数据分析师的前景如何？从业者工作经验为你分析答案

  学习的那段时间，可能是因为我有一定的基础，所以学起来不算特别吃力。但是按我现在的情况来说，我又觉得提升确实也没有想象那么简单。你需要懂得东西越来越多，包括技能层面和认知层面的，所以，只能按部就班，一步一个脚印来了。

  2、做数据分析师之后
  首先要给大家明确一个问题，就是无论是男生还是女生，都可以成为数据分析师。因为这个领域其实真的蛮考验一个人的综合素质的。如果你的技能硬，自己对很多信息又比较敏感，能很快发现数据间的内在联系，给出有指导性的建议，那么，在这个行业，你能有比较快的成长，并且能越做越轻松。
  这一个层面，其实对男女性的思维方式要求就比较综合了，所以，除非你往数据技术层面发展，否则我觉得女生在这个行业也能得到比较好的发展。

  转行后年

  我份数据分析工作，是在一家规模比较小、知名度也不高的房地产公司工作。因为公司规模小，用户也少，所以产生的数据也很少。虽说职位是数据运营，但运营的活占了一大半，也就是每天传图啊，和技术扯皮之类的，而数据分析的工作量非常小，几乎一个月用一个Excel表格就能做完。
  后来，我觉得这份工作没啥意义，就利用业余时间，从一些公众号，贴吧和论坛，学习一些大神分享的案例。我当时觉得，不管怎么说吧，自己培训时候的案例总归跟实际工作有所差别，所以在实际工作中再深入学学，这样以后跳槽也能多一点底气。
  后来，我也不知道自己哪来的底气，反正就是应该跳槽了，然后就跑了。
  转行后第二年
  在家公司工作其实只有半年，但是感觉就像一年那么久，所以，姑且算作一年吧。后来，我就来了现在这家公司。但是因为初期是在一个三线城市的分公司（相当于当地的总部）做，所以，成长的速度就快了很多。虽然也是做数据运营，但是数据分析和运营的工作，基本能一半一半了。
  那段时间，我是通过背数据，了解业务的。嗯，你没听错，就是背业务数据。
  比如网站广告页面的uv、咨询量、销售量、月度数据等等，因为只有清楚这些数据的正常值，才知道当月业绩跟不同年份的同月比较，是否属于稳步增长状态。
  和其他行业不同，有的行业可能了解各月平均值，就能知道月度盈亏。或者通过淡旺季，就能区分出同比或环比的盈亏。但房地产行业不同，还有很多政策因素，还有企业内部因素，国际环境因素及其他很多因素共同作用。所以，分析起来会比一般的分析要难一些。
  那段时间工作带给我的，是对数据敏感性和对业务的理解。很多数据分析的职位JD里都提到了数据敏感性，其实作为普通人（可能连高数都学得头大的），像电影里那种对数据过目不忘的天才是很少的，数据敏感性就是建立在对数据的了解和业务熟悉度上的。只有一直做某一行业的数据分析的人，才会具备数据敏感度，才会真正了解这个行业背后运行的逻辑。
  另外，值得一提的就是Python。因为之前培训时，专门学习过Python，所以在实际工作中，Python在数据分析中的优势就被展现出来了。如果用Excel，同样的操作我得重复十几次。但如果我用Python来做，可能就几行代码就解决了。
  还有就是报表美化。我发现跟领导相处，有时候他们是真看不懂报表的，所以，你一定要做可视化的报表，而不仅仅是在数据表里标红，或者做个折线图。因为一行折线图可能清晰可见，但如果几个线同时呈现，可能直观理解就比较难了。
  这时候，数据可视化的内容就用上了。这里就不得不说报班学习的好了。因为当时系统的学过报表美化，所以，做起来也不费劲。

  转行后第三年
  由于工作还是比较认真，能力也还凑活，后来被领导推荐来了北京工作。也就是现在这里了。因为总部这边能拿到的数据量比较大，可以分析的内容也比较多。所以，到这边之后，我主要就是负责数据分析这块了，不用再做运营那些活儿了。
  由于数据量飞增，所以在这边只能用Python做分析，Excel已经完全带不动这么多的数据了。
  前段时间，领导交给我一个任务，是做几年的数据分析。以我的水平，用Python处理这么多数据，还是容易卡死的。所以，我就想到了oracle。不得不说，还真管用，本来需要很长时间处理的，用oracle处理，速度明显快了很多。
  另外，随着我对业务理解的加深，现在做很多分析，明显更具针对性，而非泛泛而谈了。目前，我认为自己已经顺利的度过新人时期，是时候花点时间提升一下自己的技术水平了。我想着再深入学学Python，然后再把oracle好好学学。总归今后用的上

  以上就是我最近几年的工作情况了。如果你还想问新人该如何转行，该怎么去找项目做，或者没有经验怎么办。我认为，的办法就是去踏踏实实学习一下，等具备了硬技能，很多问题就迎刃而解了，也就知道自己下一步该怎么走了。
  最后，推荐大家看购买一些数据分析体验课，感受一下数据分析行业是否适合自己，再决定从何学起。