外行应届毕业生找数据分析工作多难？

本人二本土建方向专业2017毕业生，去年暑假开始自学数据分析相关工具的使用，现在水平大概是：sql(w3c),python(numpy,pandas,matplotlib.pyplot基础操作),excel(基本函数、公式、其他小的骚操作)，数学方面是本科级别概率论、线性代数水平，无任何项目经验。
这个水平大概只够做一些数据清洗等微小的工作吧？不过我不嫌弃任何和数据有关的工作。
4月中旬实习结束，立刻回成都投简历，每晚大概只有3小时用来学习。
预测性分析，机器学习算法之类的我的是准备先找到工作再进一步去了解和深入学习。
所以，综上所述，这个水平离找到一份数据分析的工作还有多远呢？该怎么进一步缩小距离呢？这半个月每晚3小时我是该好好复习之前所学还是再多去了解一点这方面的知识呢？

乐天 · 2018-10-15 23:20:01

经过近一个月的面试，体检，背调我终于获得了理想的offer了。总结一下自己找工作的经验，可以概括为四点。
1.行动起来。
有句话说得很好，晚上想想千条路，白天起来走原路。想离职，想转行的人需要逼迫自己行动，准备简历，获得面试机会，总结面试经验，了解企业需求，调整自己的话术和项目更匹配企业需求，这些都需要行动力。正如罗振宇说的要善于拆解任务，其实归根到底还是拆解任务后实实在在的行动。
2.准确定位自己。
作为求职者需要根据自己的过往经历去定位自己，比如我的定位就是既懂数据分析又有数据产品项目经验的人，未来我要在企业里头从事的是商业智能，数据驱动业务决策相关的事情。只有定位了自己，才能更好包装自己。正如老罗说的要把自己当成一个产品，我想产品最初应该是定位并细分出自己的客户群体，才能在竞争中取胜，求职也是如此。
3.尽可能拔高自己，远离自己的舒适区。
简单说就是找工作还是要找有挑战的，岗位对你的要求是高于你现有能力的。说白了我们跳槽转行都希望收入能提升。要干比现在高级复杂的活你才更高的待遇。
4.不要放弃学习。
持续学习，创造条件学习，比如猴子提倡的碎片化学习。面试的这一个月虽然忙，但是每次面试都可以了解到企业的一些需求，回来会针对性的去补充相应的知识。
以上是自己找工作的一点点心得，欢迎交流。

张诺文 · 2018-10-15 23:20:02

把知乎的回答首秀献给这篇职业类问题，希望能帮助到即将离开学校踏入社会的小朋友。
在回答这个问题之前，我想先大致总结一下数据分析这个岗位在互联网行业中的现状（其他行业的应用不算典型，在本文中不涉及）。数据分析这个岗位的定位和质量在行业内参差不齐，大致有以下这几种类型：1.有的只是要求会取数（SQL、Hive），能做简单的数据处理，能制作日常报表，给运营或产品做数据支持，这类岗位充其量算是“数据运营”；2. 有的公司不会严格限制数据挖掘和数据分析的职能，数据分析往往是数据挖掘的前奏，因为只有对业务/产品的深入了解+数据分析，才能定位问题所在，才能更好建立/优化模型。3. 有的公司会把岗位称为“商务数据分析”，这种情况下基本可以确定分析师的任务是帮助整个业务/产品的提升，你的工作内容会离Business很近。
下面开始解答LZ的疑惑：
1. 技术方面
数据处理：SQL、Hive、Spark、Python...
数据分析+可视化：Excel、Tableau、GrowingIO...
数据挖掘/统计建模/算法训练：Python、R、Matlab...
对于技术工具的学习，我的经验是数据处理、可视化、建模语言分别精通一个是最重要的。用好一个工具的话，其他的原理都是相通的，相互转换并不困难。因为工作之后很可能根据不同公司的需要更换技术工具，但是本质都是分析和建模的手段，现在这个阶段专注是很重要的。
2. 理论方面（统计学、数据挖掘、算法）
如果是急于入门，建议先从统计学基础、最常用的统计学原理开始学起，培养统计和数据思维。其实在实际应用中，能投入到实际应用的算法/模型并没有教材书上那么多，很多岗位的性质都是一直在优化同一个或者同一类算法/模型（比如推荐算法、时间序列模型），学是学不完的，并且绝大多数模型/算法在你今后的工作中的使用概率很低，所以建议先培养数据思维和统计学基础原理，可以视工作需要再选择学习哪方面的模型/算法。
[h1]3. “这个水平离找到一份数据分析的工作还有多远呢？该怎么进一步缩小距离呢？这半个月每晚3小时我是该好好复习之前所学还是再多去了解一点这方面的知识呢？”[/h1]现在开始回答你的问题。技术上其实短时间并不会有很大的提高，所以目前建议从两个很明显的短板突破：

了解统计学模型或经典算法：需了解最基础的统计学模型或者经典算法，二者选其一就可以了。选择最常用最典型的开始学起。
缺少实践，没有分析sense：我觉得这部分非常重要，可以直接让面试官一票承认或一票否定你对这个岗位到底了不了解，有没有诚意，是不是真的在为这个岗位做准备。既然还没有开始工作，可以通过很多文章、博客、知乎大牛的文章来加深自己的理解。（此处打个小广告，GrowingIO的博客是当时我选择离职来到GrowingIO做分析的启蒙，即使现在来到这家公司，我还是会每篇必看，可以让我不断加深业务sense+分析方法论，非常适合入门。）

博客首页链接如下：
产品经理数据分析, 增长黑客学习网站,教程免费下载 - GrowingIO 官方博客

Iceberg · 2018-10-15 23:20:03

      我觉得你这个水平已经可以投简历找工作试试了，一般会sql和Excel，就可以做到提数和基础分析了，关于业务逻辑，后面公司自会教你、带你熟悉。
   其实很多东西都是工作之后学到的，比自学快很多，并且用到啥学啥，进步很快。不要怕工作不会干、干不了，大胆去面试，把你会的说清楚，并且谦虚好学的话，公司也愿意要的，毕竟招一个应届生成本(薪水)比有好几年工作经验的要低一些；如果能要你，你就大胆的去，去了之后边工作边学嘛。建模的话有人带会成长很快，团队人少的话，可能要自己卖力点了，不过也比自学学的快，毕竟有项目摆在那里推着你走......
   我也是外行转数据分析，学习两个月，两周找到工作，工作之后感觉又学了好多.......

黄哥 · 2018-10-15 23:20:04

有一定难度，如果觉得不好找数据挖掘等相关工作，建议先当程序员，找程序员工作，
在工作中继续学习。
一个成都建筑行业转程序员例子。
为啥水平不高的Python 初级程序员，企业还愿意招聘。 - 知乎专栏

数据观 · 2018-10-15 23:20:05

谢邀。首先，非常期待题主加入数据分析这一发展前景很好的行业。
然后，作为以数据处理、数据分析、数据可视化、数据协作为生的一家公司中的一员，我就从我们对公司数据分析师们的要求这一角度来解答一下。
1、要懂统计学——原因：做数据分析，一些基本原理和模型是一定要知道的，尤其是做预测分析时，不懂统计学基本原理和模型，面对一堆数据，你基本上会陷入无从下手的境地。
2、要懂运营管理、商业管理相关知识——原因：这类知识，是你能都对数据有感觉的基础，更是你让你手里的数据变得有价值的基础。商业领域数据分析最终是为决策服务的，数据分析师的直接汇报对象也基本上是管理层，更准确的说，是决策层。所以，懂得运营管理、商业管理的知识，能够帮你明确最终的应用场景，指导你的分析思路和方向。
3、一些工具的掌握——原因：当数据量较大时，当对分析的时效性要求越来越高时，在你的知识不是障碍的前提下，能做的就是借助高效的工具来实现了。比如做数据采集时会用到Python/R（这两种会一种就行，原理想通）、做数据挖掘时会用到的SPSS，在做数据处理、数据可视化时，可以用excel，如果想更快的话，也可以试试我们数据观，尤其是数据量较大的时候。

匿名用户 · 2018-10-15 23:20:06

提示: 作者被禁止或删除内容自动屏蔽

湛蓝之心 · 2018-10-15 23:20:07

谢邀。
我的苦恼大体上与楼上的相同。虽然我对程序设计粗通一二，也曾经为单位做过一些小的应用。但是数据分析这个行当实在离我的经验和专业差得太远。程序设计当然要用到数据分析，但是数据分析的涵盖面远超程序设计范围。所以，我提供不了专业性的意见。
不过，专业我不懂，但是信心可以给你一点。
无论学什么，啃书本总要比实践来得慢。想要学会一门学问，最快的方法是找一份相接近的工作，边干边学。在找相关工作之前，当然你得有那么一点点相关基础，这点基础的作用是让你能听懂那些专业术语，大体上能明白工作面临的问题所在。然后仗着胆大脸皮厚去找工作。就是这样开始。如果运气好，能遇上大项目，基本上只要你能跟着项目熬出来，你就入了门。
我本来的专业与程序设计完全不搭架，但是我就是这么学会写程序的。当然，也亏得那时会写程序的人不多。

mengyuancf · 2018-10-15 23:20:08

数据分析也是分基础分析和高级分析的，一般从基础开始，自己努力再加上累积一定经验成为一个优秀分析师还是挺有把握，看你的情况是数据分析的工具和李璐基础是没有多大的问题，关键是多学习些数据分析的方法，找一个合适的导师带你或经验丰富的大咖带你，学起来将更轻松，我这认识一个这方面的教授，赵强教授，舒立克商学院数据分析教授，有兴趣可以联系哦

百姓几十年 · 2018-10-15 23:20:09

谢邀，可惜我不是专业人士，不懂。不知道为什么我现在每天都会收到无数个问题都看不懂的回答邀请。

不会拓扑的数学汪 · 2018-10-15 23:20:10

统计系的就这一条生路了，还得被别人抢，呜呜呜

外行应届毕业生找数据分析工作多难？

10 个回复