不知道你有没有看过这样的一句话：

15岁觉得游泳难，放弃游泳，

18岁遇到一个你喜欢的人约你去游泳，你只好说“我不会”。

18岁觉得英文难，放弃英文，28岁出现一个很棒但要会英文的工作，你只好说“我不会”。

人生前期越嫌麻烦，越懒得学，后来就越可能错过让你动心的人和事，错过新风景。

转行这个词，我常常听到身边的朋友谈起，很多人对于转行非常的敏感。比如，我的一位好友在一个行业已经待了三年，突然遇到了发展瓶颈，想要转行，那对于他来说可能是一件很难的事情，因为他不仅要考虑学习能力、还要考虑家庭。

但是如果这个行业真的已经没有你施展空间，薪资也无法上涨，那你可能真的要重新规划自己的努力方向了。

互联网时代，谁都希望能拥有一份高薪又有前景的工作！现如今大数据与人工智能热潮，相信会有很多对数据分析感兴趣的小伙伴。但是对于数据分析的零基础小白们，他们并不知道进入数据分析行业需要学什么，也不太清楚数据分析师平时工作都在干什么。今天特意给大家一些建议，希望对你们有所启发。

1.数据分析需要掌握的东西

（1）数学与统计基础：数据分析是运用统计方法和分析工具对大量数据进行分析，挖掘出其潜在规律及价值，为经营决策提供科学严谨的理性依据。

（2）运用分析工具：基础工具我们需要掌握Excel与 统计分析工具SPSS的用法。

（3） SQL数据库语言：数据的存储便离不开使用数据库，需掌握 SQL数据库语言在 关系型数据库系统中进行增删改查等操作才行。

（4） 数据挖掘、 机器学习：这部分可以选择性学习。主要是了解 数据挖掘和 机器学习的基本概念和理论。比如：分类、 聚类、回归、 决策树、贝叶斯定理等。

2.数据分析的升级路线是怎么样的

（1）数据采集端：主要负责采集相关数据，这些数据既可以来自埋点，也可以来自爬虫】。

（2）数据工程端：主要负责结构化存储海量数据，使得采集到的数据以及历史数据以最优化的方式被存储以及调用，涉及到的知识点在于数据库方面，从最基础的 SQL到 Hadoop 集群、 分布式存储、No SQL等。

（3）数据分析端：主要负责将待挖掘的 数据清洗、挖掘、分析，给出数据背后的洞察和建议，此方向又可细分为偏业务的数据分析和偏技术的 数据挖掘。

3.偏技术方向的数据分析

（1） 数据挖掘工程师：看重数据技术，比如统计学基础、数据库操作( SQL等)编程基础( python等)、 机器学习基础(分类模型等)。

（2）算法工程师：看重理论基础，比如 机器学习算法原理、相关数学原理等。算法工程师的主要工作一般是研究算法、为公司的相关业务需求优化算法。

4.如何学习

这里的话，推荐大家可以看下我们平时的一些免费视频、资料，如果非常感兴趣，可以咨询小编哦。