前言
先说结论：【零基础】是数据分析最大的毒点。
这个结论不建立，很多来找数据分析工作的都会碰一鼻子灰
所以很多人都来问，我零基础怎么转，我不是该行业的怎么转，我没有经验怎么转
如果我说机会很少
他们就会说，培训机构说可以转，你是不是看不起打工人，怎么会有零基础不能转的行业。
当然，我相信大部分人是想得到一个机会。
但是我个人还是建议，找机会的时候不要专门挑最硬的那面墙撞，我还想说每个人都有机会参与美国总统竞选，甚至我相信比做数据分析要简单。
这些误解很大程度上是由于机构的宣传，认为只要经过培训，就能上岗。
能经过培训上岗的，绝大多数属于纯技术岗，不能把开发那一套拿到数据分析师里面来。所以很多培训机构打的所谓大数据分析师，大数据行业，不是分析岗，很多是数据开发和etl工程师。
当然，我看了不少培训机构，主要是模糊了宣传，课程安排和导师还是老老实实的写的是etl。
只是架不住被宣传的人主动屏蔽了这些关键字，认为我学的就是数据分析，零基础也能找到工作。
no。
因为这个岗位本来就是要经验的，不能说你既希望你进来后可以吃经验，又希望招你的时候不要经验，这是逻辑不自洽的。
所以回到题目，零基础要转行，究竟学到什么水平，就很简单了。
学到从业者能做到的水平。
从业者做什么东西，你看我这个文章就懂了，我就不赘述了。
所以只要认真研究了从业者到底做什么，就会发现有些东西零基础是接触不到的。
就算培训班也不可能给你。
能学的东西有什么：SQL，python，tableau，分析思路，统计学。
这些好学，很多人跃跃欲试问我学完这些，零基础可以找工作了吗
我的回答一般都是，你去试试，不行再说，反正我不保证。
如果说市场真的空缺很大，那么相信我，你只能能干活，就可以招你。
但是这些东西太好学了，工资又不低，那么好赚的钱大家都不去赚就等你零基础转？
有基础的分析师可能只有几十万，但是零基础的分母可有几千万，大家都不傻。
所以在工作中有一点：行业分析经验和实际解决问题的方法。
你学不到。
举个例子，培训班很多时候会教一个RFM模型，用来做用户分层用。
但是在实际的工作中完全不是这个样子，实际的情况是：部门发现增长慢了，用户利润下降了，需要更精细化运作了，然后发现开始对用户进行分层拿捏了，然后才是给数据分析提一个需求，说要看一下用户表现。
至于RFM这个模型，他很老旧，尽管是一个好的分析思路，但如果只会答题（有些甚至RFM到底代表什么含义都答不上来），他不可能适用于所有企业。
真正适用于所有企业的是你对这个模型在实际运用中的思考。
例如为什么我要选利润，利润这个指标怎么表达最好，是用用户一年的付费还是一个月的付费，怎么分层怎么聚类，最后怎么实验什么结果，怎么改进怎么优化。
培训班教不了你，因为是你给钱给他们，他们只负责讲完。
在公司里，是公司给钱给你，让你把这个问题解决掉，解决不掉就走人。
需求方会在旁边和你说快做快做，实际情况会让你看到单纯的套模型解决不了问题。
这就是工作经验。
零基础，或者是别的部门的人，感受不到这种经验。
很直截了当的，我劝零基础的同学，你转可以，学到上面我说的东西就可以去试试，但找不找得到工作，我直接说了，现在概率不大。
另外，我个人建议你可以选择其他和数分相近的，不需要太多专业知识的部门。比如运营和产品，他们就是我们的需求方，你如果真的想做这一行，曲线救国才是比较好的方案。
直接去冲，你可能说你最后找到了一个工作，但结局是你始终做不到你一开始希望的那样。
可能一直在取数和做报表，尽管公司也叫你：数据分析师。
一、Python入门
下面这些内容是Python各个应用方向都必备的基础知识，想做爬虫、数据分析或者人工智能，都得先学会他们。任何高大上的东西，都是建立在原始的基础之上。打好基础，未来的路会走得更稳重。所有资料文末免费领取！！！
包含：
计算机基础
python基础
Python入门视频600集：
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
二、Python爬虫
爬虫作为一个热门的方向，不管是在自己兼职还是当成辅助技能提高工作效率，都是很不错的选择。
通过爬虫技术可以将相关的内容收集起来，分析删选后得到我们真正需要的信息。
这个信息收集分析整合的工作，可应用的范畴非常的广泛，无论是生活服务、出行旅行、金融投资、各类制造业的产品市场需求等等，都能够借助爬虫技术获取更精准有效的信息加以利用。
Python爬虫视频资料
三、数据分析
清华大学经管学院发布的《中国经济的数字化转型：人才与就业》报告显示，2025年，数据分析人才缺口预计将达230万。
这么大的人才缺口，数据分析俨然是一片广阔的蓝海！起薪10K真的是家常便饭。
四、数据库与ETL数仓
企业需要定期将冷数据从业务数据库中转移出来存储到一个专门存放历史数据的仓库里面，各部门可以根据自身业务特性对外提供统一的数据服务，这个仓库就是数据仓库。
传统的数据仓库集成处理架构是ETL，利用ETL平台的能力，E=从源数据库抽取数据，L=将数据清洗（不符合规则的数据）、转化（对表按照业务需求进行不同维度、不同颗粒度、不同业务规则计算进行统计），T=将加工好的表以增量、全量、不同时间加载到数据仓库。
五、机器学习
机器学习就是对计算机一部分数据进行学习，然后对另外一些数据进行预测与判断。
机器学习的核心是“使用算法解析数据，从中学习，然后对新数据做出决定或预测”。也就是说计算机利用以获取的数据得出某一模型，然后利用此模型进行预测的一种方法，这个过程跟人的学习过程有些类似，比如人获取一定的经验，可以对新问题进行预测。
机器学习资料：
六、Python高级进阶
从基础的语法内容，到非常多深入的进阶知识点，了解编程语言设计，学完这里基本就了解了python入门到进阶的所有的知识点。
到这就基本就可以达到企业的用人要求了，如果大家还不知道去去哪找面试资料和简历模板，我这里也为大家整理了一份，真的可以说是保姆及的系统学习路线了。
但学习编程并不是一蹴而就，而是需要长期的坚持和训练。整理这份学习路线，是希望和大家共同进步，我自己也能去回顾一些技术点。不管是编程新手，还是需要进阶的有一定经验的程序员，我相信都可以从中有所收获。
一蹴而就，而是需要长期的坚持和训练。整理这份学习路线，是希望和大家共同进步，我自己也能去回顾一些技术点。不管是编程新手，还是需要进阶的有一定经验的程序员，我相信都可以从中有所收获。
资料领取
这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以点击下方CSDN官方认证微信卡片免费领取 ↓↓↓【保证100%免费】
