Q1：Jenny老师是如何进入到目前的行业，然后从事现在数据分析专家这个岗位的？

A1：这个岗位其实是自己一路摸索过来的。我大学学的是信息管理与信息系统，同时学习日语和英语。当时对于自己来说，刚毕业的时候，职业发展没太过清晰一个规划。毕业之后，先是去上海一家五百强公司——埃森哲，做软件工程师这样的一个岗位。

当时是想先进到大厂，想要整体去了解公司的一些规范体系。以及对日本这个国家是非常有向往，想要去日本进行工作或者是学习。像埃森哲这样的外企会有很多外派的机会，所以选择做了软件工程师，或者简单理解成是程序员的岗位。

在埃森哲这一年对公司的规范和新入职的职场人的一些知识会学到很多，也初步了解ERP系统是什么。日常项目中接触最多其实是SAP的一些定制化，SAP是面向五百强和大公司为主。如果是一些中小企业，由于SAP系统使用的复杂程度和购买金额的庞大，一般的中小企业是用不起来的。

后面争取到一个去日本东京工作的机会，到一家叫INXET株式会社的企业，工作内容上来说也是SAP相关的一些项目，主要是面向日本东京电力。不同于中国，电力都是国家统一管理的，当时日本在16年开始实现电力自由化，也就是民间、企业和企业之间自己可以去做一些贩卖，当时老旧的电力系统已经不适用了，所以整体要去重构做一些维护更新和二次开发。在东京做了两年关于SAP相关的一些项目和工作。当时有意识到国内大数据、人工智能相关的发展前景非常好（特别是杭州），回国之后做了挺大的改变，从IT转行到DT，投身于这个BI的大数据行业。

接触了BI行业两年半左右，基本上是一个纯乙方的一个视角，确实接触了不少的项目和非常多的一些高层领导，也帮助过一些公司从0开始去构建他们的一些数字化基础建设。更多的，也想从纯乙方的视角跳脱出来，去接触和更加深入一些业务。

这是现在会选择甲方视角，扎根于电商行业的原因。杭州在电商这一块发展得很好，整体看电商行业这个赛道和增长情况来看，其实可以看出这个还是非常朝阳的一个行业。现在的工作会去做一些关于培训或者方法论内容上的输出，包括我们也着重于公司内部提升运营人员人效相关的一些事情，以及推动我们整体的运营产品力和帮助品牌去构建他们的数字化。

Q2：就乙方视角的解决方案顾问和甲方视角的数据分析专家，老师可以谈谈这两个工作之间的区别和联系吗？

A1：我在爱数据这边有开一门课程来讲解这个解决方案顾问的，大家如果有兴趣，可以去看一下。这里也再跟大家来介绍解决方案顾问，它其实更偏综合性的一个岗位，需要你去面向多个行业，总结行业中的一些最佳实践，协助企业去构建他们的一些字化建设。这个岗位的一个优点就是你接触的信息知识会非常的广，但是深度会有所欠缺。因为比如一个项目是一个月或者3个月，长一点是半年，但是对于整体某一个行业来说，如果要去了解，几个月或者是半年时间还是欠缺很多，且工作中所接触到的数字化只是整体业务其中的一环。就拿现在电商举例，数据其实只是他们所有业务体系构成当中一环，如果深入了解，还需要去懂相关的推广的业务，CRM、Social以及涉及到一些活动等。因此，所有东西串联起来才是你能够去了解这一个行业的整体情况。

那我现在的工作话就是偏甲方视角，就是我能够真正知道品牌方他们要看了一些点是什么，以及我们自己要去做好运营，再结合数据以及结合整个行业和公司发展背景下，我能够为领导层决策的时候，基于数据提供见解和洞察。这就是我所说的一个乙方视角和甲方视角的理解。

Q3：您现在就是做数据分析专家这个岗位目前的工作内容有哪些呢？

我这个岗位来说，现在做一些偏管理的工作,有自己的团队,现在很大的一部分时间是在沟通和协调上。就岗位本身而言，现在也会产出一些数据分析的方法论，数据思维的一些培训等。

结合与业务，也会定期输出日报、月报、周报，月报，结合实际情况加一些行业洞察。你看到的只是数据，数据背后的真相到底是什么？比如今年三八期间 ，如果说某美妆店，那他的销量同比下降了，那我怎么样去定位这个问题，我首先会去看一下行业整体的一些概况，以及从类目的角度先从粗颗粒度把握、我这个下降是超过了行业的一个基本状况吗，如果像疫情期间整体都是在下降，我反而能够跑赢大盘，其实这个是我已知范围内已经做到可控了。但是如果大盘是下降3%-4%点多，但是我实际是下降了10%点多，那这已经是超出了我的预判，因此我要真正的去定义这个问题之后，从定性才能够再去做一些定量的分析。

这就是所谓的去结合业务实际去输出真正的洞察。

从大的方向来说，现在的工作内容就是会协助企业去构建自己的数字化。因为运营会非常耗人力，每一个模块需要这么多的小伙伴，怎么样去提高基层同学的工作效率以及解放他们从繁琐的日常的工作当中去解脱出来，也是现在想要去做的一些事情。

再从内部的一些产品化来说，我们内部也会有一些自己的BI系统，包括推广工具、形象工具。

Q4：老师目前这些工作内容是具体解决现公司哪一个环节的问题，是如何给公司带来的价值？

同样是数据分析岗同一个公司的不同阶段，大家产出的价值都是不同的。其实这个问题我也是日常一直在问自己，比如说我现在拿着公司的这份工资，我能够给公司带来的什么价值点，我的竞争力是什么？日常也是在思考这个问题。

我们公司1月1号开始，定了一个为期18个月目标。用数字化去代替我们基础的一些劳动力，全面的去提高公司的人效。这就是我们整个一年、一年半要去完成的终局的目标。

在这个过程中肯定也是分阶段会去进行。我们首先会把一些基础重复性的工作先去实现数字化。在实现数字化的同时，要去做相应的人效监控。基础的做好之后，第二步要去沉淀行业内的分析经验。

对于一个新人，如果他进入到我们这家公司，他能够去学习成长的方式之一，我们会有沉淀下来的分析模板，分析思路、教材。

因此，具体工作一方面去做基础的一些工作，另一方面做沉淀，包括做一些培训等。

我觉得之后的时代，人才才是真正决定一家公司能够走到多远的关键因素。

那么怎么样去衡量我们这个团队给公司带来一些价值。比如说这些工具使用情况，我们会去衡量每一个业务组，他们去登录这些BI系统，访问次数人数，整体去计算他的人效。

这种各种工具使用率和渗透率，就是我们部门的一个考核指标，也就是我们的一个核心价值。我们如果能够去帮公司去节省一个人力，那么其实当他的平均工资都能去长高。所以这就是我们给公司所能够去带来的价值。

Q5：提高人效的点上可以举一个实际的场景吗？

几年前电商开始还存在红利，是15年刚开始那一阵。你一个人可以兼着去干很多事情。比如你可以去做美工，去做页面设计，去做产品上架，去做一些活动，去做一些搜索的事情等，包括去看数据。所以你一个人可以身兼多职，但是随着红利消退，我们开始步入到精细化运营，其实每一个模块都会有专门的同学才能够支撑起一家店的运营。到现在为止，如果一个公司，要去承接新的业务，即使一个小的品牌，至少要配置4到5人。

如果是一个大的品牌，特别是像一些高端美妆等，那就要去配置20人甚至30人，还要加上客服的人员。整体来说，人员投入的成本是非常非常高的。例如，现在开一家相对大的店要投入20个人，当我的人效能够提高一倍的时候，我只要投入10个人可以干20 人的工作。这10个人节省下来的人力工资就可以平均分配给公司里面所有的人，大家的普遍的薪资就能够去上涨。其实这是一个良性的循环，大家拿到更高的一个工资，然后整体对工作的满意度也会更好，公司的整体的运营状况也会去提升。

用数字化去代替他们的一些基础的重复性的劳动。比如说某一家店铺经常要去交一些日报、月报、周报这种报表，这些数据是他们日常要看这些表，要从各个地方去获取数据源，进行一些数据的清洗整合、数据口径的统一，再按照一定的格式去做一份报表，简单一点的报表作业，日常每天一两个小时，难一点的就可能三四个小时。如果每天的这些时间如果能节省下来，让同学们能够去做更多有创造性有价值的事情，那就直接相当于整个公司劳动生产力的进化。这就是所谓的怎么样的去用数字化去代替他们重复的基础的劳动。

Q6：Jenny老师在过往的项目中，具体是如何展开工作的，可以跟大家分享一下吗？

工作流程这一块，其实感谢之前在做解决方案顾问时期的一些经验。因为很多事情都是可以用项目管理的思维去思考的。那怎么样去做一个项目呢？就是你不管承接内部的需求还是外部的需求，你都是可以用管理项目这样的角度去思考。

从需求收集和整理开始，比如上面提到的例子，今年38大促某一家美妆店，在天猫旗舰店同比去年是下降了**百分比，且低于行业平均水平，那这可能是构成了一个问题。

所以老板会提出他的需求，我应该怎么做，才能去解决这个问题？

第一步，需求整理。搜集数据、分析相关数据指标看板、整理需求，这些都是在做一个数据需求收集这样的一个动作。

第二步，需求评估。去整体评估需求。比如我们团队现在有多少人，能否是有足够的时间来去承接。接下来大概什么时候能够去产出什么样的成果和交付物，整体需要去做一个判断，以及我需要怎么样资源，才能够把这个事情去做好。这是第二个阶段，是需求去做一个评估。

第三步，开发实施。就是我明确了需求是什么，以及知道了之后能够去推进的节奏之后，要去进行实际的开发和落地，这就是开发和实施的阶段。其实你前两步做好之后，第三步开发和实施是相对来说比较顺的。

如果前两步没有做好，第三步可能会面临返工。比如说你做东西不是别人要的，就像我在做乙方的时候，如果甲方的需求是不明确的，那其实最终交付的东西就不是他希望的，就会面临返工或者是部分重新开发这样的一个状况，所以需求和实际的一些落地中间的一些沟通环节是非常重要，要不停的去跟客户去确认一些点。

因为有的时候聪明的客户他们是非常明确自己需求到底是什么，以及能够表达的比较清晰。但是有些客户也并不一定是那么的专业，所以我们反而需要去做一些引导和一些侧面确认。等到第三步开发实施做好之后，第四步其实是项目整体的交付。

第四步，测试试运行。整体做的东西到是否和需求一致，或者是否调整去优化部分内容。这一点其实在项目的试运行当中都是可以去体验出来的。那试运行到底是分成几个阶段，大概是怎么样的一个周期？其实跟项目的大小有关系，比如是一个比较大的项目，那运行是1到3个月，小的项目可能是2周等。

第五步，交付上线。最后是进行一个交付和上线。

所以这整体工作流程总结下来就是需求收集评估，开发实施，项目试运行和交付这样的一个周期。

期间不断的会和需求方或者业务方以及其他跨部门对接沟通。比如说我这个需求是要通过某一些工具才能够去实现的，那工序上可能有些功能点还不满足，所以会涉及到一些跨部门合作方；再比如说我们公司内部的IT；可能也会跟外部的一些供应商进行一些合作等。

内部外部的一些沟通协调，也是资源上的一些配合，在实际工作过程中也是非常必要的。

Q7：结合老师现有团队的成员要求，你认为目前胜任数据分析专家这份工作应该具备哪些能力?

数据分析专家其实只是一个岗位名称，当然不同公司叫法不同，比如还叫高级数据分析师，或者直接叫数据分析师。

对于团队来说，其实我们阶梯进行培养，从有初级、中级到高级，以及按照不同版块划分，比如有的十分懂CRM，专门来负责某个版块的数据分析。不同版块它所需要、具备基础的行业背景知识和业务能力也都是不同的。如果要去做数据分析，比较通用的是基础的数字化的东西肯定要懂，包括了解行业的发展趋势、基本数据分析方法论，这些都是要去具备的。

除此之外，沟通协调能力，结合业务去做分析的能力。比如行业基本的一些知识点、标准、指标等。除了基础的行业知识，还需要数据思维。

Q8：在实际面试的时候会通过哪些问题考核这些能力，哪类回答是你认为您是比较好的？

我面试的时候面的最多是解决方案顾问和数据分析这样两个岗位。

首先会看一下这个同学他整体的精神状态。不管是其实远程面试还是现场面试，你可以去看得到这个人的一个“气场”。

第二是，对自己整体的职业发展是否清晰。我最近就面试到一个同学，他一方面想要去做爬虫，这是非常技术的岗位，是用Python去做数据采集相关工作；另一方面他就又想去做数据运营，这是两个完全不同的一个发展方向。如果他展现的是这样的一个状态，那我就会觉得，他到现在为止，对于自己之后怎么要怎么样去发展，对自己职业规划是不清楚的。就算他其方面表现会特别优秀，但是我会慎重地考虑一下，这样的同学到底是否适合来到我们部门？以及他来了之后，他的稳定性如何？因为可能他干了半年之后，他又想去做别的了。那从公司的角度，或者从我们团队角度来说，花了很多时间去培养这样的同学，但他从稳定性或者持久性来说，又是非常不高的。所以我要去看一些投入和产出情况（ROI）。

投资回报率的英文名为Return on Investment ，缩写为ROI。 投资回报率（ROI）= （税前年利润/投资总额）*100%。是指企业从一项投资性商业活 动的投资中得到的经济回报，是衡量一个企业盈利状况所使用的比率，也是衡量一个企业经营效果和效率的一项综合性的指标。

第三，会去看一下他基础的沟通和表达能力。因为不管是怎么样岗位，你都需要去跟别人去沟通的。不管是内部沟通还是外部沟通，以及跨部门之间的沟通。其实很多事情你越往高层走，你会发现你一天可能真的百分之七八十的时间里都在去协调一些资源，

比如在项目推进过程中，团队成员出现问题，要给他们及时去解决和沟通，及时进行团队鼓励。所以这个内部就是往像所谓的向下管理。那同样，如何向上管理，和自己的领导如何沟，也是非常需要这种沟通和表达能力，你要去管理领导的期望，以及及时的去跟领导做工作的汇报。

跨部门沟通，你怎么样去把你自己的需求去合理推进，这都跟沟通和表达能力相关。如果是面向客户的一些工作，那么面向客户去做一些展示和汇报，比如说详解你的方案，讲解PPT或者是招标投标，这时候都会需要用到沟通和表达的能力。所以我认为不管是什么样的岗位，基础的沟通和表达能力都是非常非常重要的。

第四，肯定还是关注面试者的专业性。一般我会提出一个带场景的问题，然后会让同学去讲一下，如果在特定场景下面试者的分析思路。我会去看他的一个临场反应能力和它的一个整体逻辑思维能力，以及数据分析上面专业能力。如果他能够去说出几个点，那我会觉得这个人至少是有自己想法的。如果他是能够比较有框架，有逻辑有思考的阐述，那我觉得这个人基础素养还是非常好。

但是如果这他整体输出的一些东西都是比较杂乱无章，那我就会觉得他在数据分析这一方面还欠缺很多点。

最后就是我会去看一下他整体抗压能力，这可能跟行业发展相关。

相对来说电商行业因为他会面临很多活动促销。大家也知道像马上要来的618，618其实不是等到618当天我们才开始忙起来。他前面的一些预热预售这些活动期，它现在已经拉得很长，像去年双十一也分成了小双十一和大双十一，所以整体的一些玩法都在改变。

这其实是一个非常考验的人抗压能力。

Q9：想去做解决方案顾问或:是数据分析的同学，老师有什么建议吗？

作为一个过来人，我这边首先不太建议大家很冒冒失失的去做转岗。如果大家是想要去转岗，也是希望把大家之前的一些工作或学习经验、自己的长处发挥出来。不要觉得今近两年数据分析比较火，我就想去做数据分析，归根就底还是要看自己到底适不适合这样的岗位。

再者，岗位和岗位之间其实都会有一定的连续性的。大家要想清楚我到底为什么要去转岗，然后再去做。如果没有想清楚，只是为了从一个坑跳出来，跳到另一个坑，这样对你自己其实是很不负责的一个做法。

当初你想明白自己为什么要去做数据分析，比如你是想从数据的一个岗（数据专员）转到偏数据分析或者是做CRM模块的这个分析师。那你是有清晰的目标的，为了达到这个目标，所以我要去弥补某方面的技能，通过数据分析这样一个岗位、渠道，可以把你之前的岗位优势去发挥出来，而不是说我干了几年某个岗位，冒失的去转解决方案、数据分析，这样不是一次“成功”的跳槽。

另外，如果是真的想要去往这方面去发展，刚才其实从面试或者是我们团队成员的要求，其实也讲到了基础的行业知识必要性，数据分析的知识框架等，这些都是要需要去了解的。像你去学一门语言，比如说日语或者是英语，他肯定是结合某个行业之下才能够去真正的去发挥出他的价值所在。

正是因为业务上产生了一些痛点，产生了一些问题，领导层希望去得到一些信息，做出更好的决策，所以我们才需要数据分析。而不是分析只是为了自我满足，肯定是要落地去结合业务实际的。

所以这些都是日后万层高楼的一个基础分析，需要去结合业务。另外也是给大家最后的一个小建议，就是你要去做这样的一些工作，选一个比较有前景且自己感兴趣的行业，你才能够持续的比较久，这就是我的一些建议。

Q10：对于些应届的小伙伴的职业选择，老师有什么建议吗？

如果是应届，要看你大学专业跟数据方面的匹配度以及个人兴趣。比如说你是看到数据就觉得很头晕，的同学其实我个人还是建议要好好思考自己想要去做什么。

但如果你的专业和数据有一定的关系，比如金融，统计学、计算机相关等稍微偏理科的专业。这些同学想要专门去从事数据分析，基本建议都差不多，多去接触一些项目，不管是我们学校内组织举办的也好，或者通过实习的项目去了解到的也好，要去整体实践，怎么样去跟人打交道、项目的流程是怎么样，是怎么样运转出来的，你在这个项目里的分工是什么。把这些经验全都积累下来，不管是3个人的小项目也好，还是10个人以上的大项目，你要搞清楚自己在这个项目当中，你担任的角色是什么，你为这个项目和这个团队贡献的力量。总结出自己参与项目当中的一些细节，和你具体做的事情成果。这对于之后的些面试或是自己发展，是非常非常重要的。

另外，刚才一直在强调基础的技能，如果有时间，可以多去了解一下统计学或者是基础的编程（如：SQL）。实际工作中，很多要去分析数据，但是在数据源头就受到了一些限制。那你怎么样去获取数据，这就是跟我们的基础编程能力相关。如果你完全不懂一些基础编程，要等着IT同学帮你去拉数据，如果IT同学不能及时协助，那你整体分析流程就会卡在这里。如果你是一个懂得像数据库底层编程，或者是会一些简单Python ，那你在分析的视角上就是能够给你有更多的补充。

另外，需要不断了解基本的分析框架和加强自己逻辑思维和分析能力，这些其实是不断需要去训练的。

那总体来说，应届生校招流程基本都是差不多的。如果有特别关注的公司，可以按照公司的要求提前做一些准备，不断去加强自己的匹配度。

Q11：关于老师从软件工程师到解决方案顾问，以及到目前数据分析专家这个岗位，有哪些经验分享吗？

每一个岗位到下一个岗位的时候，一方面做了准备，另一方面，其实我感觉也是顺应时代的发展。

我刚刚毕业那一会儿是15年，对于“15年”这样的时代背景下，不知道其他的一些同学毕业是什么感受，我那时候还是非常想进入一家大的外资企业。因为当时在我的印象里觉得这样的公司就是好公司。

比如说我在公司内部沟通的时候，全都是用英文邮件，然后还经常可以进行国外的客户对话，觉得非常高大上（当时是这样子想）。后来先是去了日本，然后回国之后进入到一家小型的创业公司，我刚入公司的时候是30多人，做了两年半之后发展到200人，一点点看它成长发展起来。

其实当时回国之后心态和思维也发生了变化，像我刚毕业的时候，想去进一家大公司，这样大公司的一个分公司就有几千人，整个集团可能是上万人。后来为什么回国会加入加30多人的一个公司呢？

因为我想要做的一些事情，是真正切切实实能够帮助到企业，在这样一个公司团队里面，能够快速地看到我做的事情的产出和成果。当时在日本的参与开发的SAP项目，需要花费大量资金和人力投入，并且比较长线才能够去看得到的成果。SAP系统本身也有它自己的规范性和优势，但是对于一些中小企业来说，他们是用不起的，这个很现实的个状况。但是像BI，它相对于把比较笨重、繁琐流程的SAP变成了轻量型产品，从发展来说也更加符合时代，也接触到很多上了SAP、ERP的公司这几年也非常热衷购买BI工具，把SAP的数据在BI上进行呈现。

短短几个月，就能够提高我们公司内部的运转和数字化的构建，这件事情会让我觉得非常有成就感。其他也有在乙方呆久想要去做一些偏甲方视角的工作，想真正的深入去了解某一个业务。其实，每份工作都会有一些缘分在里面，也是非常感谢毕业之后的这几份不同的一些工作。其实不管是国内的也好，国外的也好，不管是从看事情的视角上，或者是对行业的理解上，我觉得前前后后都是有因果联系的。

例如，我现在也不用经常去写代码，但是做程序员的这几年，对我的整体逻辑和思考能力，其实是确实有锻炼到。因为我之前觉得自己不是一个逻辑思维特别强的人，但是现在我输出问题的一些条理性，或者是跟人家去沟通复杂问题的时候，就下意识分步骤，通过几点能把问题描述清楚。

关于职业发展路径，仅供大家参考。

现在应届生或学校学生跟我当时可能不太一样，现在大学里有的已经开始安排一些像tableau或者是PowerBI的学习 ，所以大家现在学校里接触的东西已经是比较新兴的，不像我之前先去经历用Excel 去做报表，使用报表工具，再到BI工具等这样比较传统的一个发展链路。现在应届生一出学校就有机会使用比较便捷的分析工具，所以不会像我之前有一段自己去摸索的过程，这个对于现在的同学是很大的一个优势。

职业发展来说，适合自己最重要。我之前也没有去想到现在会去做一个数据分析这样的一个岗位，更多是做排除法，是干了做了几年程序员之后，我知道自己不想一直往这个方向去发展，我想要去找突破口，然后去找突破口的时候，会发现这个行业来说，大数据是发展非常好的。因此我当时的一个信念就是说，我想去数据相关的一个岗位，然后再去做到具体的工作岗位，比如说做解决方案顾问或者数据分析师，先试去做排除法，然后一点点去摸索出来的。

但是我觉得现在的同学应该会比我当时幸运，很多因为现在的各种市面上或者是网站上的教材、学习平台，输出的一些知识点都非常多，并且有像我这样给大家踩过坑的一些前辈的一些输出。所以大家去选择自己就业或者是发展方向的时候会更加顺畅一点。

当然不是先要去做几年程序员才能够去做数据相关岗位，这不是必经之路，只是我个人之前的一个发展过程而已。

我们本次访谈的一个问题就到这里结束了，特别感谢老师的分享，期待Jenny老师后面在爱数据社区更多的分享。

《数匠访谈》是爱数据社区一档针对一线各行各业资深数据从业人员进行的深度访谈的栏目。

爱数据社区《数匠访谈》旨在分享：在数据作为新的生产资料和驱动力的数字化时代背景下，数据从业人员如何发挥数据价值的见解和洞察，共同探讨数据应用与发展趋势等话题。

访谈嘉宾均来自：一线各行各业的资深数据分析师、数据产品经理、数据开发工程师、数据建模专家、算法工程师、数据仓库架构师、数据总监等，行业覆盖新零售、O2O、电商、互联网、教育、物流、金融、信息流、医药等。

《数匠访谈》通过深度访谈一线资深数据从业人员，整理发布数据嘉宾的实战工作经验、行业洞见和先进的数据技术，为入行数据从业者、数据爱好者提供宝贵意见，为行业发展起到积极促进作用，进而达到数据人才价值实现，推动数据产业发展。

随着职场竞争越来越激烈，很多人这才体会到技术岗的好处——丰厚的薪水、优质的待遇。

这样的好处让越来越多的人萌生了转行从事数据分析行业的念头，但是又苦于不知道该从何开始。

其实，这件事并不是你想象的那样难以实现。想要转行从事数据分析行业的小伙伴们快看过来啦！小编特别制定了数据分析转行指南，希望能帮助到你~

第一步：确定数据分析的择业方向

人们一提到数据分析就自然而然地想到数据分析师。但其实，会数据分析的人并不局限于做一名数据分析师，他们可以选择的发展方向有很多，这就看大家对哪一个更感兴趣了。以下就是我为大家推荐的几个择业方向：

（1）市场研究分析师：运用定性和定量调查研究方法收集信息，进行数据处理和分析，为政府、企业和社会提供决策依据的专业人士。

（2）定量分析师：揭示和描述社会现象的相互作用和发展趋势，帮助企业分析财务报表。

（3）运营分析师：分析业务运营中的问题，从数据上提供运营方向。

（4）商业智能分析师：使用商业智能工具，识别或监控现有的和潜在的客户。

（5）数据库系统分析师：设计、建立、运行、维护高质量的数据库和数据仓库。

（6）系统分析师：从事管理信息系统的定制、企业资源管理系统的设计开发及市场评估策划。

（7）大数据分析师：进行数据挖据与展现后,呈现给企业决策者一份清晰、准确且有数据支撑的报告。

尽管这些职业看上去有很大的差别，但本质上都是通过学习数据分析知识来处理业务问题。因此，下一步大家要做的就是掌握数据分析的知识。

第二步：跨行业学习数据分析的方法

1.了解数据分析的相关工具

Excel、SQL、R、SAS等工具都可以用来分析数据。其实，了解工具只是一个开始，并不代表你要立刻掌握这些工具。因此，你可以选择一个你认为最容易的工具开始学习。

2.不要立即摒弃原行业的知识

尽管学习数据分析对你原来从事的工作没有要求，但很多企业会看你有没有这方面的经验。比如，你曾经做过房产销售，继而又花时间学了数据分析方面的知识。那么，如果你去一家房地产公司应聘，这一工作经验就是你的优势。当然啦，技术过硬，的确比啥都强。

我们在浏览求职信息的时候，经常会看到这样一句话：“有教育机构学习经历的优先。”在博为峰的数据分析课程中，你不仅可以掌握专业技能，还可以通过各种案例研究了解到真实的业务示例。而且，你在写简历时，还可以将这一学习经历放到你的简历中。当你掌握了专业的技能，拥有了漂亮的履历，你还会担心找不着工作吗？

4.多和技术大牛交流讨论

如果你身边恰好有一个数据分析方面的专家朋友，那你真的是赚到了。很多相关的问题，比如行业的发展趋势、专业性学习的问题等等，你都可以向他好好请教一番。不过没有这样的朋友也没关系，你也可以将自己的问题放到博客、论坛中，很快就会有好心的陌生人回复你。当然，你还可以咨询我们机构的老师，他们一定会耐心地回复你所提出的问题。

5.做一个时间管理达人

提到时间管理达人，大家是不是一下子就能联想到罗某某？咳咳，这里的时间管理是指将生活、工作和学习的时间安排好，可不要想歪了。

为了转行，有的人会选择辞职，腾出几个月的时间专门学习数据分析；然而，为了养家糊口，更多人还是选择边工作边学习。这时，你就需要规划好自己的时间，做到生活、工作和学习三不误。

第三步：掌握非技术技能

光会技术可不行，如果你IQ超群，EQ却低得感人，很有可能会导致团队项目进度跟不上。因此，我们还要掌握非技术技能。以下就是几点关于工作的小建议：

1.学会交流：在真正开始项目时，你应该能够以技术人员和非技术人员都易于理解的方式解释你的分析。因此，你需要学会与人交流。

2.随机应变：在工作或者人际交往中，我们难免会遇到一些突发状况。这时，就需要我们做到随机应变，根据实际情况及时处理问题。

3.团队合作：无论做哪一个项目，团队合作都是非常重要的。只有一个团队和谐了，项目才能更好更快地进行。

看完了小编总结的数据分析转行指南，大家是不是觉得转行从事数据分析行业其实也没有想象中的那么难呢？转行的确是一件辛苦的事，但是付出越多，收获越多。