无岗位经验转行数据分析师求职经验——自学篇

"数据分析师” 这个title可太火了，乍一看好像是那种秃头学霸奥赛得主才能干的活儿，既要懂数学理论，又得会用专业的工具如SAS或者python。但随着我近两个月了解下来，目前市面上招的“数据分析师”初级岗(1-3年经验)，绝大多数还是表哥表姐那一类，当然不是看不上表哥表姐，毕竟很多人想做都不一定有机会。但至少说明了，即使没有很匹配的专业背景和岗位经验，也可以在很短的时间内明白DA在做什么，大概需要哪些方面的知识+技能，才能有针对性的准备面试。

先说下本人背景，双非院校经济类研究僧，本科信管。毕业后第一份工作是某行业TOP互联网企业的运营岗，至于运营岗是做什么的，不同事业部之间可能天差地别，我的工作内容要硬说和数据分析有什么关联，那就是做日报和偶尔对运营情况做简单汇报，其实在大厂里不少运营岗的小伙伴的综合能力也能胜任初级数据分析师工作内容。说回我自身的情况，我对数据还是很感兴趣的，也觉得自己的能力对于目前的岗位是over qualify了，而且看不到在当前岗位上的发展前景，收入也微薄的可怜，甚至还有下降的趋势（行情不好导致奖金减少），于是就打算转向专职数据分析师岗位！首先岗位名称就比什么运营好多了，别人至少从字面能理解你大概做什么类型的工作；其次从各大招聘平台发布的启事，同岗位年限的数分薪资也要比运营高（就别拿什么运营总监/COO说事儿了，对底层打工人没有参考意义）；其三，对我个人挺重要的，就是数分这类工种的学习路线非常多而且具体，不管是向业务专家还是数据科学方向前景都不错，虽然我已经找到对应的工作了，此刻也不能预测自己三五年后会偏向哪个方向，但我对高级数分所需要的知识和技能都还学的进去，只是需要多一点时间。

接下来是本人自学内容介绍，首先声明下我本人是个学渣，学习能力不算好，要说有什么长处，可能就是有自己的一套灵活学习方法，所谓的灵活学习，就是每门知识或技术，只学到刚刚入门，知道是什么，为什么，（别人）怎么做，就可以了，然后剩下的时间赶紧入门别的模块的知识，就像拼图一样，我不会一张一张的选，而是先对各个部分大概有什么心里有个数，再尽量把各个部分填满。这不是严谨的学习方法，更多的是一种为了快速找到匹配工作的手段，毕竟我觉得自己最欠缺的还是一份工作经验，而不是理论知识。

第一步是SQL，可能有些人会觉得应该先学概率数理统计打好基础。emmm怎么说呢，我觉得能下决心做数据分析师的人应该不会在概率统计这块完全0基础吧，而且一开始就学纯理论知识很容易让人想放弃，但SQL就不一样了，安装个Mysql，在配置好的环境下写一句"select * from table"就能立即体验所谓的“取数”成就。虽然不是每个数分都要自己从数据库里查数，但SQL能力几乎已经是数分甚至运营岗的标配。不用学的多深，一本MICK的《SQL基础教程》和Ben的《Mysql必知必会》，在电脑前刷完查数的基本语句即可（话说到现在我已经忘得差不多了，基本上只在笔试的时候用过）

花了一周多的时间粗略地看完SQL，就开始试用Tableau（不用Powerbi是因为我的笔记本是macOS），其实这个软件我到现在也没有玩的很明白，但还是厚颜无耻的在简历上写会用。最直观的感受就是图表多样化而且比excel好看，我上手去学也只是因为看招聘JD上多次出现。下载Tableau试用版，搭配官方提供的supermarket案例数据集，自己鼓捣一下午，知道是怎么回事儿就行，没必要花太多时间在BI软件上。

学完SQL和所谓的可视化神器Tableau，我顿时觉得信心爆棚，心想自己应该达到一些初级岗的门槛了吧（实际上也有很多初级数分甚至不需要工作经验）。于是我开始向python发起冲锋。都说life is short, you need python，这玩意儿在学生时代就多次听到，这么多年过去了不仅热度不减，几乎已经成为大厂或者高级数分岗的标配，必须学！但我此时犯了一个很致命的错误，就是不重视基础，觉得python就是调用各种现成库（可能也确实如此吧只是现阶段自己基础太差有库也用不好），迫不及待的想要做网络爬虫，可视化输出项目，结果自然是铩羽而归，除了在网上COPY别人的代码自己跑一遍，几乎写不出几句有用的。现在我的书架上有《python网络爬虫权威指南》《python实战之数据库应用和数据获取》《利用python进行数据分析》，但就没有一本从零介绍python入门的，这跟我的浮躁心态有关，很难一步一个脚印地去打好基础，也和现实因素有关，我的现阶段目标是尽快找到工作，而不是成为一个理论大师。

虽然python入门受挫，但还是找到了一些好玩的东西，比如可视化图表包pyechart，如果说枯燥的代码和死板的matplotlib包总让我昏昏欲睡，那么可交互、能实现各种狂拽酷炫的图的pyechart无疑是学习python数分过程中的兴奋剂，结果就造成了，我只有在需要做一些好看的chart的时候才会用到Python.

大约离职一个月后，也面了三四家企业的数据分析师岗位以后，开始意识到上面学的那些都只是皮毛中的皮毛，而且自己虽然学过概率、统计、线代之类的课程，但稍微进阶一点的理论就已经在脑海中形成不了清晰的认识了。而只会所谓的工具，而没有业务分析sense的话，面试官可能会觉得我是想往技术员方向发展而非业务分析方向。但是在没有经验的前提下，意识哪能这么容易说提升就提升呢？纠结之下我还是决定把大学时期学过的数理分析理论梳理一下，然后通过一些理论结合自己过去的一些经验，思考这些理论是否能在一些具体的问题上有应用。在书店找了本《IBM SPSS MODELER 数据挖掘权威指南》，觉得里面提到的方法和案例都很熟悉，就从头看了一遍，而且SPSS这类建模软件确实好用，能经济实惠且最快速地带我走一遍数学建模和计算过程。重点掌握下回归分析就可以了，其他更高深的算法先过一遍，知道是怎么回事就行，以后慢慢学习。