我是小小神兽：
本人本科就读于华南理工大学计算机科学与工程学院，专业是计算机软件。硕士就读于中山大学的耐基梅隆联合工程学院，现在这个合作项目已经停止，原学院被并入电子与信息工程学院，方向是计算机科学与技术。
本科期间，获得过国家奖学金、国家励志奖学金、校三等奖学金，一两个专业竞赛的奖项，以及一些其他非学术性的奖项。可以说，不管是基础学科还是专业学科，理论知识我都学地相当扎实。比如当时微积分考年级前几名，线性代数90+，概率论80+（华工概率论还是教得挺难的），操作系统接近满分等等…
鉴于本人的专业背景，如果要去互联网IT行业就业，可以说得上是妥妥的科班出身了。
但是，本人有致命的短板！就是编程语言的实践能力很弱，讲得通俗一点就是 coding 能力不行。
说到这里有点汗颜，毕竟本科前三年有大把时间可以加强自己的代码能力。关于当时为什么会出现编程能力弱的情况，我以后专门写一篇文章来论述，顺便通过自己的经历与感悟，给后面学计算机的师弟师妹尤其是师妹们一点经验教训。
这样，大四逃避就业的我选择了保研继续读本专业的研究生。硕士项目是2年制，第一年在中山大学就读，第二年赴美国卡耐基梅隆大学就读。坦白说当时报这个项目也是冲着卡耐基梅隆大学的实力跟名气去的。
后来因为很复杂的原因，第二年没有去成美国，同项目的绝大多数同学都照样赴美，今年7月份已经有5个同学在谷歌就职了，其他同学中也有很多在同等牛逼的公司工作，可以说他们都非常优秀。
17年暑假班上的同学基本都申请了实习，我也不例外，去了微软 CSS Azure 云平台的一个 项目组实习了三个月，然后顺利地通过了转正笔试、面试，拿到了 微软offer，岗位是技术支持工程师。
之前还有人在知乎问微软技术支持工程师是不是很边缘化、很水的问题。其实，技术支持工程师并不水，微软很多其他开发部门类似数据库组的很多大牛，有些也是从这个职位转过去的。所以这个岗位也是能学到很多东西的，加之薪酬、工作环境、企业文化，可以说对于当时的我是一个非常不错的选择。
讲了这么多，到了现在18年暑期，按理说，我的学制是2年制，现在应该已经在微软工作了。但是因为个人的一些原因，加上论文完成时间比较紧张，所以选择推迟一个学期毕业，也就是今年年底毕业。我把这个情况告诉了微软的领导，领导也告诉我说既然公司给了我 offer，我也还是能去的，但是为了我的职业生涯考虑，在这个期间不要忘了学习，还让同组的其他员工给我制定学习计划。
对于这样人性化的公司和重视员工自身发展的老板，我都深怀感激。那么，现在的我为什么又要放弃微软offer，选择做数据分析师了呢？
就在7月上旬，跟朋友在微信聊天的时候，朋友偶然间的一句问话“就打算去无锡那边了吗？不考虑 bat 这些大厂了吗？”
说实话，我也心动过，考虑过，但是因为尊崇契约精神，对微软领导给我的照顾和公司文化的欣赏使得我坚定毕业后一定会去微软。
但是，也许是因为内心深处的那个声音，一直在呼喊，“你真的认为自己适合那个岗位吗？”
的确，内心深处，提起即将就职的岗位，我的内心毫无波澜和期待。并不是因为这个岗位不够吸引人，而是觉得自己的兴趣与优势并不在此。此外，因为一些个人的原因，毕业想先呆在广州和深圳这边工作，所以趁这个契机，我想改变。
我开始搜索已经开放秋招提前批次的公司，搜寻匹配我专业背景、职业能力、个人优势的岗位。渐渐地，数据分析师这个岗位映入眼帘。
接下来，我像饿了很久的狮子突然看到了久违的猎物，开始疯狂了解数据分析师这个岗位的要求与主要职责。一番了解，将数据分析师的主要要求归纳如下：
第一，逻辑思维能力强，对数据敏感。
我个人觉得这是非常重要的一个能力。每个职业都有每个职业的专业特质，这个特质是潜藏在每个人的身体和脑子里的。如果不具备这个行业的特质，但是却硬要做这个工作的话，那就像让爱因斯坦去跳舞，让郭德纲去做严肃的政治教育一样，让人变扭。
数据分析师是一门跟数据打交道的工作，它要求你在海量的数据中针对性地提取自己需要的数据，经过自己的一番方法论跟实践操作，得到你想要的信息，从而针对自己想要的结果作出相应的决策。这个过程，少不了跟数据打交道，如果你是一个看到密密麻麻的数据就脑袋疼而不是看到数据就兴奋就想捣腾一番的人，那么你大概率不适合这份职业。
此外，还需要对数据敏感。所谓对数据敏感，就是给你看一眼数据，你能比较容易地洞察里面的规律，洞察在英语里面叫 insight，指的就是透过现象看本质。当然，实际工作中不可能一眼就发现问题，只是为了说明有相应的敏感触觉。数据分析的最终目的是要发现问题，找到规律，继而利用规律，达到自己想要的结果。所以如果对数据木讷，很难发现现象背后潜藏的规律。
第二，沟通能力强。
数据分析师工作中需要的资源很多时候不是自给自足的。往往需要从公司其他团队或者人员那里获得。自己的工作成果、或者工作中间遇到的问题也需要反馈给别人。这就注定了数据分析师必须是一个项目多面手。其实这个社会中大部分的工作都需要能够团队协作，善于沟通的人，只不过数据分析师尤其如此。
第三，必要的业务知识。
数据分析落实到具体工作中，都是对某一个领域或者某一门生意的分析。了解相关的业务知识，才能更好地理解和优化自己的工作。
第四，数学，尤其是统计学要好。
这很好理解。作为一个码农，你的代码能力是你的佩剑，你的算法就是你的心法。剑法再厉害，心法如果不能升级的话，代码打的再好也只是一个码农。
这就是为什么现在市场上优质的数据挖掘工程师薪资高的原因，因为人家算法研究的厉害，能够从根本上驱动业务快速增长。
相应地，数据分析师的工作会大量用到统计学、数据挖掘的相关知识，数学学得好，才能晋级为高级数据分析师。当时，有些公司是不需要这么高阶的能力的，很多小公司只需要你会 excel 就足够了。但是，如果志存高远，那么数学基础要打好，它决定了你在这条路上能走多远。
第五，熟悉excel、python、R、SQL、ppt等工具的使用。
再厉害的想法也需要实践才能落地。初级数据分析师需要熟练使用 excel；中级数据分析师需要学会 SQL，python 和 R 中可以任选一个进行学习，两者都会那更好；ppt是用于展示分析结果的工具。
综合上面数据分析师的要求，结合自身专业背景和个人性格，我认为数据分析师是一个非常适合我的短期内的职业定位。为什么这么讲呢？
计算机的专业背景使得我第四、五条基本具备，其中有不精通的可以继续精进学习。个人特点也是对数据敏感、看到好多数据出现的时候，就喜欢分析、观察有没有什么现象，这满足第一条。
本人的性格特点也是比较擅长沟通，不是那种碰到陌生人、不熟悉的人就会发颤的，对于要和不同的团队打交道，个人还是蛮期待的，这满足第二条。
这样自我分析下来，发现就缺业务知识了。我对于自己的学习能力还是非常有信心的，所以即使这块暂时是空白的，我也有信心去努力完备。
这样，当我决定了要成为一名数据分析师，同时考虑到第三点，那我必须要选择一个具体的领域去学习。出于下面两点考虑，我基本确定了往互联网金融领域发展。为什选择这个领域呢？
第一，中国互联网金融还在初期阶段，还有很多不完善的地方，想要发展成为美国那样专业的人才还有很长一段路要走。未来几年内这个领域的需求会非常多，就业机会还是蛮多的。
第二，金融学的相关知识可以说是一种通识知识。通识知识就是指我们在日常生活、人生过程中需要的避免不了的知识。学好金融学的相关知识，对于以后自己的投资理财都是非常有帮助的。
洋洋洒洒写了快3千字了，总结了自己从本科到现在决定将数据分析师作为自己短期职业定位的心路历程。于我而言，硕士一毕业就满25岁高龄了，彼时相比已经有三年工作经验的本科同学们，我还是零经验。但这并没有让我感到焦虑，因为，往适合自己的正确的方向走才能做有用功。
从25岁开始工作到65岁退休，我还有漫长的40年职业生涯要走，精力够的话，我甚至根本就不会退休。谁也不能预计未来的自己会经历怎样的职业发展道路，但是只要是遵从自己内心、结合自己的个人优势，能够最大程度的发光发热，那就是最充实、最有成就感、最幸福的事…
我是猴子社群会员，知乎：小小神兽