30岁转行学数据科学，0基础转行来得及吗？_30岁sql能入行成功吗?

有同学问，自己211学校毕业，30岁了对工作现状不满意，想转数据分析，0基础转行，可行吗？

30岁转行学数据分析，一点儿也不晚，大家不要过多地对年龄产生焦虑。其实不管是数据开发还是数据分析，都远远达不到要吃天赋的地步，不管你是本科，还是专科学生，只需要系统化的学习、训练，系统的学上6个月就能够去应聘数据分析相关岗位。

数据分析2大就业方向

数据分析呢，一般有2个大方向：

1.偏业务的数据分析方向

2.偏技术的数据挖掘方向

偏业务方向的数据分析:

偏业务方向此方向更看重逻辑思维,比如你思考框架的完整性、 思维的灵活性。相比于比较传统的商业分析师、行业分析师，除了对业务的深入理解之外，你需要对数据有更敏锐的嗅觉。此方向是大多数人转行大数据行业的起点，你需要熟练office软件、excel、SQL、tableau、 python、R语言这几种常用技术。

偏技术方向的数据分析:

1)数据挖掘工程师，看重数据技术，比如统计学基础、数据库操作(SQL等编程基础、python等)、机器学习基础(分类模型等)，同时你还需要对业务有一定程度的理解，数据挖掘工程师的主要工作是利用已有的算法模型,对业务数据进行清洗、建模、分析。

2) 算法工程师，这个岗位看重理论基础，比如机器学习算法原理、相关数学原理等。算法工程师的主要工作一般是研究算法、为公司的相关业务需求优化算法。如果说数据挖掘工程师是用轮子，那么算法工程师就是造轮子、修轮子、优化轮子。算法工程师薪资很高，天花板很高，一般是大厂才有的岗位。

对半路转行的同学来说，算法工程师有一定的入行门槛，但偏业务方向的数据分析师，或者偏技术方向的数据挖掘工程师，通过短时间高强度的学习训练，是能够达到的。

圣普伦数据科学训练营的学员中，也有不少0基础，从运营转行到数据分析岗位的同学。他们毕业后的就业方向和职业发展大体分为以下两类：

• 业务方向：初级数据分析师 →商业分析师→数据分析经理→运营总监→业务负责人
• 技术方向：初级数据分析师→数据挖掘工程师→数据开发工程师→AI工程师→数据科学家

数据分析入行需要哪些基础技能？

俗话说“工欲善其事，必先利其器”，不管你未来是想往业务方向发展，还是技术方向发展。以下这些基础技能都是你必备的敲门砖：

• 数据获取工具：SQL（从数据库里取出需要分析的数据）
• 数据处理工具：python、excel
• 数据分析工具：python/R/SPSS/EVIEW（优先推荐python，处理方向更广、兼容性更强）
• 数据汇报工具：ppt
• 数据可视化工具：Tableau、Power BI、Plotly等等

圣普伦数据科学训练营，除了传授数据科学所需要的硬性技能之外，还会锻炼大家的数据思维，就是从数据的角度来看世界。

比如：公司需要进行采购，你需要估算成本，这就用到了“费米模型”

比如：你要看某个行业是否值得进入，可能就可以用“PEST模型做分析”

有数据技能+数据思维，你才能够获得心动的offer，最重要的是能够在入职后快速上手，而不是一脸茫然。