都可以，但取决于你所处的阶段和目标 1️⃣如果还在读书阶段，未来希望做数据分析师，那确实应该把它看成一个正经岗位，系统准备。 数据分析师发展到现在，从学历、能力、经历和素质上，有非常全面的要求被沉淀下来。从基本的技能（主要是SQL和基础的统计学知识），到实习经历（这个非常关键，几乎所有DA岗位招人都先看实习），再到业务分析能力沉淀（指标体系搭建、异动排查和业务优化等），最后是面试表现 ‼️这里着重提一嘴，就现在而言，数分赛道越来越卷，卷学历、卷学校、卷实习。如果还觉得学个sql、excel可视化就能轻松入职，那真的没希望，就算加个机器学习，也没用，毕竟鲜有业务数分用模型解决问题，效率低、见效慢。 数据分析师已经是一个综合考察候选人商业思维和经验的纯业务岗位。如果想走这条路，尽快找实习积攒经验很关键。千万别等到临近毕业，才开始奔着这个方向努力，不仅压力大，而且难度高，甚至我建议直接放弃这条路 2️⃣如果你并不想走数据分析师的道路，那当个技能学学没问题。公开渠道搜一搜，练练基本的SQL，将来去卷你业务里的数据分析师，让他们告别取数，安心做分析，产出更大价值🐶。 再多了解下AB实验这种效果验证手段，别轻信我们分析师的话，怕被我们骗哈哈哈；也别看到一个正向结果就觉得自己的策略无敌了，非得逼着人家分析师给你分析为啥正向了却不能全量，甚至还非要找出部分维度下的显著正向推全，就为了那小数点后几位的收益。但凡你有点儿数据分析常识，都不至于干出这事儿 3️⃣最后，如果你已经是个DA了，我特别希望每个人都能把它当成一个“技能”。在工作中，我们特别容易被岗位限制住，限制住思维，限制住scope，却忽略了工作的本质 工作的本质是啥，解决问题，产生收益。所以，你只需要知道问题是什么以及如何解决问题，至于用什么手段去解决，老板根本不在意。我经历过这样的阶段，面对一个问题，明明简单的用户调研或者common sense就能解决，非要上纲上线，搞一大堆数据去论证，浪费时间浪费精力，也毫无用处 越向后走，越需要在更高的维度上看问题，把数据分析当成一个解决问题的手段而非目的，综合运用多项能力和各类资源解决问题，才是拉升个人天花板的可靠路径