廣告數據挖掘，在一些大公司裡面，有專門的崗位，做廣告數據監測、挖掘。

你是學廣告學的，你知道廣告投放、品牌拉升這些知識，你的專業技能加上數據分析的技能，在這個領域裡面你將會創造出不一樣的價值。

我們接觸的企業比較多，我們經常在一塊聊，知道有些企業一年投一個多億的廣告費，但是這些廣告投下去了之後到底能產生多大的效益？其實他不清楚。

那到底投不投？老闆覺得不投銷量就會下來。但是具體要投多少，銷量會下降多少？在每個領域投的廣告，比如我今天在今日頭條投，在百度上投，在其他媒體上投，投廣告下去之後，每一條線到底產生多大效益？這些都是問題。

廣告的矩陣到底怎麼去做？其實他們都沒有概念。那麼就需要專業的廣告數據分析人員幫他去實施。如果說8000萬和一個億投下去的效果是一樣的，那你就幫他省了2000萬。

還有一個就是機器學習，相對來說高深一點。做這個主要是數學專業的，或者是專門教算法這些專業的比較多。

除了每個行業都需要數據分析這一優點之外，它還適合很多別的專業的人轉行進來。好像數據分析只有計算機專業的人的話才能夠去做，你這個理解是錯誤的。

數據分析是一個交叉性學科，它需要你有一些編程的技能，需要有市場的專業知識，同時還要建模等這樣的一些數據統計的知識。

當然全部掌握還是有些困難，至少我們可以學會相應的工具和技能，同時能夠去實踐項目，提升自己在分析領域裡面的認知和經驗。

其實轉行商業分析師沒那麼難。把分析看作是一種能力來學習。

但是在學習的過程中會碰到三種問題。

學習的壓力

如果要轉行，你是比較急迫的。因為你要學很多的東西，那麼在進入行業之後，就像我們在這個行業里待了很長，我們每天也要學習。因為技術的更新疊代是非常快的，所以學習壓力是一個終身學習的壓力。學習是無止境的，像我們這行學得越多職位就越高，我們這行最高就是數據科學家。

時間成本

你下定決心轉行過來肯定是有一個時間成本的。有人問過我入行需要多久？我沒有辦法給你們一個準確的答案。有些人學得快一些，有些人學得慢一些，有些人勤奮一些，如果說你下定決心學，過程並不太難。你看我們線下的實訓課兩個月，我們就覺得只要你 Python資料庫會一點就可以來參加，通過我們的教學的方式方法和我們課程體系的設置，包括項目的薰陶，我就覺得兩個月的話夠了，你出來之後你就入行了，相當於有一年左右到兩年左右的工作經驗的人，比你自己摸索起來要快很多。

入行風險

很多人會擔心萬一學不會或者半途而廢了入不了行怎麼辦？這是你的一個入行風險的問題。我覺得取決於決心和一個好的學習的方法。

學習的方法有好多種

學習數據分析師的第一步就是把python、資料庫學會。這些工具是可以自學的。

有些人覺得學編程好像是一件很高大上的事情，自己想學的話都下不了決心。只要沉下心去學習，你會發現其實沒那麼難。隔行如隔山，走出第一步之後那麼下面就要有一個好的學習的路徑。因為一個路徑就相當於有一個專家在指導你學什麼，這個地方應該學什麼，這個地方你應該學什麼。

入了行之後，慢慢去豐滿它的相關知識，你才能夠越做越好，所以我們入行的前提要有一個好的學習路徑。我們公司做了每個專業學習路徑，應該下個禮拜參加一個活動就可以獲得。比如說你數學專業的進到數據分析這個領域如何學習？然後學的過程中的話要看哪些書，它的相關的知識是怎麼樣的，我都幫你總結出來了。

數據分析師需要好的專業能力，我們就算有數據分析的能力，但我們不具備專業的能力，我們在做項目的時候就不行。

事實上真正做到數據科學家，你的專業能力、數據分析能力和行業業務能力都是要非常精通，只有這樣的情況下，你才能夠成為一個真正好的數據分析師或者說數據分析專家。那麼在我們領域裡面叫首席數據官。

作為大學生，你在大學四年里總會學到自己專業里的專業知識。數據分析能力是轉型之後想學的知識能力。假如你未來找數據分析師工作，你可以找和你專業有關的數據分析崗位，數據分析能力通過你的工作時間沉澱就形成了。

作為從業者，原來大學裡面應該也有自己的專業，工作後你對所從事行業是比較了解的，業務能力是有的。然後加上分析師的技能學習轉化，會有新的業務、新的職業、新的天地出來。

這就是我今天給大家想講的，作為轉行到商業分析師的利弊的分析，希望能夠給大家一些建議。

我們下周會上線一個是由我們的彭老師做的商業數據分析師正確的學習路徑。因為現在很多學員自己在網上去找了很多關於數據分析師的學習的素材，大家通過在網上線上的學習，有很大的問題：過於碎片化，也就是說它屬於東抽西拼的感覺。我們現在做的是包含幾乎所有專業的，針對於你在大學所學的專業的一個正確的，從小白入門，到後面你所需要的所有的關於專業的導向都包含在這個裡面了。