其实想转行学技术，学习前端开发好还是数据分析比较好的问题并不复杂，但是又很多的朋友都不太了解为什么不建议学数据分析，因此呢，今天小编就来为大家分享想转行学技术，学习前端开发好还是数据分析比较好的一些知识，希望可以帮助到大家，下面我们一起来看看这个问题的分析吧！
本文目录
想转行学技术，学习前端开发好还是数据分析比较好
你好，我目前的岗位刚好是前端岗位，由于我处在一个创业公司的环境，我觉得我的经历有助于你对自己的将来有个很好的规划。
我本人从事开发工作是从2012年开始的，一个偶然的机会公司有了IT部门，所以报名踏上了码农的道路。记得刚开始我从事的是iOS开发，当时iPhone4刚出来-当年可是卖肾排队都买不到的数码产品，感觉能为苹果手机开发软件是无上的荣光。后于2015年初辞职走人！
2015年8月由于对马云先生的神望来的了杭州，进入阿里当然是奢望了，不过在投简历的第三天就找到了一份iOS开发工作，但是“不幸”的是刚刚过了一个月公司的业务就转了方向，公司CEO找我谈话，说让我转前端岗位（其实当时的前端还是仅仅指web开发，并没有大前端的概念，不过当时H5和iOS混合开发已经很流行了，于是想公司给机会和平台学习一些新的知识还是蛮好的，就同意了），后来由于是创业公司，由于业务的不停变化，相继学习了web、PHP、UE4、Krpano、等等技术，前后端都干了，中间还小小的爬了一下数据！这里是不是说到你的数据了，其实你要数据分析那就会出现一个问题，你爬的数据怎么展现，你可能会说公司有后端、前端，但是我觉的你既然从事这份事业，就应该把整一个流程都走通，现在这个社会或者说行业竞争这么厉害，再加上马上到来的5G时代-打造个人IP的时代，你只会单项技能是无法立足的。
整个社会提倡T字型人才，我个人觉的既然你不知道从事前端工作还是数据分析工作，说明你没有经历过，或者说阅历不够，那你就先选一个找好工作，认认真真干起，然后不断接触其它技术，日后如果都能掌握当然更好，如果不能全栈但你都经历过了，自己也会很明确的知道自己适合哪个岗位，喜欢哪个技术，然后在垂直深入的探索下去，成为这个技术圈子或者行业的佼佼者。
最后我想说不论前端还是数据分析都需要坚持不断的学习新的知识，一刻也不能松懈，这样才能使自己不断提升，有所成就。
--有问题随时@我--前端开发—单丛
自学数据分析需要看哪些书的求推荐
01-思路篇
《谁说菜鸟不会数据分析（入门篇）》和《深入浅出数据分析》这两本。
现在这两本书应该也有新版了，当然也有很多其他优秀的入门书籍，在京东上搜“数据分析”，你会发现很多很多书，随便挑两本看完，你就算基本了解数据分析是干什么的了。当然，这个阶段不要求你弄懂所有的知识点，主要是了解分析流程与基本概念，之后遇到问题再回来翻翻就好。当年面试支付宝，就靠这两本书了：）
02-技能篇
技能相关的书籍买过很多，就挑记笔记比较多的吧
SQL：《零基础学SQL》
Python：《Python编程从入门到实践》
R语言：《R语言实战》
EXCEL：《数据图形化，分析更给力》
PPT：《PPT，要你好看》
逻辑表达：《金字塔原理》
03-业务理解篇
其实每个行业的业务入门书籍不同，但是基本的商业知识要先了解下的。
了解商业模式套路：《商业模式新生代》
图形化思考，商业常识：《餐巾纸的背面》
数据分析行业的常识：《大数据时代：生活、工作与思维的大变革》
总而言之，看完两本书，学会SQL、Excel、PPT，就当入门了
还有关于数据分析进阶、数据产品等书单推荐，希望对你有帮助~
以上书单来自→书单来了：数据分析十年，我只推荐这些书
大数据的现状和发展如何现在学习大数据还有出路吗
这是一个非常好的问题，作为一名IT从业者，同时也在带大数据方向的研究生，所以我来回答一下这个问题。
首先，从技术体系结构上来看，当前的大数据技术已经趋于成熟了，在数据存储、数据分析、数据呈现和数据应用等方面，已经形成了一整套技术框架，相关的技术生态也在不断完善当中。当前大型科技公司也开始逐渐形成自己的大数据平台，不同平台也都有自身的技术特点，总的来说，当前在技术上已经为大数据的行业应用创新奠定了基础。
从大数据的生态体系来看，大数据领域的产业链正在逐渐形成和完善，行业内逐渐形成了一定的行业分工，比如有的公司专注于数据采集，有的公司专注于数据分析，有的公司专注于数据应用等等，这种产业链的丰富和发展将为大数据的落地应用奠定一个扎实的基础。
当然，从大数据自身的发展空间来看，当前的大数据产业链还远没有成熟，在大数据的落地应用过程中，依然还需要一大批具有行业垂直能力的大数据企业，这也为众多创业者在大数据领域创业奠定了基础。
从大数据当前的落地应用情况来看，当前的大数据落地应用依然处在初期阶段，虽然大数据的落地应用有巨大的空间和潜力，但是也有很多制约大数据落地应用的因素，这些因素可以总结为三点，其一是基础信息系统；其二是大数据建设成本过高；其三是大数据人才短缺。
以产业领域为例，大数据未来在产业领域的应用场景非常大，产业领域也确实有大量的场景需要使用大数据，但是大数据要想在产业领域落地，首先就要解决如何通过大数据为产业领域的发展，带来新的价值增量。
大数据在产业领域的落地应用，往往需要企业从上云开始，基于云计算来完成企业众多资源的整合，同时基于云计算来完成大数据应用的落地。所以说，企业要想全面打开大数据的价值空间，首先要考虑云计算平台的搭建，从这个角度来看，大数据方案的落地是一个系统且复杂的过程，不仅仅需要技术方案，同时还需要管理方案。实际上，从当前大数据的行业应用情况来看，制约当前大数据落地应用的核心问题已经不是技术问题了，而是企业的管理问题，企业能不能打造，或者认可大数据的价值体系，是大数据在行业落地应用的关键问题之一。
从大数据的发展前景来看，大数据的发展前景还是非常广阔的，一方面大数据自身能够打造出一个庞大的价值空间，而且大数据的价值体系具有非常大的成长性，在互联网从消费互联网发展到产业互联网阶段时，大数据的价值会得到越来越多的体现。另一方面，大数据当前被列入到“新基建”计划，这能够为大数据带来更强的资源整合能力，从而全面推动大数据的落地应用。
最后，对于当前的大学生、职场人和创业者来说，在当前的网络化时代，掌握一定的大数据技术还是很有必要的，对于大学生来说，掌握大数据能够提升自身的就业竞争力，对于职场人来说，掌握大数据能够提升自身的职场价值，同时会为职场人打开新的发展空间，而对于创业者来说，如果能够抓住大数据时代的发展红利，能够获得更快的发展速度。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
零基础学大数据能学会吗
大数据分析是大数据技术的重要环节，也是目前数据价值化的重要实现方式之一，所以学习大数据技术的一个重点就在于数据分析。
数据分析的方式通常有两种，一种是统计分析，另一种是机器学习。统计分析主要是运用数学的手法，通过已有的大量数据来反应事务的联系性。要想熟练运用统计分析方式，需要具备扎实的数学基础。当然，随着目前统计工具的普及化，一些统计工具会极大的简化统计分析的过程和难度，对于数学基础比较薄弱的人来说，只要经过一个系统的学习过程，往往也能够熟练地进行统计分析。
机器学习是另一种比较常见的数据分析方式，机器学习的目的就是从一堆杂乱无章的数据中找到其背后的规律。机器学习的步骤分为数据采集、数据整理、算法设计、算法训练、算法验证和算法应用，可以说机器学习的重点在算法设计上。从这个角度来看，机器学习也需要具备扎实的数学基础。通常来说，机器学习分为两个阶段，分别是学习阶段和识别阶段，学习阶段需要掌握数据之间的联系，而识别阶段则是对未知数据的鉴别（分类等）。
随着大数据的落地应用，在大数据领域进行数据分析的难度也在逐渐下降，比如BI工具就能够明显降低数据分析的门槛。BI工具通常需要学习一些数据库方面的知识，而数据库知识的难度相对来说并不大，这在一定程度上促进了BI工具的使用。
目前，场景数据分析是一个数据分析的重点和热点，场景数据分析的商业应用价值还是比较高的。另外，场景数据分析对于行业知识有一定的要求。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续在头条写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网方面的问题，也可以咨询我，谢谢！
好了，本文到此结束，如果可以帮助到大家，还望关注本站哦！
