1樓：九道門聊資料
做資料分析師該怎麼開始，首先得從自己的知識儲備結構來分析，不能盲目的別人說怎麼學就怎麼學，因為知識結構不同，要學習的側重點也就不一樣，尤其是在學大資料分析這個領域。
比如說英語專業的，他們學習資料分析師的優勢就在於對於經濟領域、組織管理、表達能力等方面比較有優勢，但是對於程式設計、建模、分析思維等方面就相對要差一些，所以在學習的時候，就要專注於這些劣勢方面的領域去學習，並制定適合自己的學習路徑。
在實際的工作中，很多時候分析思維是大於工具使用的。如果沒有在所從事行業領域的一定積累，也就是經驗沉澱，掌握再好的工具使用技能，面對問題還是不知從何下手，相反的，如果分析思維能力強，資料不大的情況下，或許excel就能解決你的問題。作為乙個相關從業者，我來談一下自己的感受。
1、分析思維的能力以及專案經驗大於工具使用的能力。
現在的大資料市場被很多培訓機構搞得烏煙瘴氣，一說大資料學習，灌輸給社會和學員的思想就是對工具的學習，Python、SQL、爬蟲等等學了一大堆，但是畢業後的學員基本上都是從事了爬蟲與視覺化的相關工作，這些人在企業到底能不能正兒八經起到給企業運營建議的作用呢？少之又少！因為他們只是工具的使用者，但是對於通過資料去分析問題並給出解決方案的能力並不強，因為他們的學習是脫離行業應用的，這些人對於他工作後公司所在行業並不是特別了解。
比如說對於雨傘銷售情況的分析，不懂分析思維，對這個行業不懂的人，就只會看資料，一看杭州4月雨傘銷量比較高，其他時間段一般般，就會去問運營團隊，是不是4月做了什麼活動，其他時間是否可以複製活動，其實這個時候他忘記了，4月是杭州的梅雨季節，即使不做活動，銷量也會比其他時候高，這是雨傘行業的季節變化。不是說工具不重要，而是思維更重要。
2、對自己知識結構有所判斷
因為每個人的知識結構不同，在接觸新領域時需要準備的點也就不太一樣，抓住側重點，才能更快上手，比如說機械電子工程專業的學生，大資料的優勢就在於程式設計能力強、邏輯性強、對機械領域專業知識比較了解，這些都是優勢，但是劣勢就在於雲計算、分析思維、建模能力等方面就要弱一些，所以學習路勁的制定就要發揮優勢，補充劣勢，相應的學習的書籍等等方面的側重點也會不一一樣，所以，你還是應該根據自身特點，製作適合自己的學習路勁。
還是那句話，專案大於工具。
當然你工具玩得很溜那也是能找到工作的
2樓：倍睿網
IT技術方面，測試、資料分析、UI是准入門檻較低的，應屆生很容易應聘。
如果是社招的話，雇主都會要求有相關工作經驗，不會招收沒有資料分析經驗的人來培訓。以往經歷裡需要挖掘資料分析相關的工作內容，把簡歷包裝後才能成功應聘。我們就幫助一些沒有資料分析/UI工作經驗的應聘者成功應聘了資料分析師或UI工程師。
3樓：學神IT教育
看你學習的，可以去嘗試一下，有些公司願意培養動手能力強的新人，學歷夠得上就行。
我之前認識個金山上班的妹子，金山那邊招聘資料分析師，就要求，去了現學都行，只要是本科學歷，人踏實肯學，願意簽訂長期合同就可以去面試。最好是推薦的我們乙個學妹去的，現在待的很開心，也覺得自己學會了很多技能。
4樓：資料之路
1.先找資料運營的工作。會excel,sql可以滿足基本技能了，再對應補充業務知識。
2.python後續高階再學。不要學太多工具了，用不上的話容易忘。
3.多投簡歷，多面試總結。肯定會找到的
資料分析師這個工作適合女生嗎？
liu990678279 個人認為是適合的。首先，女生會比較細緻一些，會比男生更容易避免一些由於粗心導致的小錯誤 其次，女生會更有耐心一些，分析的結果中，尤其需要耐心的觀察，而這一點女生會比多數男生會做的更好些！ 老崔 本人轉行做資料分析，從0開始學，希望各種想轉行小白的可以過來一起交流，想組織乙個...
商業分析師和資料分析師到底有什麼不同？
李啟方 先來看看相同點吧，應該不用我說，都是通過資料分析分析問題，讓專案的價值最大化，你可以理解為資料驅動。下面的內容中，商業分析師我就用商代替，資料分析師用數代替。1 入行門檻 商 研究生優先，985優先，清北復交優先 這是真的 因為真正的商分只有大公司招，而且每年的人都很少，其激烈程度真的不亞於...
想做資料分析師都要學什麼？
弗拉醬 高票答案說得不錯，但，這樣龐雜的學習體系沒個幾年是根本啃不下來的！特別是對於零基礎入門的朋友來說，一下子把難度拔得這麼高很容易讓人喪失學習的動力和勇氣。因此，我們不妨換個思路，先不要追求大而全的效果，轉而採用自底向上 循序漸進的學習方式。現在新技術層出不窮，您要學習大資料，其實還有很多新方法...