我是锄头2010，我是在硕士毕业后的第二年，决定转行的。从一个什么都不懂的互联网小白，到现在大型上市企业的数据分析师，我花费了三年多的时间，在这里想给大家分享一下我的转行经历，希望能有一些帮助。 140862 先说一下个人背景，我的本科是工科相关，非计算机非统计学，硕士是金融相关，基本也算是和数据分析没什么关系，毕业之前有过迷茫，因为自己其实也不知道到底适不适合金融行业，而且上学的时候没有认真搞过什么银行、券商的实习，基本毕业就是凉凉的节奏。幸运的的是我在毕业那年获得了一份500强企业的实习邀请，不幸的是实习半年后转正却遥遥无期。在和友人的一次偶然交谈中，得知了数据分析这个职业，发现自己似乎比较感兴趣，当时也没有其他路可以选，就决定孤注一掷，all in 数据分析，在此也感谢一下那位友人，人生确实是在于你能否做对几个关键的选择。 140863 在下定决心转型后，我辞掉了原有的实习工作。然后先是到网上恶补了一下数据分析师这个行业的整体情况，发现数据分析师其实很杂，数据分析师可以分为两个方向，一个是偏产品技术的，另一个是偏市场业务的。 技术型分析师更接近于数据挖掘工程师、算法工程师、大数据工程师这种概念，一般来说是需要比较好的数据结构知识和算法知识，对于非计算机专业的同学，转型会有一定难度。其实一开始我考虑的是这种分析师，但在后面刷了几百道leetcode题之后，决定放弃这条路，对于小白而又亟需求职的我而言是在太难了。 第二种就是偏业务型的数据分析师，也是市面上岗位最多的数据分析师，这种分析师的门槛会相对比较低一点，但做不好的话，很有可能就变成报表分析师，提数分析师。不过毕竟门槛还是比较低的，对于想转型的同学，业务型数据分析师会更加友好一些。 明确了转型方向后，对于从零转型的打工人来说，会有两个比较迫切的问题：“我该从什么地方下手”和“我简历上啥都没有怎么办”。对于第一个问题，我的选择是先列了一个我认为的业务型数据分析师所需要的能力矩阵，再针对性准备，详细的资料不赘述太多，简单来说主要包括这三个层面： 一、基本工具，Excel、SQL、python是数据分析师必知必会的三板斧； 二、理论知识，统计学和机器学相关的知识两手都要抓、两手都要硬； 三、分析思维，想成为一名数据分析师，没有比这个更重要的能力了。 通过3个月的集中学习相关课程，我大体达到了上面所列的三个要求的最低门槛，但如果简历写得不好，可能投递后依旧会得不到任何回复。 在我的简历中，我重点突出了和数据分析相关的内容，前前后后仔细挖掘了我上一份的工作经历，把和数据分析相关的放大，将无关的工作内容全部省略，同时用一些比较专业的词汇，让简历尽可能看起来专业。并且为了体现简历的框架感，组织语言过程中再次强调了我的思维逻辑，因为在我看来，数据分析对逻辑思维能力会看的比较重，如果一份简历看起来混乱而无逻辑，在简历这关可能就被直接pass根本无法进入下一轮面试。 通过以上种种努力，外加一点幸运，我成功入职了一家传统企业的数据分析岗位。实习期中，我谨记自己是转行菜鸟，不要眼高手低，不要嫌活重复没挑战就马虎大意，比如提数和Excel处理数据等，我入职的时候，公司并没有数据分析的管理岗，大家都是新招进来的应届毕业生，没有懂行的管理层做数据分析的大框架，只好由我这个当时第一个入职的“数据分析师”来领头。幸运伴随着慌乱，一开始忙的手忙脚乱，但是也是因为这个项目，让我从提数开始对公司业务慢慢熟悉，对数据分析开始层层深入。 140864 我现在的工作小组人数不多，但是每个人都会负责一部分业务的数据需求与分析工作。主要分类有： 绩效：制定全国地面业务的绩效方案，监控绩效完成情况；需要深入了解实际业务； 报表：制作日报、周报、月报等报表；需要熟练使用 Excel，以及有耐心； 数据支持：为运营、业务提供数据支持，需求方提出数据调取需求，分析师根据需求描述直接从数据库中调取数据后发送给需求方；需要会写 SQL，会怼需求； 数据分析：参与到需求方的项目中，有针对地对项目的数据进行分析，不仅需要调取数据，还需要根据数据进行分析并得出一些结论；和数据支持类似，要会写 SQL，会怼需求； 运营策略：通过数据了解市场现状，对下一步的运营方向和目标提供建议；这一项要求较高，需要会写 SQL 的同时，懂分析方法和一些算法； 数据产品：配置数据看板、数据自动化等，提高数据调取效率；需要有耐心； 数据口径维护：维护平台的数据口径统一且准确； 数据分析师在公司里产生价值的方式主要是帮助具体业务方深入理解和解决某个问题。我的的日常工作就是拿到一个复杂的问题之后，梳理清楚问题的脉络，通过各种思维模型最终找到问题的根源和给出解决方案。去年，我所在的团队获得了公司的“精英团队奖”，因为去年一年，通过数据分析帮助公司2个新开项目分析两个不同的产品类型的开发方向，并全程协助了产品开发、运营团队抢攻下Q3、Q4季度指标，最终超额完成全年指标。可以说，成功的数据分析带来的价值是几倍，几十倍的，甚至上百倍的。 而分析能力是一种通用的能力，不单单可以解决公司的业务问题，在我们的日常生活中，分析能力也能够帮助我们更好地生活。 140865 举一个我自己的例子。去年我在星城买房，整个买房过程就是一连串的数据分析。网上的信息很多，但是我能分辨出哪些信息有逻辑漏洞，哪些有事实依据，筛选出真正有价值的信息。并且发挥了数据分析师特有的收集数据的能力，从很多别人不知道的地方找到了一些很关键的信息。最终汇总这些信息通过一连串的分析，最后选择了现在的房子，结果才一年时间增值了50%。而星城房价市场10年增幅只有84%左右。这额外的增值就是我的分析能力给我带来的价值。 我是锄头2010，2020继续做个数据追梦人！ 140972 编辑于 2020-12-23 11:05 编辑于 2020-12-23 11:06 编辑于 2020-12-25 08:24 编辑于 2020-12-25 08:24 编辑于 2020-12-25 08:26 编辑于 2020-12-25 08:28

1.选手简介 1.1.选手介绍帆软社区用户名：锄头2010职业简介：现就职于沙坪建设股份有限公司，信息化部门的运营，日常负责信息化项目的运营工作工作。 1.2.参赛初衷 接触到帆软以来，一直对帆软的数据建设能力深感佩服，特别是帆软的BI商业图，更是给我们一个直观的感性的冲击，虽然不是数据人出身，但是为了更好的理解帆软产品，决定通过此次比赛，具体的深入实践一下帆软的FineBI。这样为以后能够在部门内部推广BI工具，做更深入的准备。 同时，在参赛期间，在官方组织的大群中，认识了很多FineBI大神，特别是在与助教的交流学习中，对可视化以及分析思维有了更进一步的理解，在享受比赛的过程中，自己也得到了一些难得的经验。在此感谢，帆软冬季挑战赛组委会的工作人员的辛勤付出。 2.场景介绍2.1.业务背景介绍&数据来源 主题介绍：集团商品销售数据分析。在数字化转型的过程中，零售行业无疑是业务线最清晰，且被广泛适用的。在初次接触FineBI的情况下，为了顺利完成作品，减少其他维度带来的干扰，特选用一案例《集团商品销售数据分析》，来完成此次参赛作品。 数据来源：主要为帆软官方提供数据：【某集团公司商品销售数据】 2.2.分析思路 总体指标的：集团层面的合同总额和回款总额，以及每个季度的合同金额的占比。 根据门店的情况，绘制出各个门店的销售额宏观的展示图。 根据销售额、成本以及毛利率的情况，各个门店进行TOP10的排名。 最后以城市门店的毛利率结尾，方便查找具体的门店的经营情况。 2.3.数据整理因为官提供的数据，已经有过初步的整理，故此次参赛作品中，涉及的数据整理工作不多。 2.4.完成分析报告 总体指标图（销售总额和回款总额），环状图（对同季度的合同金额进行了比较），词云图方便决策者很快速的发现业绩突出的门店，随后用对比柱形图分别以门店销售额、门店成本、门店毛利三个维度，来做出门店中top10的排名。最后附上城市与门店毛利率的表格，来直观的掌握城市与门店的盈利情况。 总体指标图：能很清晰的，很宏观的了解当前集团的销售情况和回款情况。 138648 环状图：能很直观的了解到，每个季度的合同金额，从时间维度上来分析各个季度的经营情况。 138649 词云图：深入到具体的门店，直截了当的发现当前销售额最好的门店。 138650 对比柱形图：通过从销售额，门店成本及毛利率三个维度的分析，可以初步发现三者在一定程度上是正相关。对于相关性规律有偏差的门店，可以及时对标找出背后的原因。 138651 城市与门店毛利率表格：可以很清晰的知道最终指标的情况，并且通过区域化的分解，会后期的市场拓展，提供可参考的依据。 138652 最终作品138653 2.5.总结 传统企业的转型离不开的严谨的业务逻辑，对于大部分在传统企业转型的过程中，业务逻辑的梳理必不可少。在业务逻辑的梳理过程中，指标尤为关键，而能很好的体现各级指标的关系的工具，非BI莫属！FineBI作为BI工具的领导品牌，确实不错！ 140386