30岁转行做数据分析（转行数据分析让我发现自我价值）

“逃离体制内”看到这五个字，你是不是觉得有点不可思议。每年那么多人挤破了头考公，一个岗位跟几万人竞争才能胜出。这样得来不易，得到后就能开启躺平人生的“铁饭碗”居然有人想要丢掉。

在认识小C之前，其实我也和你们抱着同样的想法。

跟小C是因为工作认识的，刚开始跟她并不熟，只是从同事口中得知她是转行数据分析的。后面有一次工作聚会，小C喝醉后，跟我们讲述了她的转行之路。

因为大学专业本身就不太好，所以在大三的时候小C就已经早早地为自己的将来做起了打算，在考公和考研之间，小C选择了别人眼中的“铁饭碗”，所以当别的同学还在玩乐的时候，她已经在为考公做准备。

毕业那年，小C成功以第三的成绩进入了公考面试阶段。面试当天，第一名太紧张出现了失误，第二名直接没来，她就这样凭着运气直接上岸了。

在同学们的羡慕的目光中，小C开始了她的体制内工作。刚开始上班的时候还是非常轻松的，没有太多事情，朝九晚五，有大把的时间摸鱼。但是，随着工作时间的增加，工作量慢慢变大，小C开始变得忙碌起来，每天都很疲惫。

小C开始发现，自己所处的岗位不仅累，晋升空间少得可怜，每天还要重复枯燥且没有技术含量的工作，自己的能力没有丝毫提升，而且工资还少得可怜。在坚持了一年以后，小C开始觉得有些迷茫了。这样的人生真的是她想要的吗？拿着不算高的工资，做着没有太大意义的工作，浪费自己的青春，只为了一份求一份所谓的“稳定”？

小C开始对这样没有意义的生活感到烦躁，并且这份情绪在20年疫情期间达到了顶峰，小C一时冲动就直接裸辞了。

裸辞之后，小C其实是比较后悔的，因为没有了经济来源，冷门的专业加上疫情影响，在那之后的三个月里小C一直都处于待业的状态。刚好，从事数据分析行业教育的表哥开始劝她转行数据分析，“低门槛、高薪资、好就业”的诱惑确实让她有些心动了。小C开始去了解数据分析的市场需求、行业前景等，最后决定赌一把，开启了为期半年的转行之路。

因为，小C表哥本身就是从事数据分析教育的，所以她直接从表哥那里拿来了学习资料，有不懂的就直接问表哥。半年之后，小C成功学完了数据分析的所有课程，开始了求职之路。

本来，小C觉得因为是半路转行，可能求职之路会比较艰难。但是，没想到短短一周就拿到了好几个offer。最后，小C选择了现在的公司，因为毕竟他们给的薪资待遇最好。

小C说：现在的工作让我感觉很开心，虽然有时候工作比较累，但是每天都能学到一些新的东西，工资也很让人满意，在工作中我能感觉到自己的价值，而不是可有可无的工作机器。

逃离体制内，小C通过转行数据分析找回了属于自己的价值。小C的经历让我觉得“体制内”也并不是人生的最优解，选择对的行业，正确的方向同样也能拥有属于自己的精彩人生。

作为一个数据分析行业从业者，小职觉得如果你还在为体制内的枯燥工作和低薪而烦恼，如果你还是在与几万人的竞争中苦苦挣扎，不如转变一下思路，换个方向，尝试转行数据分析。

为什么我会推荐转行数据分析呢？

因为数据分析不仅市场需求大，行业前景好，而且薪资水平与其他行业比起来也是非常有优势的。

那零基础的小白如何才能成功转行数据分析？

一、了解数据分析行业

转行数据分析之前，可以先了解一下数据分析师到底是做什么的，需要学习哪些内容以及行业的整体情况。

不同企业对数据分析师也有不同的定位，但是大体上可以简单分为两种——偏技术型数据分析师和偏业务性数据分析师。

技术型分析师更偏向于数据挖掘工程师、算法工程师、大数据工程师这，需要比较好的数据结构知识和算法知识，对于零基础的小白来说难度是比较大的。

偏业务型的数据分析师是市面上最多的数据分析师类型，他的门槛会相对较低，对零基础的小白是比较友好的。但是如果做不好的话，有可能就变成报表分析师，提数分析师。想要转行的人可以根据自身的水平去选择适合的方向。

二、清晰的学习路线

很多零基础的小白都对数据分析内容没有一个系统的认识，不知道如何去规划学习路线，通过网上的学习资料和一些免费课程去学习数据分析。花费了大量的时间，走了很多弯路，但是在学习也没有什么进展。

所以，对于零基础的小白来说，一个科学且清晰的学习路线是至关重要的。如果自己没有办法去做一个清晰的学习规划，可以通过培训机构来帮助我们进行规划。像“职来offer”这样的培训机构就会根据市场情况和学员的基本情况去调整和制定学习路线，让学员能够更快更好更牢固地掌握数据分析的内容。

小职这里就以“职来offer”课程路线作为参考，为大家简单地划分一下数据分析的学习路线。

第一阶段 商业数据分析

主要内容:Excel基本操作、Excel常用函数、数据透视表、Excel图表绘制、Excel快捷键、数据库系统概论、MySOL简介及安装配置、MySQL数据表管理、MySQL数据管理、MySQL数据查询、MySQL函数、MySQL基础操作。

第二阶段 数据可视化

主要内容:商业智能分析基础知识、PowerBI基础操作、PowerBI数据处理、Tableau安装、Tableau数据报表项目、Tableau可视化表盘项目等。

第三阶段 python数据分析

主要内容:Python语言基础、Python高级基础知识、Python高级特性、IO操作、面向对象编程、内建模块和第三方模块、网络爬虫、网络爬虫框架、Python数据分析、Numpy、Pandas、Matplotlb、Python机器学习等。

第四阶段 数据运营指标体系

主要内容:数据分析标准项目流程、指标体系搭建过程;AARRR流量漏斗模型，PEST分析、SWOT分析、波士顿矩阵等行业分析方法，相关性分析及显著性检验，多元回归分析等。

第五阶段 机器学习与深度学习

主要内容:K-Means，DBscan，KNN，朴素贝叶斯模型，决策树，随机森林，SVM，线性回归，逻辑回归，XGBoost等算法原理，深度学习基础知识。

第六阶段 综合项目实战

主要内容:数据分析业务实践过程及注意事项、行业分析方法论与报告撰写、数据分析项目实战、BI可视化平台搭建与实践、机器学习项目实战、团队合作基本原则与分工。

第七阶段 就业指导

主要内容:简历撰写基本要求、如何挑选简历模板、如何选择合适的职位、面试流程、面经分享、面试技巧、笔试题准备、群面应对技巧和注意事项、如何应对业务面、高管面和HR面、如何提升逻辑表达能力、offer注意事项。

三、名师解惑

学习数据分析如果只是自己一个人埋头苦练，很可能是在做无用功，遇到问题不懂就死磕或者放弃，那么你怎么去进步呢？一个能够了解你的基本情况，为你答疑解惑的老师就能让你在数据分析学习的过程中少走很多弯路，也能让你在数据分析的学习之路上达到事半功倍的效果。

四、不断重复地操作实践

数据分析是一项操作性非常强的专业，需要通过不断地实践与练习去掌握和运用。花费时间去不断地实践与练习，提升数据分析的速度，让你的基础更加稳固，也能让你的数据分析技能更加熟练，有利于提升今后的效率工作。

“体制内”并不是唯一的答案，别人觉得好的东西也并不一定适合你，在风华正茂、气血方刚的年纪，“躺平”文化或许正在让你忘记自我。为什么不趁着年轻去尝试更多方向，发现自己的价值，去努力去奋斗，去争取一个更加自由有价值的人生呢？

,