‍

‍许多人不愿意承认，却又不得不接受一个事实是： 35岁，成为了中国式中年。B站、抖音等自媒体平台，“35岁失业了怎么办”“XX岁离职，重启人生”等已经涌现了大量的离职博主，并成为一条新的赛道。

中年失业，除了网上所说的“中年人失业的去处：铁人三项（外卖、快递、司机）、吉祥三保（保安、保姆、保洁）和创业三部曲（摆摊、开店、自媒体）”外，是否还有其他出路？

阿里创始人马云在接受CNBC（美国消费者新闻与商业频道）采访时说到：整个世界将变成数据，我认为这还是只是数据时代的开始。数据分析作为当前的热门行业之一，2024年想转行还来得及吗？

01

现在转行数据分析师来得及吗？

数据分析其实和语言一样， 本质上只是一种技能，必须同时擅长其他专业领域知识（比如你是财务、产品、人力，把自己专业领域知识+数据分析技能结合起来），才能够走得长远。

很多人对数据分析这个行业存在一定的误解，认为转行数据分析，就是完全放弃之前的行业和经验。实则不然！转行数据分析师，一定程度上是学习数据分析技能，而不一定就是转行。

尤其是对于35岁+的朋友，不太建议完全抛弃以前的经验盲目入行数据分析。如果可以的话， 建议选择自己所熟悉领域或者专业的数据分析岗位。

因为三十多岁的你已经有了一定的岗位经验，这些经验对于你来说都是独一无二的。在自己熟悉领域上开展数据分析，应该是能够最快实现落地的。

如果只是单纯的数据分析师，对于落地的实现就有了一定的难度，因为数据分析师的本职工作是分析，所以多数的输出是并不是可执行文件，但是你不一样，你可以用数据分析的方法让你的思考、假设、推断变的更加严谨，从某种意义上来讲，可以 使数据更好的去指导业务，实现数据价值最大化。所以或许是比专业分析师更有潜力，也更有价值。

02

数据分析岗位要求高吗？

数据分析作为新兴行业，行业人才缺口大，招聘门槛也并不算特别高，各行各业懂数据分析的人在求职时肯定比小白更有优势。

根据对就业市场上数据分析业务的分析，发现岗位职责总体可以概括为以下 两个方向：

一个是 业务岗位的数据分析师，此方向更加看重逻辑思维，比如你思考框架的完整性、思维的灵活性，对数据要有敏锐的嗅觉。除此之外，你还需要掌握一些行之有效的数据分析方法，并且能够灵活的与自身工作相结合。比如：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等等。

另一个则是 技术方向的数据分析师，此方向更看重数据技术，比如统计学基础、数据库操作(SQL等)、编程语言（Python、R等）、机器学习等等。你需要对业务有很深的理解，这样才能对业务数据进行清洗、建模、分析。此方向的数据分析师薪资虽然高，但难度也是也极大的，对于刚刚入门数据分析的朋友，我更加推荐业务岗位的数据分析师。

每个职业都有自己的成长曲线，技术岗需要不断精进技术，业务岗需要不断扩宽业务边界。但是一个优秀的数据分析师，不仅需要在技能和理论上成为高手，还需要深刻理解业务，做到始于业务，反哺业务。

不管是业务领域还是技术方向，不同层级的数据分析师要求肯定是不一样的。

以下是初级、中级和高级数据分析师的几点要求说明：

01初级数分师

对于入门的初级数据分析师而言，入职的时候能掌握一些基本的机器学习算法，甚至深度学习的一些公式，入职之后会用SQL基本上就大差不差了。

SQL是数据分析师的基本功，但如果工作几年，每天都在干着取数、Excel做表、PPT汇总这些基础的活，就要引起你的警惕了，因为这样的工作重复毫无技术含量，而且可替代性太强。

02 中级数据分析师

如果技术扎实、对业务有了深入的了解，我们就可以进入用分析辅助业务决策的阶段了。如果说第一阶段只是为业务人员提供支持，那么第二阶段就需要我们参与到业务中来。

我们需要 通过分析知道业务哪里存在问题，需要怎么进行优化，优化的步骤是什么？怎么进行实验，以及怎么对实验结果进行评估，总之，需要我们对业务发展提出专业的分析意见。

首先要比第一阶段掌握更高阶的工具，比如Python、R语言，也要掌握如何搭建各种经典的数据分析模型。

除了编程语言，很多数据分析师都会用专业的数据分析工具， 常见的有Tableau、FineBI、Powerbi。比如FineBI，好处就是无需编程、简单易上手，通过简单的点击拖拽就能搭建各种分析模型，省时省力，已经成为很多出色的数据分析师的必备工具。

03 高级数据分析师

如果对业务有了深刻理解，能参与业务决策，我们就可以进入到第三阶段。在第三阶段， 需要我们充分发挥主观能动性，成为引领业务发展方向的领航员。

在这一阶段，我们对各种分析工具和理论应该熟练掌握了，并且我们需要比业务人员更懂业务，需要有梳理业务的逻辑能力，需要有较强的商业敏锐度，需要从数据的蛛丝马迹中找到业务发展的密码......总之，要能用数据分析指导业务决策。

大数据时代，任何一家公司都需要的专业的数据分析师来辅助业务决策，别看现在都在说数据分析内卷严重，但内卷多出在第一、二阶段，而成为第三阶段的优秀数据分析师，将会享受到很高的溢价。CDA数据分析师这两年这么火，就是因为大家都觉得这是个很好的出路。

扫码 CDA认证小程序，开启 数据分析师刷题

03如何转行上岸数据分析岗？

想要上岸数据分析岗没想象中的那么难，但一定要找准方向。建议可以分三步走：

第一步：利用业余时间学习数据分析思维和工具；

第二步：在平常的学习和工作中，刻意练习自己的数据思维，多使用数据分析工具，孰能生巧；

第三步：让自己通过数据分析后的结论有价值地输出，让其真正辅助自己职业发展。

刚开始只需要重点打磨思维、数据、业务之间的关系，工具就先从excel学习，把常用的一些算法搞清楚场景即可，等这部分都清楚了，再考虑中下游的算法、工具需不需要深入，值不值得深入的问题。之后，随着经验和业务知识的提升，就需要开始不断训练和提高自己的分析能力了！

我们常说：99% 的数据分析师认为自己是数据分析师，而根本不会做分析。 数据分析师，本质在于：分析。因为数据只是素材，分析才是能力。

但是一线转对应的后台岗就容易很多。因为本身是干这个的嘛，现在转来做策划、数据统计，相对容易实现，很多公司也喜欢从一线抽调骨干上来填后台的坑。这样转过一次以后，就能接触到数据，身份也洗白很多，面对HR也好解释：“我就是从一线成长起来，在后台岗位上发现数据工作更适合，所以想成为专职数据分析师”。

另一个思路是完全靠运气，多投一些简历。这其实也可行，只不过投的时候切记海投，因为有些难度太高的投了没反应，还会伤自己的士气。

最后想说，选择的重要性远远大于努力。想好了，就坚定的去做，不要边做边犹豫。要么不转行努力突破现状，要么转行努力开拓新的未来。愿我们都可以找到自己想做并愿意持之以恒坚持的事儿。 ‍

‍

考CDA数字化人才认证，让个人拥有数字化人才身份，也是企业实现人才数字化转型的标志