隨著目前的科技發展，就業市場的一些崗位會慢慢地被人工智慧所取代，同時新知識的更新迭代，又會出現比較熱門的崗位。
對於從業者來說，面臨一個問題，到底要不要轉行？既然要轉行，做什麼比較好？如何轉行？
數據分析師的紅利我們上個星期講過了，所以如果我們要轉行數據分析師如何好轉？轉行的過程中會有什麼困難？或者是什麼樣的風險？
前景
這個行業非常有前景，同時是比較穩定的，生命力比較強的。越有經驗越吃香，所以我們在轉行的時候也要去考慮行業的前景。從目前來看，數據分析師的前景、穩定性、持久性是ok的。
興趣
你如果對一個職業不熱愛，那你基本上在這個職業裡是沒有創造力，沒有激情去做好這個崗位的事情的。
可規劃
不管是大學生還是從業人員，都要對自己的職業有一個規劃。從你們的角度來說，為什麼要轉行？原因是在你的規劃裡，你覺得現在的崗位對你的未來發展來說不是很好或者不喜歡，所以你想轉行。
轉行之後，你還是要有一個規劃，入行之後學習時間的規劃，這個行業裡的職務規劃，以及相關的知識，把這些規劃做成一個職業規劃表，並且能夠去執行。
我們之前講過，數據分析師在未來，每行每業都需要。
第1個，大數據的產品經理。產品經理原來是沒有大數據三個字的。你們今年會發現，在很多的招聘崗位上，加了大數據產品經理這樣幾個字，也就是說很多的崗位對都需要大數據分析師。如果你現在正在做產品，或者說你對產品設計或者產品崗位感興趣，同時又有學習大數據的想法，那麼學會數據分析，你的競爭優勢就會很大。
商業智能BI數據分析。目前你看市場上招BI報表的都是數學專業的同學。數學思維的能力+商業分析的能力=智能BI。
安全大數據分析。這種人才現在也非常火，當然還有大數據分析。金融方面又大數據挖掘分析人才，運營。運營原來也沒有大數據這三個字，現在也會加大數據概念，包括應用算法、風控。
我最近就接到一個case，屬於保險類的，它需要大量的風控還有報表，包括一些產品分析，但是他要求學風做風控的時候，有風控的相關的知識，對保險方面的知識，要有一定的了解。
電商的數據分析師，工業數據分析。我前兩天去考察了一個企業，是專門做工業物聯網數據的，工業類裡有大量的數據，並且數據很標準質量很高。有了數據之後需要大量的分析師去做後端的分析來為數據提供價值。包括前端進來的數據、業務的本身數據、工廠裡安全預警數據、質量監控數據、效率提數據，原材料的使用情況數據等等。這些數據分析都是工業數據分析師需要去做的一些事情。
數據可視化。還有醫療數據清洗，包括醫療大健康這樣的數據分析師。
實際上是分析師的工作，從數據收集到數據質量控制（數據清洗）到數據挖掘，到算法模型工程師到機器學習到後面的數據可視化，這些都是獨立的崗位，你可以根據你自己的喜好和你原來專業的，轉入到數據應用、分析應用的領域裡來，從而得到一個自己轉行可行性的方案。
數據分析實習生也現在招的也挺多的，包括數據管理員，數據管理員崗位也是最近才出來的，原因是很多公司裡面，一般情況下分為幾類公司，其中一類就是工廠類公司，工廠內的數據有工業數據，包括原材料供應商，包括業務數據。那麼這些數據一個是屬於工廠裡面的數據，一個就是業務數據，這兩條線實際上是要分析師幫他做管理的。
還有公司沒有工廠只有業務，像連鎖店這類，那麼它的顧客數據會比較多一點。
python 誤區
我們每天都會面試很多人，那這些人基本上都會python，但是會python和做數據分析師是兩碼事。難道我會ps我就是平面設計師了嗎？不一定。不管是python還是ps都是我們工作中的工具，只是讓我們的工作變得更有效率一些。所以我們在學習的時候不要被一些機構誤導，認為學習python學習sas我就是數據分析師了
很多面試的人員大部分來自於培訓機構，他們所掌握的技能只是爬蟲，Python常用的函數，然後自己在網上找了幾個案例去模擬做一下。是沒有深入到分析領域裡面的精髓，比如說什麼樣的情況下我用什麼樣的方式去解決這個問題，先是要考慮解決問題的方式方法，在解決的過程中才遇到python這樣的工具。
所以不能定義會python就是數據分析師，重要的還是解決業務解決問題的能力。
明天會有後篇出來，記得關注