先澄清下财务自由的理念，财务自由并不仅仅是说有足够的钱可以花，然后就可以不工作，每天游山玩水了。因为人的欲望是没有边界的，所以「够花」是一个很抽象的目标。
其实，财务自由可以说更多是一种境界修为：获得劳动性收入，有一定的金钱，心境上也满足，同时可以实现个人和社会价值，就可以叫财务自由。
聚焦到赚钱的主题，对有些积累或者背景的人来说，可能主要是固定资产或者在公司的股权升值。 那么，对「普通人」来说，钱怎么来呢?普通人选择「将就」
答主@尼克六六
普通人想达到财富自由很难，我认为最靠谱的方式是这样的：耐心的投入足够多的时间精力去认清自己并努力寻找自己「最」想/喜欢做的事。然后，用近乎疯狂的强度和很长的时间跨度去磨练和精进这个技能，使自己在该领域成为领导者。
原因很简单。
因为这个社会只认第一名， 也只记得第一名。而你一旦在任何一个小小的领域成为领导者之后，都会有各行各业大把的资源供你「分享」和「置换」。这才是关键。
而挡在普通人和财富自由中间的一个巨大的鸿沟是：「将就 」。因为生活压力也好，结婚压力也好，周围人的眼光和局限性也好，我们普通人经常「将就」自己做一份马马虎虎不太喜欢也不太讨厌的工作，在技能和经验上没有太大提升空间。虽然也总能慢慢进步、薪水缓慢增长，但总是处于一个温水煮青蛙的状态得过且过。
这样做的普通人几乎无法财富自由，而且还有一个逻辑悖论就是：「等我财富自由了/赚足钱了，我就可以不干这个去做自己喜欢的事情」。但是几乎所有财富自由的人，在他们财富自由之后仍然十分愿意的干着那件让他财富自由的事情。
不在鸡毛蒜皮的地方耗费精力
答主@张君
我认为，现在这个社会，穷人的出路在于：把全部的时间和精力倾注在某一个狭小的领域里， 做细分领域的专家，并全力给自己积攒数字资产。
穷人有一个特点，就是普遍不看重时间和精力，觉得这些东西不值钱。然后在各种鸡毛蒜皮的小事上耗费精力，以至于根本没有余力让自己「脱贫」。
我这里说的「穷人」，不是赤贫。不是有了上顿没下顿那种。而是绝大多数人，他们有工作，有时间，但是时间浪费掉了。
比如，特别讲究吃，非要做特别烦琐的饭菜，一顿饭做饭要花1-2个小时;
比如，伴侣不合适，也不分手或离婚，总是觉得凑合过吧，又不是不能过;
比如，又不咋样的朋友或者亲戚，还频繁来往，非得参与那些狗血剧情;
大家会说，这就是生活啊。那只能说你更倾向性的选择生活，但这些事对「财务自由」没有任何助益。因为没什么技术含量，只有先远离那些让人脑瓜疼的人和事。有了时间，才能把时间用在刀刃上。
在狭小的领域纵深发展
全面发展，等于全面平庸。
今天你看一个理财的帖子，觉得自己应该学习理财，花了很多时间发现自己根本不是这块料。明天你看做饭视频，又去学做饭。后天你觉得自己可以学学保险的知识来发家致富。
绝大多数人非常容易被眼前的各种信息带跑偏。实际上，如果你要搞投资，就不能定义成投资，你要具体到基金；如果你要搞摄影，就不能仅仅说摄影，你要具体到本地亲子照摄影；如果你要搞保险，你就不能仅仅说保险，你要具体到互联网30岁码农的保险。
定位狭小，再加上全部的时间和精力的投入，一个单枪匹马的普通穷人，才有可能给自己积累起竞争优势。定位适合自己的能力圈，你的目标人群、产品、选题，渠道，内容，技能才能专注。
那应该以什么原则找到适合自己的细分领域?你可以选择这几个元素的交集：你喜欢的，你做得好而别人做得不好的，市场有人为这个能力买账的。也就是，兴趣圈，能力圈，市场圈的交集。
这就是适合你的事情，用一张图来展示是这样的:
你可以参考的具体做法是，先去收集相关的基础数据，看看你关注的人在通过什么方式赚钱，这些可以用一张excel表来记录。
当你的基础数据足够多的时候，把以上这4点变成筛选条件，根据这些条件，这些人身上满足上述哪个要素就打钩，那么最终剩下来的全勾的，就是你可以优先尝试的领域或方向。
有人可能会觉得一直在一个狭小的领域里， 是非常枯燥且乏味的，其实这恰恰说明了你没有找到自己的兴趣圈和能力圈。一定要做自己擅长且做得好的事情，这样才能高兴，才能有竞争优势。
如果我没能力变成一个值得做的细分领域的专家怎么办?
有一个残酷的事实是，不是所有人都能变成某个领域的细分专家。绝大多数人既不爱思考，也不爱行动，但同时还不想过得太差。那这个时候，最适合大部分人的策略就是「跟随策略」。
选择一个有「钱途」的技能
根据猎聘数据显示，数据分析师的平均月薪是22322元，应届生月薪10k+。
具体到不同级别到数据分析师，差别比较大。以我对周围在一线城市工作朋友的调研，初级数据分析师的月薪大约是5k-10k。中级数据分析师的月薪大约是7k-20k+。高级数据分析师的月薪大约是15k-30k+。(这里1k=1000元)。
如果最后能成为总经理、数据科学家，那么百万年薪不是梦。根据《数据竞赛平台Kaggle2020年度报告》显示，美国数据科学家薪资最高，平均约12万-15万美元(约合 人民币78万-98万元)。
而且，「数据分析」本身并不是某一个固定的职位，而是大数据、人工智能时代的通用能力。试问，现在哪个行业能离开数据? 有了数据，谁能离得开分析?
看下面的数据会更直观:
任何行业随着你深入发展，都分为3个阶段：初级，中级，高级。这和打游戏闯关一样，一级一级往上爬。
所以，如果是零基础进入这个行业，也对应规划为这3个阶段，按下面各个阶段要求来对号入座。
1、初级数据分析师
工作内容:
要求熟练使用Excel，PPT。针对产品经理提出的需求来做分析。然后用PPT做分析报告。
比如说，之前社群会员面试的一家互联网教育机构，他们的要求就是用Excel整理学生买课的信息，看看哪一门课程最受大家喜欢之类的。
需要掌握的核心技能:
Excel, PPT, 描述统计分析，业务知识
月薪：这种职位的大概薪资在一线城市的话大概税前有5000-10000
常见的职位名称有:
数据分析师，数据运营，商业分析，战略分析，经营分析，市场行业分析。
2、中级数据分析师:
工作内容:
数据提取、撰写分析报告。
负责和支撑各部门相关的报表，监控数据的波动和异常，找出问题，输出专题分析报告。
不仅要会技术还要懂业务，通过发现问题，分析问题，得出结论，为公司的决策做支持。
需要的核心技能:
Excel，PPT，统计概率，业务知识，熟悉SQL
月薪:
这种职位的大概薪资在一线城市 的话大概税前大概是7000 -20000+
3、高级数据分析师
工作内容:
通过编程来处理数据，分析数据，建立模型，预测。
需要的核心技能:
统计学(推论统计分析，A/B测试) ，熟悉SQL， 编程语言Python或者是R
月薪:
这种职位的大概薪资在一线城市的话大概税前有15000-30000+
搞清楚各个职位的区别，以及了解自己的基础，知己知彼，就对学习和转行有方向和信心了。最关键的是要在自己的「最佳领域」工作。
面对不同的职位，我们需要结合自身经历、个人能力选择一个上车，才能分享到人工智能时代的红利。数据分析师是比较适合上车的方向，因为它起步门槛相对较低，市场需求量大，未来职位发展空间好。零基础建议从初级数据分析开始学起。
⬇️点击「阅读原文」
免费报名 数据分析训练营