三十二歲學數據分析還來得及嗎？

02-28

我覺得未來數據分析能力會像邏輯推理能力這麼基礎，是每個人都需要具備的能力。所以我不覺得什麼時候會晚。

如果要成為一名專業的數據分析師，要學的東西比較多，並且需要有場景訓練。我更建議的是你找一個運營產品類的崗位，然後在工作中有意識的運用數據，這樣逐步提升自己的數據分析能力。然後再發展為專業的數據分析師。

民間有句雞湯：最好的種樹時間有兩個，一個是十年前，一個就是現在。恩，雞湯喝完，我們再來聊聊學習數據分析這件事~

在我自己之前接觸客戶的過程中，特別是很多互聯網公司一線的產品、運營、市場人員的時候發現，很多人首先缺的可能不是諸葛io這樣的分析工具，真正缺的可能是數據意識和思維，可以簡單理解為，如何看待數據這件事。比如，在一些很技術的互聯網公司中，有leader會說，這個版本先不採數據，因為開發資源緊張，著急上線，但是也會遇到一些傳統轉互聯網企業的運營者，自己可能都不是技術出身，但都會強調數據採集這件事放在前面，所以，本質上是你認為這件事情重要，那他的優先順序就高，你認為他不重要，那你就會覺得他是浪費時間和資源。所以，不管你對數據分析這件事看的多深多淺，首先你先要能認識到他的重要性，然後才會有意識的從數據角度分析你的業務和工作，甚至反向指導業務。比如，在我們服務一個金融理財客戶的過程中，想要知道用戶對某一理財產品到底有多關注，或者了解一個用戶的理財偏好，除了分析用戶購買的理財產品特徵，看用戶瀏覽過什麼，還有沒有更好的辦法？後來在預售界面，我們增加了產品開售提醒功能，如果用戶願意把他添加到日曆，即使他沒買到也能說明用戶的喜好。因為數據很重要的價值就是不斷的了解用戶，才有機會提供更好的轉化率更高的服務。

有了意識，還要掌握分析方法，因為要分析一件事情，特別是基於數據去解讀業務，背後有些方法論在，舉個栗子，產品改版評估過程中，我們通常會想辦法剔除掉老用戶，篩選一個樣本區間，並且時間區間內的流量自然，當然，你可以不剔除，但是你需要明確出你得出某一結果背後的所有假設條件，然後再去下結論和進行猜想實驗。越嚴謹越科學得出的結論越具有參考價值，當然，在不同分析有的方法和能實現的嚴謹程度不同。補充一句，數據分析如果想讓他能指導業務，而不只是衡量和統計，那他其實是一個分析-猜想-實驗-衡量，然後再分析，再猜想...這樣一個不斷迭代的過程，可能10次有9次的猜想實驗都不會帶來明顯增長，但是這一洞察過程他會產生累計價值，這可能又回到對數據分析這件事情認知層面了。

有了認知、意識和知道方法的重要性，可能你需要一個工具，因為他是效率的提升，而有了前兩者，你的分析才是紮實的，而不只是會某一個工具出些統計報表，因為隨著技術的不斷升級工具也會越來越好用，甚至有些模型反映出的可能就是用戶價值，不需要你自己去與開發協同或者寫sql就可以通過可視化的方式進行分析。以我們自己的產品為例一個模型為例，我們計算用戶發生一件事和新增時間的關係，然後抽象出「新增於」這個維度，在用戶分群的過程中，你可以篩出新增1天就有付款行為的用戶，也可以篩出新增30天有付款行為的用戶，不同的時間篩出來的是不同價值的用戶，這就是模型的力量，數據有，能不能簡單精鍊的洞察是需要不斷思考的。

總結一下，個人認為，首先知道自己想學什麼本身就是件幸福的事兒，其實隨著年齡的增長、職場的歷練，好像對什麼都會失去興趣，所以，要珍惜自己的好奇心，如果有時間就去嘗試吧。

感興趣可以體驗一下我們的產品： http://www.zhugeio.com

以上~

我認為來得及。我三十歲，今年五月份轉行數據分析師成功，收入增長百分之五十。你只大我兩歲，我認為不管是年齡還是精力都還是允許的。

當然，轉行也是要講科學方法的，具體可見我的一篇文章：https://zhuanlan.zhihu.com/p/26429642。

祝你好運！

說實話，確實有點晚。那些拿雞湯說事情的人估計是雞湯喝多了，舌頭打滑。三十多歲了再去重新學習數據分析，各種壓力，困難怎麼會少呢？但是俗話說藝多不壓身，禮多人不怪。大數據時代，數據分析也算一個新興的行業，前景很不錯。如果你是個人興趣那就另說了。

大數據人才現在供不應求。大數據產業發展迅速，很多公司都越來越意識到要將大數據作為自己公司的經營戰略不可或缺的一部分，就像銷售、生產、公關這樣重要的環節一樣缺一不可。人才需求旺盛前途光明。

大數據分析方向的人才更多注重的是數據指標的建立，數據統計，數據之間的聯繫，數據的深度挖掘和機器學習，並利用探索性數據分析的方式得到更多的規律、知識或者對未來事物的預測預判的手段。

以下是大數據分析方向需要學習的主要內容。
資料庫應用：關鍵詞有RDBMSNOSQLMYSQLhive、Cassandra等。
數據加工：主要有ETL、Python等。
數據統計：關鍵詞有統計、概率等。
數據分析：關鍵有數據建模、數據挖掘、機器學習、回歸分析、聚類、分類、協同過濾等。

其中，資料庫應用、資料庫加工是通用的技術技巧或者工具性的能力，主要是為了幫助分析師調用或提取自己需要的數據，畢竟這些技巧的學習成本相對較低，而且在工作場景中不可或缺，而每次都去求人去取數據會浪費很多時間成本。

學習大數據重在找對方法，而不在時間早晚，學習數據分析，上大學和在線自學哪個更好？ - 大數據多智時代

15年底，29歲。順利找到了一家創業公司做數據分析。

一個月後，公司資金鏈出了問題，裁員。

又花了一個月，找到了數據分析的工作，在運營部門。

做的工作比較雜，除了運營數據分析和報告，還做了些行業分析報告的數據清洗、建模等工作。

今年年初，公司大佬創業。帶著我們幾乎一個事業部的人出來，我有幸在名單之上。

現在工作主要內容除了剛剛的內容，還有一些數據產品經理的角色。

工作內容複雜嗎？

其實看一些書，和高人整理的經驗就可以作為參考。

工具也不麻煩。

SQL、R、Python這些基礎工具邊學邊用。

所以困擾的不是上面2個問題，而是勇氣。

如果自信，困擾自己的只是沉沒成本。

互勉。