現(xiàn)在好像誰(shuí)都能說(shuō)兩句“數(shù)字化轉(zhuǎn)型”，但真正干數(shù)據(jù)這行的，心里都清楚：這條路看著光鮮，走起來(lái)挺費(fèi)勁。新人不知道從哪下手，干了兩三年的又容易卡在半路。我自己也在這條道上摸爬滾打過(guò)，試著畫了張路線圖，把從小白到專家各階段到底要會(huì)什么、做什么，一次說(shuō)清楚。

數(shù)據(jù)崗位的行情，到底怎么樣？

說(shuō)實(shí)話，企業(yè)現(xiàn)在不是“想不想”用數(shù)據(jù)，而是“不用就沒(méi)法活”。互聯(lián)網(wǎng)、金融不用說(shuō)，連賣衣服、開(kāi)工廠的都在招數(shù)據(jù)崗位。數(shù)據(jù)分析、數(shù)據(jù)工程、數(shù)據(jù)科學(xué)……名頭很多，內(nèi)核相通。

扒了扒幾個(gè)招聘平臺(tái)的數(shù)據(jù)，只要你技能扎實(shí)，薪資和成長(zhǎng)空間通常比傳統(tǒng)崗位要好不少。這行有意思的地方在于：你既得懂技術(shù)，又不能只鉆技術(shù)，還得明白業(yè)務(wù)。這就給了人兩條腿走路的機(jī)會(huì)——要么往深了做算法，要么往寬了懂業(yè)務(wù)。

初級(jí)：先站穩(wěn)，把臟活累活干明白

剛?cè)胄械臅r(shí)候，不管是數(shù)據(jù)分析專員還是初級(jí)數(shù)據(jù)工程師，核心就一件事：在指導(dǎo)下，把別人提好的需求老老實(shí)實(shí)做出來(lái)。

需要會(huì)的：

• SQL：必須熟練。取數(shù)據(jù)、查表，全靠它。
• Python或R：基礎(chǔ)語(yǔ)法加上Pandas、NumPy這些庫(kù)，夠用了。Excel也不能丟，VLOOKUP、數(shù)據(jù)透視表處理小數(shù)據(jù)很方便。
• 可視化：Tableau、Power BI，或者Python的Matplotlib/Seaborn，至少得有一個(gè)能畫出清晰的圖。
• 統(tǒng)計(jì)基礎(chǔ)：描述性統(tǒng)計(jì)、假設(shè)檢驗(yàn)、趨勢(shì)對(duì)比這些，能看懂就行。

舉個(gè)真實(shí)的例子：一個(gè)學(xué)市場(chǎng)營(yíng)銷的應(yīng)屆生，進(jìn)了電商公司。每天的工作就是業(yè)務(wù)方說(shuō)“幫我把上周的銷售數(shù)據(jù)拉一下”，他就寫SQL去取數(shù)，回Excel里清洗、透視，畫幾張折線圖柱狀圖，最后寫份周報(bào)發(fā)出去。就這么簡(jiǎn)單，也這么枯燥。但這就是地基。

中級(jí)：能自己扛事，讓數(shù)據(jù)產(chǎn)生價(jià)值

到了中級(jí)，不管是數(shù)據(jù)分析師還是數(shù)據(jù)開(kāi)發(fā)，你就不能光等別人喂需求了。得自己負(fù)責(zé)一塊業(yè)務(wù)，主動(dòng)發(fā)現(xiàn)問(wèn)題。

這時(shí)候需要進(jìn)階的：

• 統(tǒng)計(jì)分析：回歸、聚類、分類……基礎(chǔ)模型要能上手，用來(lái)做預(yù)測(cè)或者歸類。
• 數(shù)據(jù)工程：走工程路線的得會(huì)Hadoop、Spark，懂Hive和ETL流程。哪怕做分析，也得知道數(shù)據(jù)是怎么從源頭跑到你電腦里的。
• 業(yè)務(wù)理解：最核心的變化是——業(yè)務(wù)方說(shuō)“最近轉(zhuǎn)化率掉了”，你不能直接去拉數(shù)，而要先搞清楚“掉”的定義是什么、跟誰(shuí)比、影響因素可能有哪些。然后把模糊的問(wèn)題變成具體的分析項(xiàng)目。
• AB測(cè)試：互聯(lián)網(wǎng)公司幾乎必考。怎么設(shè)計(jì)實(shí)驗(yàn)、怎么評(píng)估結(jié)果，得門清。

高級(jí)/專家：定方向，解決別人搞不定的問(wèn)題

到了這個(gè)級(jí)別，頭銜可能是高級(jí)數(shù)據(jù)科學(xué)家、數(shù)據(jù)專家或者數(shù)據(jù)平臺(tái)負(fù)責(zé)人。角色徹底變了——你不是來(lái)執(zhí)行任務(wù)的，而是跟老板一起定戰(zhàn)略的。

要做的事包括：

• 針對(duì)公司級(jí)的大問(wèn)題（比如用戶值多少錢、該不該降價(jià)、怎么防欺詐）搭復(fù)雜的模型。
• 設(shè)計(jì)數(shù)據(jù)中臺(tái)或治理體系，別讓數(shù)據(jù)亂成一鍋粥。
• 帶團(tuán)隊(duì)、定規(guī)范、教新人。
• 跟各個(gè)部門老大過(guò)數(shù)據(jù)，說(shuō)服他們按你的建議做。這比寫代碼難多了。

各階段的薪資，大概什么水平？

（數(shù)據(jù)來(lái)自招聘網(wǎng)站公開(kāi)信息，不同城市、行業(yè)差別很大，僅供參考）

• 初級(jí)（0-2年）：年薪15萬(wàn)-30萬(wàn)。這個(gè)階段主要證明你工具用得熟、執(zhí)行力好。
• 中級(jí)（3-5年）：30萬(wàn)-60萬(wàn)。差距拉開(kāi)的關(guān)鍵在于——你會(huì)不會(huì)復(fù)雜的建模、能不能搞定大數(shù)據(jù)工程、或者有沒(méi)有深刻的業(yè)務(wù)嗅覺(jué)。
• 高級(jí)（5年以上）：60萬(wàn)往上，資深專家或管理崗百萬(wàn)以上也常見(jiàn)。到這個(gè)份上，你的價(jià)值就是解決別人解決不了的難題，或者帶著團(tuán)隊(duì)往對(duì)的方向走。

非技術(shù)背景，能轉(zhuǎn)行嗎？

能，但得下功夫。我自己見(jiàn)過(guò)一個(gè)傳統(tǒng)零售業(yè)的運(yùn)營(yíng)經(jīng)理，想轉(zhuǎn)行，他是這么做的：

先花幾個(gè)月死磕SQL和Python數(shù)據(jù)分析，學(xué)網(wǎng)課、啃書。然后把自己工作中遇到的問(wèn)題（比如門店銷量分析、客戶分群）用新學(xué)的技能重做一遍，整理成作品集。最后找工作的時(shí)候，重點(diǎn)突出“我懂業(yè)務(wù)+又會(huì)數(shù)據(jù)”這個(gè)復(fù)合優(yōu)勢(shì)。系統(tǒng)學(xué)習(xí)+實(shí)戰(zhàn)項(xiàng)目+順便考個(gè)證，是已經(jīng)被很多人驗(yàn)證過(guò)的路子。

怎么持續(xù)提升？

這行不學(xué)就落后。參加Kaggle比賽、讀個(gè)在線碩士、考一些認(rèn)證都可以。市面上比如CDA這類數(shù)據(jù)分析認(rèn)證，當(dāng)成檢驗(yàn)自己知識(shí)體系的一個(gè)參考，零基礎(chǔ)可學(xué)。很多大企業(yè)都認(rèn)可。

常見(jiàn)問(wèn)題

問(wèn)：數(shù)據(jù)崗位卡學(xué)歷和專業(yè)嗎？

答：更看重你會(huì)什么、做過(guò)什么。計(jì)算機(jī)、統(tǒng)計(jì)當(dāng)然有優(yōu)勢(shì)，但非科班出身的人只要邏輯清晰、工具熟練、有拿得出手的項(xiàng)目，一樣能拿到offer。例子多的是。

問(wèn)：文科生轉(zhuǎn)數(shù)據(jù)分析，成功率怎么樣？

答：可行，但得針對(duì)性努力。經(jīng)濟(jì)學(xué)、社會(huì)學(xué)這類專業(yè)邏輯和調(diào)研能力其實(shí)不差，短板在編程和統(tǒng)計(jì)。補(bǔ)上了之后，還可以發(fā)揮原專業(yè)的優(yōu)勢(shì)，比如“金融+數(shù)據(jù)”、“營(yíng)銷+數(shù)據(jù)”，反而成了競(jìng)爭(zhēng)力。