去年三月我还在一家做注塑模具的厂里改图纸，月薪8600，加上加班费能摸到1万1。代价是每天早上八点进车间，晚上九点出来，微信步数常年两万三。现在我坐在一栋写字楼的11层对着报表，月薪11000，13薪。很多人看到这会说那你不白折腾了。确实，如果只算到手现金，我第一年几乎是原地踏步——换了个城市单间房租贵了900，社保基数一涨，公积金多扣的那部分要等到买房才拿得出来。但我还是觉得值，原因放在后面说。
先说一个我面了37家之后才想明白的事：招聘网站上写的“数据分析师”，至少有四种完全不同的东西。
第一种是真的分析岗，一般在电商、SaaS、互联网金融，你要写SQL取数、设计AB实验、把结论落成业务动作，这类岗位在一线城市给到15-25K不稀奇，旺季招人急的能给到28K。第二种叫数据运营，本质是运营岗加了个数据前缀，你八成时间在做日报周报和用户分层运营。第三种是BI工程师，偏技术，要会写ETL、维护数仓，对SQL的要求比第一种还高。第四种最坑，JD上写着数据分析，进去发现是给业务部门做Excel透视表的表哥，或者干脆是做客服质检统计的。
我拿到的第一个offer就是第二类。入职才知道自己每天的工作是导出前一天的订单表，做成钉钉日报发群里。干了四个月我就跳了，现在这个是第一类。所以第一步真不是学技术，是学会看JD。我的土办法：把出现“ABtest”“归因分析”“指标拆解”的挑出来，把带“日报周报”“数据支持”“配合业务完成”的往后放。前者大概率是第一类，后者基本是第二类。
技术这块，网上的教程会让你从Python学起，我的建议刚好反过来。
SQL排第一，没有商量余地。窗口函数是分水岭——row_number、rank、lag、lead、sum over 这几个，面试十次有八次会考。我当时LeetCode数据库题刷了大概50道，牛客SQL篇刷完，前后花了六周，每天晚上两个小时。这个投入产出比是所有技能里最高的。Excel排第二，但只学数据透视表和Power Query就够了，Power Query这功能很多人不知道，做多表合并比写VBA快十倍，我现在日常工作还在用。Python排第三，而且只要pandas。说个实在数据：我入职到现在八个月，真正用Python写脚本的次数不超过15次，基本都是批量处理CSV。numpy、matplotlib这些，除非去专门的算法团队，否则用不上。至于机器学习，37场面试里只有2家问过决策树，还都是随口一问。BI工具挑一个就行，中小企业用帆软FineBI的多，外企和互联网用Tableau，微软系公司用Power BI。我学的是Tableau，结果现在公司用帆软，等于白学。
简历上有个坑必须单独拎出来说。我第一版简历写了培训班做的“某电商用户行为分析”项目，投了20家，一个面试都没有。后来一个做HR的朋友看了直接说：这个数据集我们一天能收到三十份，一模一样。培训班的项目模板全世界都在用，招聘方一眼认得出。后来我改成写厂里的东西——把车间的设备故障记录整理成表，做了个故障率的时间趋势分析，找出每周三下午故障率偏高的规律，最后查到是那批模具换料时间的问题。这玩意儿技术含量不高，SQL三行就跑完了，但面试官会追问，你能讲二十分钟。他要的不是你做过什么高大上的项目，是你能不能把一件事讲清楚。
再说劝退的部分。第一，别裸辞。我见过太多人辞职在家学三个月，面试被问“你现在在做什么”就卡壳。在职的人面试通过率明显高一截，不是能力问题，是你有退路，谈薪的时候腰杆硬。第二，账要算清楚。转行第一年大概率平薪甚至降薪，我从苏州到杭州，房租涨900，通勤从15分钟变成50分钟，这些都要提前想。第三，认清年龄。我32岁转算晚的，30岁以上建议走“原行业+数据”的路线，做供应链的转供应链数据分析，做医疗的转医疗数据分析。纯互联网的分析岗，28岁以下的和应届生一抓一大把，你拼不过；但行业know-how是你的护城河，这个应届生真没有。
最后回到开头那个问题。在厂里的时候，我做十年和做一年，唯一的区别是改图快一点。现在至少我能看到一条曲线，知道劲该往哪使。