1. Why learn data analysis?
In recent years, whether it is scientific research institutes, business giants or start-ups, all walks of life have been vigorously developing or introducing artificial intelligence. Due to insufficient reserves, there has been a huge gap in artificial intelligence talents. According to the global AI field released by LinkedIn in 2018 The distribution map of technical talents shows that China's current AI talent gap exceeds 50,000. Therefore, learning the technology in this field is to keep pace with the times and create conditional probability for yourself.
Distribution map of the number of global AI talents
Talents are in short supply, and salaries for positions in this field are naturally rising. So what are the salaries in this field?
Here are the median monthly salaries for data-related jobs in 2017:
You can also see that there are many positions related to data analysis on the market, and the names are also varied, which is really annoying. Confused about how to choose a career that suits you, and how to make a career plan after you choose?
Second, what is the classification of data analysts? How to make career planning?
In fact, as you develop in any industry, it is divided into three stages: primary, intermediate, and advanced. This root is the same as breaking through the game, and crawls the Internet level by level. Therefore, in general, I have also planned the data analysis industry into these three stages, and you should be seated according to the requirements of the following stages.
1. Junior Data Analyst
There are two types of data analysts:
1) Excel Data Analyst
Work content:
It is required to be proficient in using Excel, and the "cousin" is often referred to as this position. Mainly for product managers who do not have a data department. Analyze the requirements put forward by the product manager. Then use PPT to write some analysis reports.
For example, an Internet education institution interviewed by community members before, their requirement is to use Excel to organize the information of students buying courses to see which courses are the most popular among others.
Core skills required:
Excel, Statistical Probability.
Monthly salary:
The approximate salary of this kind of position is about 5000-7000 yuan before tax in first-tier cities (the salary range mentioned below is also for first-tier cities)
2) Data Analysts in Business Units
Work content:
Such data analysts are in the business sector. You don't need to know how to program, but you will have extra points if you can. For example, write some report automation in python.
Common job titles are:
Data Analyst, Data Operation, Business Analysis, Strategic Analysis, Operational Analysis, Market Industry Analysis
Core skills required:
Excel, statistical probability, simple SQL queries.
Common job titles are:
Data Analyst, Data Operations,
Monthly salary:
Salary is about 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。