30岁转行，无一技之长学什么技术？（30岁转行哪些行业容易上手工作）

古人云，艺多不压身。但是我们很少有人愿意在年轻的时候去掌握一项技能。

Tips：如果最低学历是全日制本科请往下认真看，如果不是的话当作参考。

直到人到中年都很迷茫，我30岁的时候也是，随着现代社会的快速发展都有点感觉跟不上节奏了。随之而来的就是危机感，然后失业等等一系列问题。

我是32岁转行搞大数据的，算是一个比较成功的个例，从对大数据技术一无所知到应聘成一家国企的数据策略、入职清华大学天津某研究院技术经理、再到国家媒体中国网子公司的数据总监等等一系列的经历，薪资收入也是非常可观。

这系列的经历让我深刻的明白掌握一项吃饭的技能是多么重要。

【人到中年觉得是优势】的原因

30多岁换工作的时候，感觉企业会优先考虑招聘。虽然这取决于招聘企业的思维方式，但我对其他公司的经验和文化感兴趣的情况很多，我对招聘30多岁的人持积极态度。（某信用服务行业HR）30出头，随着应届毕业生入职，又赶上很多泡沫经济破灭，企业纷纷缩减招聘。30岁这个年龄不应该是要寻找的年龄阶段人群么？（某企业人力资源评估师）如果有适合年龄的经验，我认为没有任何缺点。此外通过展示持续活动等获得资格的努力，可以完全覆盖一些缺乏经验的年龄。（某企业IT高管）

【人到中年觉得是劣势】的原因

年轻人肯定更有优势。面试时经常有人说我还不到二十几岁……而且我应该年轻一点…… （某企业客服中心经理）我正在找一份没有经验的工作，当我继续被文件筛选拒绝时，我觉得我的年龄有影响。（某医疗行业从业者）

抛开性别来说，30岁转行选择一个适合自己并匹配当下时代发展的技能还是很重要的，毕竟咱们不是富二代和官二代，需要工作、吃饭。

可是转行学新技能是要有成本的对吧？不要担心，接下来介绍我自己转行过程中如何花最少的成本去掌握一项吃饭的技能。

我曾经也是在互联网浪潮下被割过韭菜的一员，2017年32岁的我看到无数零基础学大数据就业月薪过万的工作说实话真的很心动，Python之类的相关话题被无数的培训机构神话到一个不可描述的程度。不过他们大致的套路是这样的。

某某某同学，零基础入校学习Python仅仅4个月毕业成功入职某某大厂，月薪5位数起。

但是以我的亲身经历告诉大家，这种事情只是凤毛麟角，培训机构玩的概率把戏而已，要不然你怎么会报名呢是不是？

我是32岁转行的，21岁开始工作到31岁之间的日子感觉都在荒度光阴。

21岁毕业，直接被骗到保险公司做业务。21岁，入职某国企超市任某门店做经理助理。22岁，入职某国有重工制造企业，做仓储物流管理，俗称库管。26岁，换岗做了采购专员。27岁，入职某支付机构任风控管理。28岁，入职某支付企业任总裁助理。30岁，给父亲朋友管理某制造业工厂。31岁待业1年，想不明白自己出路在哪里，几乎抑郁症。

分水岭在这里

32岁找了一家北京的培训机构学习大数据。32岁进入一家国企做数据策略算是开始入行。34岁进入清华大学天津高端装备研究院做数据算法这块。36岁进入现在的国家媒体做数据这块业务。

由于我没啥背景，咱就不能拼爹了，一切听天由命靠自己，期间给人端过茶，倒过水，擦过地，当过孙子。

现在在一家民办高中管理IT和新媒体。

转行的建议

对于30岁的话，如果是5、6年前我一定建议你去学Python还能赶上一波红利，我就算是赶上这波红利尾巴的人，现在这块卷的太厉害了。

但是我又建议去学一下，没有必要深入学，掌握基本的技能就行。建议你掌握一项通用的技能去面试就可以了，比如数据分析。现在大多数的企业还是处在几年前的认知阶段，不要以为企业什么都明白，如果真明白的企业绝对不会招聘信息上有数据分析师这种岗位，一定是在岗位描述里加上数据分析相关技能，比如说天津都如此了何况其他城市，北上广深这种不要考虑，学历是硬伤。

工具方向选择

如果没有编程基础就不要看什么 Python、R、SPSS 之类的了，直接只看 Excel 这部分就行了。具体原因大致总结这样：

Python、R、SPSS 等需要大量的学成本，而且对就业专业性要求比较高（主要是学历），毕竟都30岁转行了，大概率是没有一个高学历。因此没有必要浪费时间。只看 Excel 这个毕竟全部企业通用，上面说的 Python、R、SPSS 等能做的工作 Excel 都能做，但是很多人不知道而已，而且上手非常简单。现在已经很少有纯手工记账的企业了，也有不过这种跟小作坊没啥区别，也不是未来转行考虑的目标。其他的软件比如 Tableau 、Power BI 、Julia 之类的也不要看，不要被忽悠，能用的企业在咱国内屈指可数（大部分还都是装X的那种）。

理论学习部分

既然是数据分析就一定要学理论部分，你要知道思想跟不上就算动手能力再强也没用。这个是我自己根据一本学统计的漫画总结的图文内容，对话沟通能力没有问题的自己都能看懂。

要是知道你身边随时都会产生数据，都会有一个可以值得分析的结果，而不是像机构吹的那样代码要敲的多好。

实践学习部分

掌握了理论就要实践巩固了，毕竟温故而知新是最重要的，毕竟数据分析这种也算一种流水线作业需要熟练的掌握，目前实践这块我自己整理的笔记内容都是基于Python可能不太适合新手，前不久看到一个适合新手入门的操作实践的内容可以尝试以下，看看自己能不能掌握。具体推荐理由其实我认可的是数据分析的体验课程有统计部分，这个是大多数机构都没有的。

「数据分析职场大全」3天助你顺利升职/加薪/跳槽/转行

￥0.10附赠秘籍

履历修改部分

这块是很多新手的硬伤，因为刚入行对数据分析很陌生，虽然参加了培训但是还是可能没有深入的体会，所以一个需要人指导帮你去改履历，没有这个的话基本面试机会都没有。

介绍以下我当初是怎么改的，其实就是一个核心的原则：每个人要学会包装自己才能沉着应对每一场面试。

我入职清华研究院的履历修改和面试经历

当时入职清华研究院面试主要是这么几个方面：

企业信用评估课题需要算法人员。所有产品的风险评估算法研究和产品构建。研究所的所有项目需要数据采集，和算法研究，产品设计和工程落地。研究所需要发中医方面机器学习和深度学习方面的论文。

等等一系列问题最后问的我都有点要崩溃了。

然后针对这些问题我是如何改的我的履历和面试做到滴水不漏，不过总的周期大概2个月不到，基本上每隔几天都会有一个人来面试我各种问题专业上的问题，我也是回答的滴水不漏，最后幸运的入职了。

解决第一个问题，企业信用评估课题需要算法人员。

2009-2014年我在制造企业做库管，后来转的采购，平时的工作就是全工厂的劳保、辅料什么的进销存工作，到月底盘点。5年由于不会奉承领导，也不愿意站队，所以一直就是就没涨过工资，升职跟别说，而且我的领导5年换了10来个，也算是奇葩了。就跟郭德纲说的相声一样，进来都跟我打听内幕。

想必也知道，库管、采购这活跟数据分析能怎么能挂上钩。

记住这个时候我有项工作是采购。

2016年又幸运的参加了一次某商业信用中心对采购品供应商的评级管理研讨会，是我的老师带我去的，大致内容是利用算法对供应商进行规范管理，进行评级工作。

这两个事情联起来看，你就能大概明白了，如果不明白往下看。

虽然说当时信用中心那个评级研讨会我只参与了一天，但是基本上说是整体项目业务设计以及评估方法，还有方案实施，感觉应该是最后阶段的内容了。这里的评级用到的算法是回归 + 分类。

我之前不是做过采购么，然后结合这次会议，我就复现了整套产品，这个能力是我在学完数据分析之后才有的。

你或许要问数据哪里来？之前国企工厂里的数据，说来也巧，内时候天天被压榨，各种苦活累活都我的，盘点报表我的，供应商进货什么只要跟表格有关的活都我的。我就拿着原来工厂里的数据按照评级会议的内容完全复现了整个业务流程以及相关数据分析工作，最终输出记过评级分值AAA、AAB这种。只要是学过的数据分析方法能用的全部用上，回归、分类、聚类统统上。

然后就是开始包装履历了。

上面的工作我只做过第1和5，其他都是我通过我的存货数据复现的，并用Django开发成了系统，虽然粗糙，但是整理流程和功能实现了。

面试的时候既然我自己都能动手复现了，就基于工厂的数据从产品设计、方案规划、数据采集、算法设计、结果验证、环境搭建整理来了一遍，说的是滴水不漏，不管问到哪个环节，我都能说出来为什么这么做，怎么做的，最终目标是什么。因为在这之前我完完整整的写了一套这个方案，虽然永远拿不出台面，但是也是一种能力的积累。

解决第二个问题，所有产品的风险评估算法研究和产品构建。

2015-2016年我在第三方支付行业做风控，主要做的是信用卡欺诈交易监测（简称POC 疑似伪卡交易）方面的工作，由于做人比较耿直，天天得罪人，把公司的业务部门得罪个遍，也是我最后不想租的原因。因为做为业务他们只要交易量，这个关系到他们的收入，出现风险损失资金是公司的事跟他们没有半毛钱关系，我有我的原则，只要经过我手就不能损失1毛钱，没拦住那只能说明我能力的问题。

不过也是有收获的，协助警方破获了伪卡交易集团，警方还送的锦旗和感谢信，然后内段时间我们这成为了交易安全的代名词。

这个事情庆幸的是我还是有存货，公司全年的交易数据以及商户数据我都有，虽然当时做的是用数据分析的思路做的事，但是我内时候根本不懂什么叫数据分析，也不懂什么是算法建模，完全靠着对业务的理解去做。现在回想起来好痛苦，全部是SQL代码实现。

等我学完数据分析复现的时候才完完整整用数据思维去做了这个事情。复现的内容在这里。

【原创】基于大数据平台如何做第三方支付风控（附部分源代码） – 数据分析与数据挖掘 – 经管之家(原人大经济论坛)?bbs.pinggu.org/thread-6136609-1-1.html

基本用到的内容就是一个数据处理的内容以及算法应用识别风险，也是能用的地方统统用上。

履历继续包装。

其实内时候我就是个专员，但是整个部门的活我都做过，也是被压榨的结果。这里面我只做国2、5、6部分其他都是后来复现的，包括系统开发我根据当初的整个部门的业务流程还是用Django复现一遍，依旧的问到哪里都能说出为什么这么做，怎么做的，最终目标是什么，以及最终结果是什么，毕竟有哪个锦旗给我做支撑。

因为此时非比往日，过去的业务内容完完全全用数据思维复现。

那么问题来了面试的时候问到我算法原理的时候基本我都不会，因为我不是科班出身，我就往业务上扯，好像感觉搞科研的都不太了解业务，只了解自己内块专业性非常高的领域。

面试尽量选择面对面背着笔记本，说不清的地方直接上实际做的产品给面试者去看，这样露馅的概率比较低，不过还是要有东西就是存货，毕竟是做过就不怕了。

不过这里算是勉强过关。

解决第三个问题，研究所的所有项目需要数据采集，和算法研究，产品设计和工程落地

这块算是我擅长的部分了，因为那个时候我已经能独立的用Scrapy框架去写爬虫，用Gerapy框架去管理爬虫，然后进行数据清理。

也用用墨刀去设计产品了，作出Web和APP的高保真方案。

也能用Python Django去开发所有的内容Web产品，毕竟前面的工作没有白做的，技能是一点点一点慢慢积累出来的。

但是面试的时候挺尴尬的，找了一个Java的工程师面我，我俩感觉完全不在一个频道上，最后也不知道这大哥怎么汇报的，不过最后也算顺利过关了。

毕竟产品能直接拿出来看，也都是我自己手动做的，源码学习的笔记也都有，不怕你问这个问那个，就怕你不问就坏了。

最后一关非常困难，研究所需要发中医方面机器学习和深度学习方面的论文

这关太难了，中医完全没接触过，编估计都没法编，而且非常容易露馅。索性就坦白了，当时我想听天由命吧，反正我这学历这个地方也可能不是我该来的。

抛开中医的说机器学习和深度学习方面的内容，完全就是聊天性质的看谁谈资多了，幸亏我平时有积累，也不输，反正当时想了就当一个经历吧。

最终因为我的坦诚以及前面的种种顺利过关入职了清华，这算是对我苦苦学了2年的一个肯定吧。

总结

不管怎么说骗人是不对的，但是在这个社会真要实话实说的话基本只能天天在家吃土了。

我是经朋友介绍才有的面试机会，俗话说机会是给有准备的人。单凭我这学历清华打研究院是打死也没有机会面试的。既然有机会就要把握住，就跟后来去今日头条面试一样，单凭学历这辈子都没戏。

上面介绍的那个数据分析体验课程里也有职业规划这样的内容，真心不错。不像别的机构内容教完了收钱走人。