，好運氣也遲早會光顧的。

第三，給題主一份書單，這些全都是廣受認可的書，題主不必再費力自行尋找了。

統計基礎：《深入淺出統計學》、《商務與經濟統計（第12版）》
分析理論和Excel：《誰說菜鳥不會數據分析》
SQL：《SQL必知必會》還有MySQL的官方教程
R語言：《Learning R》、《R語言實戰》
Python語言：隨便一本入門教材 + 《利用Python進行數據分析》、《Python科學計算》。Python除了最基本的語法和數據結構之外，最重要的是Numpy, Pandas, matplotlib, Seaborn, scikit-learn這幾個庫包。看書只能了解一小部分，更多的是要讀官方文檔。

以上就是我文章的核心內容，也就是我給題主的主要建議。但是除此以外，還有兩個小建議給到題主：

盡量到北京、上海、深圳、杭州這幾個城市找工作。因為答主曾經對招聘網站上數據分析這個崗位做過統計分析，這幾個城市對數據分析崗位的需求量最大，最好找工作。其他城市對數據分析的需求量都很低，找工作不容易。題主若想要對數據分析這個職業方向有更深入的了解，可以參看我之前授權Udacity官方發表的文章：數據分析師掙多少錢？「黑」了招聘網站告訴你！ - 知乎專欄
找一個系統的、完整的數據分析課程去學習，這樣能夠建立起比較系統的知識體系，也比自己看書學習效率來的高。這一塊筆者推薦Udacity的數據分析師納米學位課程。以跟隨教程學習為主，看書補充為輔，這樣的話不用把每本書從頭到尾全部看完，對於新手來說可以節約大量時間。另外，課程中本身帶有7個項目，可以用來練習，也可以作為項目經驗寫進簡歷。尤其是P5的項目，本身就來源於實際項目，非常好。

一不小心又寫了數千字，啰嗦這麼多，若能耐心看完也是聽不容易的~嘿嘿。不過，既然都看到這兒了，順手給個贊吧~

就醬~

大數據有好幾個方向，不同方向需要的技能組合不同。比如在部署方面，公司多半要求對hadoop/spark等框架，或者大型資料庫技術比較熟悉，編程語言偏向java/C++，但這個方向不是我熟悉的。所以我回答下數據建模和分析方向需要的技能。

這個方向的數學基礎主要是概率和統計，其次是一點矩陣運算和優化常識。編程語言往往python就夠了。需要的技能主要包括:

1) 對數據有好的直覺，比如在必要的時候，看原始數據可以感覺到是正常或是異常；

2) 深入了解各種模型，從簡單的線性回歸、邏輯回歸，到複雜些的主題模型、深度神經網路等等，知道各自要解決什麼問題，怎麼編程實現，以及會調參數;

3) 對常用的機器學習包，如sklearn可以熟練使用；

4) 知道怎麼搜集和整理數據，比如寫爬蟲從網頁抓取數據，寫正則表達式提取數據，以及怎麼把數據處理成機器學習演算法容易處理的形式，比如連續變數做歸一化、類型變數one-hot encoding等等。

至於怎麼掌握這些技能？如果決意自學的話，可以從一些自己感興趣，又不是那麼難的項目入手。我這裡隨便提一個：對城市房價的回歸模型。這需要搜集可能相關的因素，比如總人口、人口增速、外來人口數量、當地大學每年畢業生人數、商住用地銷售面積及單價、基礎設施投資金額、房貸利率等等。搜集好之後，可能線性回歸模型就夠用了。如果做得好了，不僅學到了數據分析技能，而且可以賺錢哦

謝邀，簡單說下：

1.以目前的形勢來看，非互聯網轉互聯網很難，至少不會像三年前那麼容易。

2.在北上廣深杭以外的城市，找數據挖掘的第一份工作很難。

3.非相關專業的研究生找數據挖掘的工作很難。

建議：回母校進修一下，然後在一線城市找數據挖掘的第一份工作，之後再去想生活的城市。時間周期會比較長，也未必會成功，如果不願意付出努力並承受相應的代價的話，就只能碰碰運氣了。

謝邀。 @whyso

數據分析這個工種，有兩類去處。

第一類是把分析結果以報表方式提供給客戶，供人閱讀。

第二類是作為決策輸入，直接生效。

目前的人才、資金都在向第二類聚集，第一類只培養低端人才，企業不容易生存。

要進入第二類企業，要記住它們的顯著特徵：最高權力部門（股東會、合伙人會議、理事會...名稱不同）已經根據數據分析的結果輸出而進行了徹底的自我改造。

第一類，不要說權力部門，就連提供數據（也就是負責數據採樣）的部門都沒有改造過。

題主投簡歷沒有迴音，一方面是投給了生存艱難的第一類機構，另一方面是自己的能力結構還不適合第二類企業的需要。

（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（大數據分析是其中一個方向）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」

趁著午飯時間，我簡單說一下。

1.首先是地域不對，山西找這工作命中概率預計低。

2.其次很少要工作沒經驗的人來培養，北京這邊對於非應屆生都是要一年以上的多，所以你要千方百計的積累項目經驗，起碼要能hold住一年經驗這樣子，起碼讓人看了就知道大概是一年水平，深的做不來，基本的起碼能做

轉行離家遠，還要在外地熬年頭，如果你只是為了多一些錢和福利，沒想到以後要做成什麼樣，準備承擔什麼樣的後果，比如在外地大城市漂泊，離父母遠，未來大城市買房困難，找媳婦難等等，那建議再多想想