“到 2020 年，企业基于大数据分析的支出，将突破 5000 亿美元，大数据在未来四年内，能帮到全球企业赚取约 1.6 万亿美元的收入红利。”——国际知名数据公司 IDC
有人说：站在风口上，猪都能飞起来。
尤其是互联网行业，从APP开发、区块链、物联网、到人工智能、5G，整个大数据行业随着海量数据的诞生仍在持续高速发展。
无论是企业还是个人来说，谁能在海量数据中找到突破口，就会成为行业的基石，发展前景不可估量。
然而对很多人来说，这些新兴技术还只是个模糊的概念，总觉得离自己很遥远。
根据UN中国商业联合会数据分析专业委员会汇统计算，未来中国基础性数据分析人才缺口将达到1400万，而在BAT（百度、阿里、腾讯）企业招聘职位中60%以上是在招大数据方向的人才。
海量的数据带来的可能是机遇也可能是累赘，这取决于能在庞大的数据量中淘到金的你。
数据分析师则是淘金者的利器，掌握了数据分析技能，就掌握了未来。
人才需求激增，薪资高
大数据浪潮的激流中，市场空间得到迅速释放，企业对于大数据人才的需求也越来愈高，数据分析师则是这片翻腾浪花里的中流砥柱。
早在20世纪，数据分析岗就已运用到企业业务层中，“啤酒与尿布”的故事就是一个经典案例。
新时代下，数据分析发生飞跃式的升级，“大数据”推动起数据深度分析与挖掘的发展。
在行业规模暴增的环境下，大数据领域整体人才缺口大，平台开发、大数据开发岗位需求量大。
数据分析师成为大数据时代的宠儿，需求占比超过四成。
时至今日，无论你是来自互联网行业、通信行业，还是金融行业、服务业或是零售业，相信都不会对数据分析感到陌生。
根据拉钩网、智联招聘、51job、职友集等招聘网站数据统计，数据分析师行业岗位呈现以下特点:
·数据分析涉及多个行业
虽然数据分析师是在互联网企业发展出来的，但是随着大数据的发展，越来越多的传统行业也认识到数据分析的重要性，赋予了更多数据分析师的职能。
·众多企业，相关招聘岗位100000+
在招聘数据分析师的企业当中，你可以很容易看到知名互联网公司、世界五百强的身影，并且需求量非常大。
·均薪突破12000，工作3-5年薪资不低于15000
岗位薪酬与工作经验呈正相关，越老越值钱。
从目前的市场的供需关系来看，数据分析师仍然是热门职业。
无论是你想成为专业的数据分析师，还是想提升职业的核心竞争力，数据分析技能都是你潜在的秘密武器。
准入门槛低，适合转行
数据分析师是近几年大数据环境下的新兴岗位，在职的数据分析师大多都是转行而来的；
一部分是传统岗位上的数据专员或在工作当中经常与数据打交道的数据人，也有完全从零转行的非数据人。
随着数据分析师岗位越来越热门，越来越多的人有转行数据分析师的想法，有的已经在转行数据分析师的路上，
但关于”转行“还是存在非常多的疑问，在知乎中搜索数据分析师，比较热门的话题有：
如何转行数据分析师？应届生如何自学？ 想转行做数据分析师，怎样一个流程? 如何快速成为一个数据分析师？
大多数问题都围绕着转行、零基础学习来展开，我们针对这些问题为大家解决以下几个学习误区：
·本专业与数据分析无关，转行困难：错！
转行数据分析准入门槛不高，即使是偏技术的数据挖掘端，平时大多数时间也是在清洗数据，而不是你想象的在鼓捣AI。
如果从全局来看，数据分析师的技能可以概括为数学+编程。数学是大多数公共学科的必修基础，而编程在现在来说已经是一项普遍的技能。
转行不一定是100%改变，结合本专业的业务转型是一条不错的出路。
例如像管理、金融、工程等这些行业学科知识在数据分析师后期结合相关业务时更有优势。
“成为数据分析师”对于数学、计算机类的同学来说，是一个成功率很高的目标，对于其他专业的同学来说，只是需要学习的更多一些。
只要你愿意在别人打游戏追剧逛街的时候，潜心学习相关知识，攻下“数据分析师”不在话下。
·零基础，入门难：错！
对于转行的同学来说，零基础是一个绕不过去的槛。优秀的数据分析师是不能速成的，但是零经验也有零经验的捷径。
我们简单的将“零基础”的同学分为三种：
·有技术基础（新手）
计算机相关专业；懂一门编程语言；会统计学知识。
·有业务基础（小白）
在专业领域深耕，有一定的业务经验。在专门的数据岗上工作的，很可能是同时具备技术和业务经验的。
**·什么也不会（菜鸟）**真的什么也不会~
以上的三种同学，其实除了菜鸟，众多新手和小白都算不上真正的零基础。
新手在面对一门新的编程语言时更容易上手；职场人（小白）已经拥有了丰富的业务经验，形成了一定的数据思维；菜鸟则需要在基础上多下一点功夫。
但无论你处于哪一个层级，都需要做一件事：明确学习路径。
学习一门技术之前，你应该知道，你想要达成的目标是什么样的。也就是说，你想通过这门技术来解决哪些问题。
你就可以根据要达成的目标，完善自己的知识体系，明确一条清晰的学习路线，学习最有用的那部分知识，避免走弯路。
·知识点太多，学完一个板块再学下一个：错！
如果将数据分析的技能按”数据获取-数据清洗-数据分析与可视化-数据报告“全流程展开。
那么涉及的知识点包括但不限于统计学、线性代数、python、SQL、MongDB、报告撰写…
有些转行的朋友一看到这么多知识点就直接摔门而弃了，也有些坚定的小伙伴勤勤恳恳地将知识点列出，并且进行非常体系的学习。
但是当学习了一段时间后回头来看，前面的内容已经忘得差不多了。
其实，数据分析师虽然涉及的技能较多，但如果想快速上手，并完成一个数据分析师项目并不难。
你只需要对标每个流程的关键知识点，将这个部分的知识吃透，其它的技能可以在深入学习时再进行的对应的补充。
举个例子：
一定要把python融会贯通才能进行数据分析吗？
NO，python当中有numpy和pandas两个重要的核心数据分析库，你只要将这两个库的内容学会，就能够完成80%以上的数据分析了。
对标企业，满足职业技能需求
如果以职业为导向，要明确学习的路径，最有效的方式就是根据具体的工作岗位，了解企业对技能的具体需求。
对标企业需求，以职业技能为目标的学习也许让你更有动力。
我们从拉勾上找了一些最具有代表性的数据分析师职位信息，来看看薪资不菲的数据分析师，到底需要哪些技能。
总的来说，企业对于数据分析师职业的需求可以概括为以下几个方面：
·数据处理能力
数据的存取、数据的清洗以及数据的展示，比如SQL，Python数据处理；
·数据分析能力
数据分析和软件应用能力为主要需求，挖掘建模及算法能力成为数据分析师的标配；
·软实力
报告撰写与业务分析需求最为普遍，业务管理分析及汇报能力为主竞争力；
随着数据增长，企业需要培养强大的数据分析团队来支撑业务的增长。
从总体需求来看，企业更加需要具备工作经验，且动手能力强、解决实际问题的分析人才。