一、为什么要学习数据分析？
近几年来，无论是科研院所，商业巨头还是初创企业，各行各业都在大力开发或者引进人工智能，由于储备不足，导致人工智能人才出现巨大缺口，根据领英2018年发布的全球 AI 领域技术人才分布图显示，中国目前的 AI 人才缺口超过 5 万。所以，学习这个领域的技术，是与时代与时俱进，给自己创造了条件概率。
全球AI人才数量分布图
人才供不应求，此领域岗位的薪资也自然水涨船高。那么这个领域的薪水如何呢？
下面是2017年与数据相关岗位的月工资中位数：
你也看到了，市面上与数据分析相关的职位很多，叫法也五花八门，真是看着闹心呢。纠结该怎么选择适合自己的职业，以及选定后如何做好职业规划呢？
二、数据分析师的分类是什么？如何做好职业规划？
其实，任何行业随着你深入发展，都分为3个阶段：初级，中级，高级。这根打游戏闯关一样，一级一级网上爬。所以，从总体上我给数据分析这个行业也对应规划为这3个阶段，你按下面各个阶段要求来对号入座。
1、初级数据分析师
这类数据分析师分为2类：
1）Excel数据分析师
工作内容：
要求熟练使用Excel即可，常说的“表哥”就是这个职位。主要是给没有数据部门的产品经理打个下手。针对产品经理提出的需求来做分析。然后用PPT写一些分析报告即可。
比如说，之前社群会员面试的一家互联网教育机构，他们的要求就是用Excel整理学生买课的信息，看看哪一门课程最受大家喜欢之类的。
需要掌握的核心技能：
Excel，统计概率。
月薪：
这种职位的大概薪资在一线城市的话大概税前有5000-7000块（以下说的薪资范围也都是针对一线城市的）
2）业务部门的数据分析师
工作内容：
这类数据分析师在业务部门。不需要会编程，但会的话有加分。比如用python写一些报表自动化。
常见的职位名称有：
数据分析师，数据运营，商业分析，战略分析，经营分析，市场行业分析
需要掌握的核心技能：
Excel，统计概率，简单的SQL查询。
常见的职位名称有：
数据分析师，数据运营，
月薪：
薪水大概是6000-10000。
对于初级数据分析师的职业发展，如果喜欢业务方向，可以往管理端发展，常见的有数据运营经理，数据管理经理，数据产品经理。如果喜专研技术，可以往下面聊的中级数据分析师方向发展
2、中级数据分析师
工作内容：
这类数据分析师一般是IT部门的数据分析师。不仅要会技术还要懂业务，通过发现问题，分析问题，得出结论，为公司的决策做支持。主要干的工作是数据提取、报表开发、撰写分析报告。
IT部门的数据分析师基本是涵盖了业务部门数据分析师的技能，还要会编程，就这么简单。薪资水平也是两个级别。
需要的核心技能：
统计概率，精通SQL，编程语言Python或者是R
月薪：
薪水大概是7000-10000+
3、高级数据分析师
通过建立模型，预测，偏重于工程，主要技能是编程和算法。
常见的职位名称有：
数据开发工程师，数据挖掘工程师，数据仓库工程师，机器学习工程师
需要的核心技能：
统计概率，数学，精通SQL，编程语言Python或者是R，机器学习
月薪：
薪水在15000+
数据科学家是这个行业的最终奋斗目标之一。你如果理论能力非常强，可以写paper，那么可以担任研究院的一把手。你如果工程技术能力突出，那么可以担任公司数据科学部门的老大。
三、如何选择适合自己的岗位呢？
1、成为一个终身学者
弄清楚自己的基础是怎么样的，学习转行从事哪个岗位的难度更小些，以及自己更适合哪个岗位。很多人一上来没有任何基础，就开始啃机器学习这是不对的。因为你没有统计概率，数学基础，里面很多专业术语根本无法理解。
数据科学是一门交叉学科，除了计算机相关知识，还需要有统计学、数学基础，以及一定业务知识。所以可以作为终身职业发展目标，每天学习一点，慢慢积累进步。
搞清楚各个职位的区别，以及了解自己的基础，知己知彼，就对学习和转行有方向和信心了。最关键的是要在自己的“最佳领域”工作。所谓的“最佳领域”，就是你热爱的、你擅长的、以及社会需要的这3个重叠的领域。
2、成为某个领域的数据专家
有的人技术很厉害，但是工作几年发展却受限，成为不了某个领域的专家。是因为今天跳到A领域，明天跳到B领域，导致业务领域知识缺乏。
然而，数据分析师主要是为所在的行业数据进行分析，所以离不开业务领域的知识。而业务领域知识的积累要靠这个领域多年工作的经验积累。所以简单来说：数据分析师=技术+业务
如果你是刚开始转行到数据分析领域，那么选择一个与你之前工作领域相关的数据分析师，那么会相对容易些，因为你自带业务知识。
如果你已经是某个领域的数据分析师，那么跳槽的时候，要考虑换岗不还行，也就是在同一个业务领域深耕，争取成为这个领域的专家，这才能具备不可替代性。避免跳到一个陌生的领域。
可以关注这几个行业的数据分析师，作为自己感兴趣的领域进行深耕：
1）互联网金融：风控／信贷／欺诈，杭州有好多公司招互金的。如果想往这个方向发展，可以做一些贷款分析的案例写到简历里。已经转行成功的社群会员 周荣技 当时就是超这个方向准备的：我是如何从制造业转行金融数据分析的？
2）商业分析：业务经营决策类
3）线上教育：最近几年比较火，比如好未来，vipkid。
4）广告推荐类：此类工作应用广泛
3.如何选择城市，提高你的条件概率呢？
当我们听到"世界是平的"，似乎意味着居住在任何地方都能和外界联系并高效工作，所以家住何处似乎也变得无关紧要。《你属哪座城市》的作者研究证明，这个认识是完全错误的，全球化潮流导致的恰恰是地区差异进一步拉大，选择不同的居住地，意味着完全不同的人生。
学过概率的人，应该知道条件概率对于一个人命运的影响。不要在沙漠里挖水，而要到水多的地方找机会。世界不是平的，城市大权影响命运。
分享之前我还是要推荐下我自己创建的大数据学习资料分享群 615997810，这是全国最大的大数据学习交流的地方，2000人聚集，不管你是小白还是大牛，小编我都挺欢迎，今天的已经资讯上传到群文件，不定期分享干货，包括我自己整理的一份最新的适合2018年学习的大数据教程，欢迎初学和进阶中的小伙伴。
数据显示，北京、杭州、上海、深圳、广州成开发者最喜欢工作的城市，杭州成为仅次于北京的开发者偏爱城市，首次突破了北上广深的围栏。在中国西部区域，成都、西安分别成为开发者最喜欢的西南、西北两大城市。还有最近搞的港澳大湾区，都是不错的选择。
4、成为一个关键时刻不放弃的人
我观察过身边的人，不管是同学、同事、还是创业合作伙伴，发现大多数人越到关键的时候，越容易放弃。
然而，那些最终坚持下来的，最后都成功了。所有的成长都源于那关键时刻的一点坚持。大多数人都是刚开始一腔热血，找来一堆资料，但是遇到困难却不想解决，在进步的前一刻放弃了，所以他们从来没有感受过成功的快感。
在数据分析领域，愿你成为一个关键时刻不放弃的人。
