資料分析師對年齡有限制嗎？現在轉行還來得及嗎？
2014年，“大資料” 成為國內年度熱詞，並首次出現在當年的《政府工作報告中》，同年,同卵雙胞胎的資料分析也成為朝陽行業，資料分析師一度霸屏各類招聘職位的前段。許多計算機、統計學和數學出身的畢業生紛紛開始加入資料分析行業，同樣也有轉行想進入大資料或資料分析行列的大隊伍，對於那些在原先崗位工作了很久的在職人士，他們可能會有一個很大的顧慮：我這個年紀再轉行資料分析師會不會晚了，資料分析師對年齡是否有限制？資料分析師真的只是青春飯嗎？
我們先說有沒有，再討論是不是，筆者查詢了兩個典型的招聘網站對資料分析師崗位的要求。
資料分析入門標準
SQL：資料庫，資料分析師做資料分析，資料是基本，資料可能是第三方提供的資料，也可能是自己爬蟲爬取的，但企業裡更多的是，資料是儲存在資料庫裡的，如何在資料庫裡選取自己想要的、有約定條件的資料、怎麼建立多表之間的聯絡就是SQL這部分需要掌握的技能，SQL也是資料分析最基礎的技能。 統計學：統計學可以分為描述性統計和推斷統計，推斷統計是統計學裡的核心內容，統計學家一直在做的事情就是怎麼根據樣本來評測總體；方差分析、迴歸、聚類分析、主成份分析、時間序列分析等都是以後做資料分析可能有到的理論知識。這裡推薦中國人民出版社賈俊平的《統計學》，是非常經典的統計學習教材。 統計分析工具：統計分析軟體很多，這裡簡單介紹主流的3種。 1．SPSS作為一款選單式操作軟體要比程式設計性軟體入門簡單，優點就是好上手，事實上，統計學專業的學院常常在學習統計學原理之後學習SPSS的操作學習，對理論知識進行一個實踐 ，SPSS現在在企業常做資料量相對小的、資料質量較好的資料分析，如調查問卷後的資料進行分析。就業需求面的話現在來說相對沒有那麼廣，不過對統計學理論的理解是有幫助的，推薦高等教育出版社張文彤的《SPSS統計分析基礎教程（第2版）》。 2．R，R 語言與起源於貝爾實驗室的S語言相似，R也是一款開源的為統計計算和資料視覺化而生的軟體，R的功能非常豐富，所以R的學習曲線也較為陡峭。經典的R學習書如人民郵電出版社的《R語言實戰（第2版）》。 3．Python，跟R一樣，Python也是一種動態程式語言，R跟Python的受歡迎程度時常變動，近年來，由於Python有不斷改良的庫（主要pandas），和大資料、人工智慧等興起，企業越偏好用Python，Python由於其解釋性和功能的強大，因此市面上關於Python的書籍特別多，光是利用Python做資料分析這個方向就已經很多了，大家看的多的話推薦Wes McKinney的《利用Python進行資料分析》。
學習過程中的擔憂
恐懼程式碼：即便是計算機相關專業的學生，也未必做到全然投入喜歡到寫程式碼的狀態，何況是其他專業或者換行的人呢，其實，資料分析雖然要寫程式碼，但重點不是寫程式碼，而是統計學和業務的理解，資料分析程式碼以指令碼語言為主，如Python，很多演算法、函式已經封裝好，不需要自己編寫，直接呼叫，所以這裡的程式設計工作並不是大家腦海裡那種程式設計師。資料分析師更注意的是對資料怎麼進行預處理、使用什麼模型、引數調優等。 人工智慧時代：未來是AI的時代，為什麼不直接投入到大資料、機器學習等領域呢，暫且不說這個領域比資料分析所需要的知識、能力要求高多少倍，僅僅是入門所需要的學習內容就已經嚇到很多人了，事實上，做資料分析會是未來轉入AI行業一個很好的跳板，資料分析算是如今學習成本和薪水報酬相對比較為友好的一種技術行業了。熟悉行業知識，又掌握資料分析、挖掘的能力，這些專業知識會成為你轉入未來人工智慧時代的擁有跨界能力的巨大財富。 最後，希望這篇文章對正在考慮要不要轉行資料分析焦慮的你做一點資訊上的幫助，弄清楚資料分析要做什麼，要具備哪些技能，去理性的選擇，而不是因為這個行業陡峭的學習曲線而輕易放棄，也不是因為這個行業的火熱而不思考輕易去跟風。