在互联网时代不断发展与革新的当下，数据竞争在各个行业都至关重要，互联网数据分析类岗位也顺势成为当前的求职热门。众多零经验新人渴望求职数据分析岗位，许多职场老手也有意转行至此，市场对数据分析的能力要求更是日益提高。

当前，市面上涌现出大量数据分析课程，构建起庞大的数据分析学习架构。而自学数据分析转行的靠谱程度，实则取决于求职者自身的自学能力、自控力以及是否清晰规划出专属学习路径。

数据分析类岗位主要有两大职业方向可供选择：业务方向与技术方向。

业务方向的数据分析岗位，可以从初级数据分析师起步，逐步成长为业务负责人；倘若你更倾向于技术性工作，在数据相关岗位中，可选择数据挖掘工程师、大数据开发工程师、数据建模师以及数据科学家。无论选择哪种岗位，数据分析能力都是对求职者的基本要求。正确规划数据分析学习路径进行自学，同样需从数据分析能力着手，学习内容涵盖但不限于数据分析思维、统计学知识、数据分析技术、数据建模能力以及可视化能力。

数据库语言 SQL
SQL 作为一种编程语言，相较 Python 更为简单，是数据分析师的必备技能，也是必须熟练掌握的基本功之一，可作为数据分析的入门学习内容。对于 SQL 语言的编程基本特性，初学者首先要掌握基础查询语句，进而学习复杂查询。学习过程中，切勿忘记穿插各类函数的运用，如聚合函数、数值函数等。基于不同的数据库（如 Oracle、Hadoop 等），SQL 语法可能会略有不同，但并不影响对基本功的掌握。对于入门学习者而言，可以尝试使用 MySQL 进行初步学习。

统计学基础
统计学是数据分析的理论根基，描述性统计以及各类统计图表的使用早已融入数据分析师的日常工作。在数据分析师的工作场景中，日常 ABTest 的基本原理便是统计学中的假设检验分析方法。此外，在后续学习中，良好的统计学基础也能为机器学习内容奠定基础。

机器学习
机器学习更多地是数据建模师和数据科学家的必备能力，在日常工作中常与 Python 语言结合应用，对数据及属性进行预测和分类。对于初级数据分析师来说，机器学习知识并非工作场景中的必需内容，但对于高级数据分析师而言，掌握机器学习则是必经之路。而且，在现阶段数据分析的笔试面试过程中，机器学习基础知识往往作为必考考点出现。因此，在机器学习阶段，求职者可以借助《西瓜书》学习一些基础算法，如线性回归、贝叶斯、决策树、逻辑回归、随机森林等。

所以从理论层面来讲，通过自学转行数据分析是可行的。以上三大关键知识的学习路径能让你快速构建起数据分析知识框架，后期再加上数据分析思维等软实力，并实现数据分析可视化，那么你就离 “数据分析达人” 不远了。