数据分析师的“生命期”是什么？

在对的时间，做对的事情，你才会遇见值得骄傲的自己！

身为分析狮，除了不断填坑、挖坑，也要有自己的节奏，逃离正态人生！

0-3年--所见即所得

在职业生涯的初期，一定要懂得：“所见即所得，所感即所知，多见即多得，多感即多知”。

不管在大厂还是在小厂，一定要参与到实际项目当中，好好打磨自己的技术。

你最好能从基础数据处理做起。只有这样，你才能早点知道，数据并不像在学校里做实验用到的数据那样“好”，它可能看起来“又脏又乱”。

如果你精通SQL，那就太好了，这样就可以直接能够在数据平台查看原始的数据了。

你最好还能熟练掌握一两门编程语言，比如当下流行的R和Python，作为入行的基础技能。

当处理基础数据的时候，必然会在数据库或数据平台上进行。你可能需要对这些存储数据的环境加以了解，如传统的结构化数据库Oracle、Mysql、DB2等，又如当下流行的Nosql数据库HBase、Redis、MongoDB、Cassandra等，再如大数据集群平台、原理及其相关概念，类似Hadoop、Hive、Hue、MapReduce、Spark、Scala、Sqoop、Pig、Zookeeper、Flume、Oozie等。

如果有人已经给你取好了数，而你的工作是分析数据写报告，那么分析技巧首先是你需要培养起来的。对拿到的数据，要时刻保持疑问，不能太乐观，因为别人算好的数据未必完全是你想要的数据，又或者数据质量并不是你想的那样好。

统计学知识是必须要掌握的，这是基础。如果你非数学或统计学专业出身，那么请自学。

另外，也请你一定要掌握主流算法的原理，比如线性回归、逻辑回归、决策树、神经网络、关联分析、聚类、协同过滤、随机森林，再深入一点，还可以掌握文本分析、深度学习、图像识别等相关的算法。

关于这些算法，不仅需要了解其原理，你最好可以流畅地阐述出来，还需要你知晓其在各行业的一些应用场景。

作为职场新人，你不仅需要打磨技术，纯技术之外的技能也需要不断修炼。

职场的做事方式方法、为人处事以及一些潜规则，更多时候只能靠悟，说出来就可能不大好了，因此需要不断领悟。毕竟，悟性这东西是很重要的。

每个人都有每个人的优点，对于所遇到的每个人，建议多欣赏别人的优点，少抨击别人的缺点，这样你就可以“兼收并蓄”，逐步塑造更好的自己。

3-5年--技多不压身

3年后，你的技术越来越好，也做了不少项目，也越来越清楚自己未来的方向，但你也会发现有越来越多的东西还需要去学习和加强。

这个时候，你的知识是零散的，还远未形成体系。你也许还需要花些时间好好梳理和总结过去几年积累的经验和知识，不断沉淀，形成自己的知识体系和方法论。在梳理的过程中，你会不断清楚自己有什么，缺什么，哪些地方弱，哪些地方强，未来需要花多少时间补强哪项技能，等等。

你可以沿着数据的整个流程，即数据采集、数据存储、数据处理、数据分析/开发模型、报表计算、数据可视化，不断拓展自己的能力边界，最好在流程中的各个环节都做过项目。

关于总结梳理，建议定期做，常常做，每天做，建议养成一个日常习惯。

对于不同问题和场景的思路整理总结，常常需要方法论指导，如麦肯锡金字塔原理、结构化思维等。关于这些方法论，不仅要谙熟于心，也需要将其应用到实际工作当中。这是受用一生的知识，你也可将其运用到你的日常生活中，用以解决你日常的问题和需求。

如果你是别的同事眼里的“会Coding的人中最会写PPT+会写材料的人中最懂技术”的那个人，那你将会很受重用。

5年后--不忘初心，为所欲为

之前信奉的那句“数据驱动业务”，是不是错了吗？

此刻，请回到初心吧！我们的初心是什么？那就是用数据帮助业务解决问题，用数据辅助业务决策。数据分析只是其中一种形式，当然还有其它。因此，不要迷恋数据分析，不要迷恋算法模型。“不管黑猫白猫，抓到老鼠就是好猫。”

你或许开始注重追求数据解决方案的实用性，强调落地执行，更看重应用效果。

如果有机会，不妨尝试做个数据产品经理。在当前数据产品化的趋势下，这是一个很有挑战性的事情，不容易做好。毕竟，讨好一大群用户，比单独讨好一个用户要难得多。

如果有机会，不妨尝试做个数据总监。你会更清楚数据如何赋能业务，也更懂得压力和方向。

如果有机会，不妨尝试负责一条业务线。你会更清楚业务的痛点，也更懂得当初“他们”的内心os。

如果有机会，不妨去创业，你会知道，数据在企业全局而言，那么小的一块，但又那么重要。

最后送一句话给大家：你是数据分析师，但你所做的都是在努力逃离它！