今天给大家分享一个往期学长的学习经历，二本院校逆袭 BAT,从职场小白到大厂月薪 3 万
+,海川学长的学习经验分享给大家。
这几天在和大家聊天的过程中，发现有很多同学对于选择学习数据分析还是数据挖掘不是很
了解，今天给大家分享一位学长的学习经验，希望对大家有一定的启发
（以下以学员第一人称描述哦）
从一个什么都不懂的小白，到现在阿里高级运营，月薪 30k+，从一个职场小白到资深运营
人，学长的学习经历，希望能对你有一些启发
从一个什么都不懂的小白，到现在字节跳动的高级数据分析师，月薪 30k+，我用了大概 1
年半的时间，在这里想给大家分享一下我的转行经历，希望能有一些帮助，先说一下个人背
景，一所普本师范类院校毕业，非计算机非统计学，毕业后在一家在线教育公司从事运营工
作，和大家一样，我也曾度过一段职业迷茫期，每天打杂摸鱼，感觉很空虚，但是又没有方
向。
最早意识到数据分析的重要性是在面试的时候，有一些体量的企业都强调数据思维和数据敏
感度，作为一个职场新人，当时觉得这是一个很假大空的话。直到后来在工作中，见识到那
些对于数据信手拈来，sql，BI 工具运用熟练的人，能基于数据推动业务的牛人，才意识到自
己是真的很弱鸡，数据分析是职场小白和资深业务专家的分水岭。
给大家举个我之前看到的例子
假如你是公司的业务运营负责人，想通过提升公司的服务体验来提升用户粘性，你会怎么做？
接下来先来看看 1 位主管协同 1 位专员的答案：
1、根据用户调研结果进行服务改进，并进行满意度回访
2、进行用户调研，总结改进意见，根据统计结果安排服务项改善优先级，并进行用户满意 度的跟踪回访
我们再来看看运营经理协同 1 位专员的答案
1、制定服务体验指标，通过不同层级指标确定评估维度及需要达到的量级
2、对现有用户情况进行二元数据交叉分析，得出需要调研的核心用户属性
这个案例其实代表了我们工作中的不同职位的人的工作方式，通过以上答案，大家能够看出
差别，主管协同专员给出的答案还是凭感觉，结果是无法度量，不具参考性的
运营与数据息息相关，是运营岗位的基本能力要求，也是高级运营岗位不可或缺的核心能力。
不同级别的运营在处理同一个问题时所展现的能力，以及要求是不一样的。在工作中掌握数
据分析的人，在工作中往往更有优势，更容易获得升职加薪的机会。
一、学习数据分析有那些好处？
1.数据分析人才岗位缺口大，就业薪资高
从我们熟悉的拉勾数据统计来看，2019 年全国大数据人才需求是 2015 年的 12 倍！这也将
成为现在及未来职业发展的一个重要方向，对于要具备数据分析能力的人才，企业也愿意开
出让人羡慕的薪资。同样一份来自拉勾的数据显示，数据分析人才的平均薪资可达 22,322
元。
2、职场必备技能，升职加薪快人一步
近 50%的岗位需要具备「数据分析」能力，现在几乎大多数热门岗位都会在招聘 JD 中，给
出“具备数据分析能力”这样的招聘条件，从销售、市场，到运营、产品经理、用户研究等，
都试图从各种繁杂数据中看出点门道，获得对市场、产品、消费者等方面的洞见。
数据分析 + 市场
在市场营销中，有一句经典语录：我知道每次营销 50%预算是浪费的，但到底是哪 50%，并
不清楚，但在数据驱动的现在，从激活、注册、留存、下单、传播，每一个路径都能监测到
数据流失与转换，以数为据做预测、做复盘，科学保证产出投入比。
数据分析 + 财务
财务工作主要集中在对已发生的财务数据进行分析和统计。而数据分析是对已有数据和未发
生的数据进行分析，来对项目的可行性进行研究，并得出相应的结论
数据分析 + 销售
运营通过对销售数据的有效利用与精确分析，实现对市场的准确判断，对销售的有效预测，
对产品的有效推广。数据分析也几乎成为了销售人员必备的基本功
数据分析 + 产品
产品研发把相关的数据抽象出来建模，再将相关模型以 API 的形式给到客户，客户只要把相
关的数据导进去，就能通过这个模型做判断。从而帮助客户完成对业务的督促指导
数据分析 + 咨询
咨询公司也非常注重数据，例如在麦肯锡，数据分析已经成为公司业务增长重要的驱动力因
素。在咨询公司中，数据分析较多地用于管理咨询业务中作为决策的支持
毫不夸张的说，现在及未来，数据分析是最具“钱途”的职业，几乎没有之一
现在数据分析人才其实很杂，不同企业对其有不同的定位，但大概总结一下的话，是可以分
为两种：
- 辅助业务，数据赋能型（比如产品、运营、市场、销售、人事、行政等岗位）
- 专职数据分析师（业务型和技术型）
如果我们目前已经工作几年或者刚毕业求职，让数据为自己业务赋能，帮助我们入职大厂，
晋升专家或管理岗，适合第一种。
至于专职数据分析师又分为业务形数据分析师和技术型数据分析师。业务型的数据分析师，
相对入门更容易一些，主要职责就是对业务赋能，如果不懂业务有可能会沦为 sqlboy，也就
是取数机器。
技术型分析师更接近于数据挖掘工程师、算法工程师、大数据工程师这种概念，
一般来说是需要比较好的数据结构知识和算法知识，对于非计算机专业的同学，转型会有一
定难度，明确了转型方向后，对于从零转型的同学来说，下一个迫切的问题，我该从什么地
方下手。
对于这个问题，我的选择是先列了一个我认为的数据分析人才所需要的能力矩阵，再针对性
准备，简单来说主要包括这几个层面：
- 数据知识、
- 数据工具、
- 数据思维
简单总结一下
数据知识：
数据分析方法
数据工具：
excel, SQL、tableau
数据思维：
没有比这个更重要的能力了
分析思维是数据分析师最最核心的竞争力，上面所学习的 tableau、sql、机器学习知识等都
是在工具层面，要想使用好他们，还需要分析思维的驾驭。在面试中，对分析思维的考察也
是相当重要的一环，对于分析思维的学习，我建议新人可以是从读书开始，我看过的且比较
推荐的书包括以下几个方向。
数据分析类：
《精益数据分析》、《增长黑客》、《数据化管理：洞悉零售及电子商务运营》、《数
据挖掘与数据化运营实战 思路、方法、技巧与应用》
产品思维类：
《从点子到产品：产品经理的价值观与方法论》、《俞军产品方法论》、《产品思
维》
如果是想要从事互联网行业的数据分析师的话，产品思维也是必须要具备的，面试考察点之一
逻辑思维类：
《金字塔原理》、《学会提问》、《麦肯锡思维》在面试中逻辑清晰的回答面试官的问题，会为你大大的加分
看完这些书，我相信你已经具备了基本的数据分析思维。但书中的知识和实际工作毕竟还是
有一些差距，在这里推荐大家去做一些线上实战项目，
一方面你可以自己做实际的练习，比如对方会提出一个目标，希望去预估财产的消耗，或者如何在双十一将某一产品销量最大化，处理这些问题，是对自己学到知识的应用，
另一方面，项目过程中，会有很多其他学习者或者前辈，提交自己的分析方法、分析报告，我们可以去学习，针对同样的课题，他们的分析思路和分析报告是什么样的，去对比分析，哪一种更好或者更全面。
通过这种方式，我们可以把自己学的东西融入到一个项目里去应用，学以致用，通过实战培
养自己的数据思维，这里要说的是，关于报课这件事见仁见智，如果你自身缺乏很强的自驱
力和自主学习的能力，优先选择报课，因为自学会浪费很大的时间和精力，目前还没有自学
成功的案例，如果你本身相关经历不够，没有更多时间和机会去进行实战，那报名实战课程，
通过商业实战训练，获取更多的项目经验丰富自己的简历，收获自己的数据分析作品集。
若有收获，就点个赞吧
0 人点赞
