摘要：你可能需要對這些存儲數據的環境加以瞭解，如傳統的結構化數據庫Oracle、Mysql、DB2等，又如當下流行的Nosql數據庫HBase、Redis、MongoDB、Cassandra等，再如大數據集羣平臺、原理及其相關概念，類似Hadoop、Hive、Hue、MapReduce、Spark、Scala、Sqoop、Pig、Zookeeper、Flume、Oozie等。3年後，你的技術越來越好，也做了不少項目，也越來越清楚自己未來的方向，但你也會發現有越來越多的東西還需要去學習和加強。

在對的時間，做對的事情，你纔會遇見值得驕傲的自己！

身爲分析獅，除了不斷填坑、挖坑，也要有自己的節奏，逃離正態人生！

0-3年--所見即所得

在職業生涯的初期，一定要懂得：“所見即所得，所感即所知，多見即多得，多感即多知”。

不管在大廠還是在小廠，一定要參與到實際項目當中，好好打磨自己的技術。

你最好能從基礎數據處理做起。只有這樣，你才能早點知道，數據並不像在學校裏做實驗用到的數據那樣“好”，它可能看起來“又髒又亂”。

如果你精通SQL，那就太好了，這樣就可以直接能夠在數據平臺查看原始的數據了。

你最好還能熟練掌握一兩門編程語言，比如當下流行的R和Python，作爲入行的基礎技能。

當處理基礎數據的時候，必然會在數據庫或數據平臺上進行。你可能需要對這些存儲數據的環境加以瞭解，如傳統的結構化數據庫Oracle、Mysql、DB2等，又如當下流行的Nosql數據庫HBase、Redis、MongoDB、Cassandra等，再如大數據集羣平臺、原理及其相關概念，類似Hadoop、Hive、Hue、MapReduce、Spark、Scala、Sqoop、Pig、Zookeeper、Flume、Oozie等。

如果有人已經給你取好了數，而你的工作是分析數據寫報告，那麼分析技巧首先是你需要培養起來的。對拿到的數據，要時刻保持疑問，不能太樂觀，因爲別人算好的數據未必完全是你想要的數據，又或者數據質量並不是你想的那樣好。

統計學知識是必須要掌握的，這是基礎。如果你非數學或統計學專業出身，那麼請自學。

另外，也請你一定要掌握主流算法的原理，比如線性迴歸、邏輯迴歸、決策樹、神經網絡、關聯分析、聚類、協同過濾、隨機森林，再深入一點，還可以掌握文本分析、深度學習、圖像識別等相關的算法。

關於這些算法，不僅需要了解其原理，你最好可以流暢地闡述出來，還需要你知曉其在各行業的一些應用場景。

作爲職場新人，你不僅需要打磨技術，純技術之外的技能也需要不斷修煉。

職場的做事方式方法、爲人處事以及一些潛規則，更多時候只能靠悟，說出來就可能不大好了，因此需要不斷領悟。畢竟，悟性這東西是很重要的。

每個人都有每個人的優點，對於所遇到的每個人，建議多欣賞別人的優點，少抨擊別人的缺點，這樣你就可以“兼收幷蓄”，逐步塑造更好的自己。

3-5年--技多不壓身

3年後，你的技術越來越好，也做了不少項目，也越來越清楚自己未來的方向，但你也會發現有越來越多的東西還需要去學習和加強。

這個時候，你的知識是零散的，還遠未形成體系。你也許還需要花些時間好好梳理和總結過去幾年積累的經驗和知識，不斷沉澱，形成自己的知識體系和方法論。在梳理的過程中，你會不斷清楚自己有什麼，缺什麼，哪些地方弱，哪些地方強，未來需要花多少時間補強哪項技能，等等。

你可以沿着數據的整個流程，即數據採集、數據存儲、數據處理、數據分析/開發模型、報表計算、數據可視化，不斷拓展自己的能力邊界，最好在流程中的各個環節都做過項目。

關於總結梳理，建議定期做，常常做，每天做，建議養成一個日常習慣。

對於不同問題和場景的思路整理總結，常常需要方法論指導，如麥肯錫金字塔原理、結構化思維等。關於這些方法論，不僅要諳熟於心，也需要將其應用到實際工作當中。這是受用一生的知識，你也可將其運用到你的日常生活中，用以解決你日常的問題和需求。

如果你是別的同事眼裏的“會Coding的人中最會寫PPT+會寫材料的人中最懂技術”的那個人，那你將會很受重用。

5年後--不忘初心，爲所欲爲

之前信奉的那句“數據驅動業務”，是不是錯了嗎？

此刻，請回到初心吧！我們的初心是什麼？那就是用數據幫助業務解決問題，用數據輔助業務決策。數據分析只是其中一種形式，當然還有其它。因此，不要迷戀數據分析，不要迷戀算法模型。“不管黑貓白貓，抓到老鼠就是好貓。”

你或許開始注重追求數據解決方案的實用性，強調落地執行，更看重應用效果。

如果有機會，不妨嘗試做個數據產品經理。在當前數據產品化的趨勢下，這是一個很有挑戰性的事情，不容易做好。畢竟，討好一大羣用戶，比單獨討好一個用戶要難得多。

如果有機會，不妨嘗試做個數據總監。你會更清楚數據如何賦能業務，也更懂得壓力和方向。

如果有機會，不妨嘗試負責一條業務線。你會更清楚業務的痛點，也更懂得當初“他們”的內心os。

如果有機會，不妨去創業，你會知道，數據在企業全局而言，那麼小的一塊，但又那麼重要。

最後送一句話給大家：你是數據分析師，但你所做的都是在努力逃離它！