這幾年，只要我身邊有想轉行，準備全職當數據分析師的朋友，我都會勸他們：不要因爲數據分析被炒的火熱，就一拍腦袋決定放棄現在的工作，從零開始學數據分析。數據分析其實和語言一樣，本質上只是一種技能，必須同時擅長其他專業領域知識（比如你是財務、產品、人力，把自己專業領域知識+數據分析技能結合起來），才能夠走得長遠。
如果現在盲目進入數據分析領域，當數據分析師，只會是從一個坑爬上來，然後換個姿勢再掉入另外一個坑...
爲什麼說不要再輕易轉行數據分析？
首先，先讓我們來全面拆解一下國內數據分析師的主要工作。
我把國內大部分業務方向數據分析師的工作內容進行了梳理，在圖中你可以清楚看到，前四項工作是很多數據分析師會花大量時間去處理的，但坦白說含金量確實很低，可替代性很強，沒有自己的核心競爭力，如果轉行過來就是一成不變做這些工作，都不用說35歲危機了，可能30歲就會被更先進的軟件工具取代。
舉個例子，可能你原來是個運營，在自己原崗位上做的不錯，但是腦袋一熱，覺得運營沒前途，想轉行數據分析，找個培訓班上完課後開始找工作，也的確讓你找到了工作，結果工作後每天做的內容比你做運營時的工作內容還像個工具人，只能落個兩難的局面。
作爲過來人，老李我有什麼建議？
先說結論：現在如果不是科班出身或對數據極其熱愛，不建議做數據分析職位工作，但是可以用數據分析思維幫助自己的職位發展。
爲什麼給出這個結論？
因爲其實可以看出，不管是在企業還是社會，數據的重要性已經愈發凸顯出來。
政府推動大數據建設，企業加強數字化轉型，在這種大勢之下，數據分析思維已經不只是數據分析師的“專業”了，包括銷售、市場、運營、策劃、產品等職位都需要通過數據分析來幫助自己的工作，甚至連後臺的財務、法務、人事等也開始需要通過數據分析來提升效率。
可以這麼說，如果你在企業之中工作，你未來會開始越來越多的和數據打交道，這個時候數據分析已經成爲工作的必要條件。
舉個例子，還是拿運營來說，更離不開數據了。大到做一個活動，預計初期、中期投入多少產出多少，小到一個營銷話術，這些都需要數據的支持。同時也需要切分不同人羣進行對照實驗來決定。可以說，現在不會數據分析的運營人已經越來越少。
那我具體應該怎麼做？
我的建議，分三步走：
第一步：利用業餘時間學習數據分析思維和工具；
第二步：在工作中，刻意練習自己的數據思維，多使用數據分析工具，孰能生巧；
第三步：讓自己通過數據分析後的結論有價值地輸出，讓其真正輔助自己職業發展。
針對以上三點，老李展開來說下
1、利用業餘時間學習數據分析思維和工具
首先，跟前文一樣，千萬不要貿然裸辭學習，要學會充分利用自己的業餘時間，把數據分析當成是自己的一個必要技能來學習，這才能爲自己日後的職業發展打下一個堅實的基礎。
其次，現在網絡上可以學習數據分析的資源太多了，不過學習資料這東西，在精不在多，只要找準1-2個你覺得不錯的課程去學，堅持學下去，肯定會有所收穫。
2、在工作中，刻意練習自己的數據思維，多使用數據分析工具，孰能生巧
數據思維不是你上了幾節課，在頭條知乎看了幾篇自媒體文就能學會的，這需要你在日常工作和生活中不斷進行刻意的練習，只有才能讓自己擁有數據分析的意識。
至於工具，老李我始終認爲思維和工具是相輔相成的，思維>工具，你所使用的工具是根據處理的量級以及你要達到的目的選擇的，什麼意思呢？也就是說如果你的工作中，遇到的數據量不那麼大的話，就沒必要去學Python和R這些，把Excel學精就不錯了。等到之後處理數據的量級大了，再去學Python和FineBI這些數據分析工具來輔助。
3、讓自己通過數據分析後的結論有價值地輸出，能夠真正輔助自己職業發展。
上面說了那麼多，練了思維學了工具，要是最終沒有輸出有價值的結論都是白搭。這裏我就不贅述了，想看的話，可以參考我以往的這篇文章。
最後
數據分析不僅是一種職業，更是當代職場人一種必備的技能，往大了說，人人都應該是數據分析師。說扎心點，在如今內卷嚴重的職場，不學點硬技能傍身，怎麼體現出你的價值？
大家還想看哪些關於數據分析領域的文章，歡迎在評論區留言，一起交流
我是“數據分析不是個事兒”，常年分享數據分析乾貨，不定期分享好用的職場技能工具，對數據分析感興趣的話，可以點個關注。