數據分析這事兒，必須客觀認識企業的現狀和對人才的需求，然後審視自己還差哪些知識和技能，然後理論學習+3~5個專案實踐，惡補。

關於技能的學習，很多回答已經講的很全面了。我想從另一個角度，如何找准有潛力股的企業，沉浸發展，有作為。

因為最近也是遇到兩個小夥伴。一個小夥伴之前是做外包專案助理的，工作了一年轉行做數據分析，因為Excel技能不錯，加上原公司也是做報表開發專案的，被一家不大不小的企業招了進去，原本滿心歡喜以為轉行成功，但是進了部門卻依舊是不斷取數做報表，主管對她的認可也仍停留在」Excel大神」上。

另一位是我的前同事，公司喊了一年多的數字化轉型，現在還在搭數倉。工作近3年，因為工作只需要用到BI和SPSS，自己的工作分不到業務效益的一杯羹，眼看著自己的工作很可能被工作一年的新人取代，現在尋思著跳槽轉互聯網。

也是這兩個問題引發我的思考，入門時大家需要對這個行業和企業了解更多，有些明知進去1~2年會有瓶頸的企業，是不是可以作為跳板或者大可不必要去。

從4個維度判斷企業現的「數據內涵」

為了幫大家理解，我們從使用深度，工具平台，文化特徵，企業人群4個角度去看數據發展的不同階段的差異和特點。

沉睡型企業。
基本就是用excel做一些基礎統計和數據整理，在企業文化中數據就是excel，做數據分析的人也基本是兼職，其實就是表哥表姐。

起步階段企業。
企業已經開始有了數據報表進行報告的習慣，企業特質就是excel滿天飛，「誰要個數據，習慣說，稍等一下，我馬上用excel飛給你」，工具還是以excel為主，資料庫為輔，企業內部也出現少量的專職人員維護資料庫。

發展型的企業。
應用深度逐漸轉向了分業務專題，分匯總明細的數據分析，文化特質變成了用數據說話，用數據規範工作，使用的工具也開始變成了以資料庫，專業的分析工具為主，並且有了數據倉庫的嘗試，並且有專業團隊負責數據工作。

成熟性企業。
特點更加鮮明，應用深度上在企業級數據門戶，已積累出不少對應業務場景的數據產品，數據類產品或服務是業務運營的核心組成部分，工具往往是大數據平台或者是各類成熟的數據組件，這時候管理數據運營的是企業的一級機構，叫大數據應用中心。

所以，不同的企業或者說企業在不同發展階段，對於數據挑戰和相應的資源儲備是有極大差異的，對數據人才的要求自然也不盡相同。

判斷企業「數據內涵」的套路。

1、強烈建議大家找標杆對比，比如行業資訊化做的最好的，或者業務最複雜的企業，最好能認識這類型的企業的關鍵人，知道他們走過哪些彎路，或者他們正在做的事情，能夠知道自己要學什麼要做什麼，並且幫助我們的企業認識到自身問題。

2、從一些大數據、行業化的數據峰會上找潛力股。現在這種主題的會議很火，某某大數據產業協會、某某廠商、某某地方性政府承辦的。一些好的公司的數據中心leader是經常站台的。

3、去一些做商業智慧BI、資料倉儲、雲數據的IT廠商官網，找他們的標杆企業，找他們對外宣傳的好企業好案例，能夠知道一些企業在數據這塊做的是什麼程度，了解內部環境。

4、看清招聘要求，面試過程詢問。

最後選好自己的發展方向，給自己規劃一條成長路線。

從事數據分析，如果是走業務路線，業務分析——數據分析專家——數據分析部門leader——經營管理高層，建議成熟性企業，大型傳統企業。工作的重點也是為業務帶來價值，比如提高利潤、降低成本、降低風險等等。

如果是走技術路線，數倉、ETL、hadoop等大數據平台，甚至後面資料探勘、java、人工智慧AI，往數據科學家角度發展，建議選擇發展型企業，也建議選擇IT互聯網行業。

給自己規劃一條成長路線，數據分析崗位有什麼類型，不同類型在不同階段應該有什麼作用。比如初級的業務數據分析師該做什麼，比如往上走一層，高級的業務分析師甚至成為一個部門的資深研究專家，數據研究員，進而綜上高級的管理崗位，這些要給自己做規劃，就算企業沒有，自己也需要進行生涯規劃。

數據分析的職涯規劃強雷推薦閱讀這3篇文章：

從事數據分析的你，如何做好職業規劃？

數據分析師需要掌握哪方面的電腦技能？——從基礎到進階

書單 | 從入門到精通，數據分析不得不看的10本「好書」！