不要拿著倖存者偏差的例子，當作自己未來人生的模板

我之前很喜歡跟別人分享自己的轉行經歷，因為我也是轉行自學做資料分析的，現在也做一些與數分相關的工作，也會經常面試資料分析崗位的新人，在公眾號上每天也都有人問我轉行的問題，每一次我都不吝嗇分享自己的故事

但後來我發現我錯了，這樣不僅不會給他們真實的參考，還會誤導他們，讓他們產生一種錯覺：

資料分析行業原來就這麼簡單，看來我也能轉行去學！

甚至有不少人都裸辭去自學資料分析，最後呢，一地雞毛

這是很可怕的，因為職業崗位的任何一次轉變，都有可能影響一個人乃至一家人的後半生，我沒能力、也沒權利決定和改變別人的一生，因此我漸漸不再分享自己的故事，只講自己這幾年在這個行業浮沉中的眼中所見，雖然冰冷，倒也真實

關於資料行業崗位

首先資料分析師崗位的需求有所下降，這主要是指對新手分析師的需求下降，高階崗位依然緊俏

至於原因，一來資料分析目前門檻太低，一時間湧入了太多人，慢慢將資料分析這個能力轉化成了業務方自己的附屬能力，資料分析就不值錢了；

二來資料分析也是被人炒起來的概念，當年公司老闆像追瓊瑤似的追數分，後來發現資料分析不能直接提升業績，熱情早就冷淡多了

不過如果真的想要自學，我建議：

按照我一貫推崇的學習路徑，資料分析一定要先學基礎和方法，再學工具和技能，但是很多人都恰恰本末倒置了，下面我就按照基礎和工具的順序，說一下應該學習哪些內容：

1、資料分析基礎包括：

（1）統計學基礎

數理統計學是資料分析的基礎之一，很多人連統計學概念都沒搞清楚就跑去學python、學excel，結果卻發現越學越難。

首先要了解一些統計學的基本概念，比如什麼叫描述型統計？什麼叫假設檢驗？什麼叫正態分佈？

然後再去學習統計學裡的資料模型，比如聚類、迴歸，這些都是業務分析中必備的內容。

關於統計學，大家可以看一看《深入淺出統計學》、《赤裸裸的統計學》、《統計學概論》這幾本書。

（2）資料分析思維的養成

思維往往是很多人忽略的一點，但其實作為資料分析師來說，最起碼要了解和學習資料分析中的思維定式，比如結構化思維、演繹推理等等，這些我們可以在生活中慢慢培養。

因為資料分析是靠人來做的，既然是靠人，就免不了要受到個人的思維影響，很大程度上資料思維能決定我們分析問題的方向和思路，建議大家可以看看下面這本書：

（3）資料分析模型與方法

大多數時候，我們做業務分析都是依靠的分析模型，因此學習一些常見的資料模型是非常必要的，這也是基於我們的資料分析思路自然而然養成的。

比如我看到流失分析，就想到肯定會用漏斗模型；比如我想到商品關聯分析，就一定要用到購物籃模型；比如我看到會員分析，就一定會想到RFM模型

這部分建議大家看看《深入淺出資料分析》，《誰說菜鳥不會資料分析》也可以看看，不過比較簡單，當做入門書看比較合適

2、資料分析工具和技能包括：

（1）SQL

取數的必備技能，要掌握一定的資料庫基礎，主要是學習sql的語法，建議大家看看《sql server：從入門到精通》、《MYSQL必知必會》：

（2）Excel

主要學習資料清洗、資料透視表、DAX函式這三個功能，有能力的可以學學VBA，不過業務分析不建議太深入，推薦讀物：

（3）BI工具

用來做資料分析的主要工具，比如tableau、powerbi、FineBI等等，這些工具都各有特點和適用環境，大家可以參考下面這篇文章：《這可能是今年最值得推薦的資料分析工具》

（4）Python/R

資料分析也需要至少掌握一種程式語言，萬能Python是最合適的了，不過也有很多人喜歡R，二者對於業務分析來說，差別並不大

先學這樣吧，這都是基礎內容，有了這樣才能具備基本的面試水準

最後談一談轉行的看法

雖然我之前一直推崇資料分析，但是十年過去了，我如今已經不再奉勸大家進入資料分析行業裡，這個行業的基礎崗位實在是太飽和了，除非你是資料分析人才，否則很難在這片紅海里翻身

轉行有風險，你的籌碼越多，就越能控制住風險。你現在的籌碼還太少，所以千萬別被灌了雞湯，這行被雞湯害慘的人不在少數，保持清醒的頭腦才是最關鍵的

別看了幾篇自媒體文章就頭腦發熱了，自己手裡要留著能打的牌，所以我一般都提倡業務時間學習資料分析，準備充足之後，無論是進是退就不會心慌了