
一段硬核买家秀视频走红网络,不单单是里面的搭配潮翻天,更因为买家是一位年过80岁的老爷爷。
这位老爷爷是不是很可爱,除了秀出自己外,他还非常认真地给大家分享自己的穿搭心得。
不过,这位老人家可不是普通人,在高校任职, 是教通讯工程的教授,年轻时还曾经是国家二级运动员,身材和气质都一级棒。
很多网友评论说,希望自己老了也能这样!也有网友说,自己30多岁的老公还没有老爷爷精致。
确实,很多人在岁月的流逝中,逐渐失去了自己的颜色,成为茫茫众生中最不起眼的存在。
在知乎话题榜上,曾经看到过这样一个问题,“要怎样努力,才能成为很厉害的人?”说到厉害,你脑海中第一反应浮现的是什么?
年幼青葱时,盼望能成父母那样厉害的人,可长大后会发现他们也是平凡人;青春年少时,为梦想远行,哪怕孤军奋战,却始终相信自己能变成那个厉害的人;步入中年时,才恍然大悟,自己也许永远都成不了那个厉害的人了……
人生很短暂,我们该如何努力呢?这时,我们不妨看看那些厉害的人都是怎么样努力的?
1、董卿
连续十三年主持央视春节联欢晚会,从高分学霸到瞒着父母报考艺校,从《朗读者》到《身临其境》,她从未停止过自我突破。
2、周星驰
很多人说“喜剧之王”周星驰视财如命,对一个生于穷人区,跑过龙套,凭自身实力活着的人,爱钱并不难理解。
然而,这样的星爷却默默做了很多与传言不符的慈善公益,据悉,目前偏远山区修建的“周星星小学”已超100所。
3、潘石屹
著名地产商、SOHO中国董事长潘石屹可谓功成名就,然而,56岁生日那天,他却发微博宣布开始学Python,至此会时不时晒出学习的内容。
最后,为检验成果,还报名参加了NCT全国青少年编程能力等级测试Python编程一级考试,并取得了99分的优异成绩。
▼
从这些名人生命轨迹中,你是否已明白怎么努力,才能成为很厉害的人?
总而言之,归根结底,就是:打破常规,勇于改变。
想成为厉害的人就要改变,虽然过程很艰难,但是却十分有效。撇开名人,我们来看看身边的普通人吧!
小燕毕业后一直从事文职类工作,困在安逸中无能为力,她渴望走出舒适区,无关金钱、无关地位……只想找回那个曾经充满抱负,愿意不断超越的自己。
为此,她努力寻求改变,非重点大学毕业、年芳28、学文出身……却一眼相中了前景好、人才缺口极大的朝阳行业数据分析,因喜爱重燃起冲劲。
背景弱、年龄大、毫无数据分析相关工作经验是她的短板,为能彻底改变,小燕决定破釜沉舟,鼓足勇气辞职断了后路,进入CDA学习数据分析。
辞职要勇气,学习则需更多努力!对小燕来说,微分、积分、N多公式……太难了,听不懂时她会发挥文科生强项,直接把结果背下来。
虽然方法并非最好,但不纠结才能走更远。如果你没有学过数理化,却打算转战数据分析行业,不要害怕学不会,如小燕一样背下来就好!
想了解更多数据分析
立刻扫码
我们接着聊
▼
在认定数据分析行业,决定转行后,小燕便坚定不移的改变着,并从自身经历中总结出4点,希望帮到每个正在努力尝试改变的人!
▽
1、做心理建树
告诉自己可能没高薪,甚至比以前工资还低,避免产生无法接受的落差。
2、别放弃工作经验
小燕从事教育行业5年,积累的东西降低了转行的难度,所以一定要知道什么是自己可以利用的。
3、学习经历总结
■ 不可能什么都强。除非科班出身,否则很难将数据分析工具和理论全学会。毕业时掌握60%,其他在工作中完善即可;
■ 跟上老师进度。上课时遇到不会的问题,别纠结,课后再补充,先将精力放在老师讲的其他知识点上。
■ Excel课程很实用。上班后才发现,实际工作中遇到的问题,CDA课堂上几乎全部讲过,所以听课和复习相当关键。
04、找工作心得
■ 目光放远,做好定位。不要过于关注薪资,尤其刚毕业的年轻人,你们缺少经验,但有足够的试错时间和空间,开始少赚点钱,不算什么!
■ 注重发展,不忘初心。除相对成熟的大公司,小公司的数据分析师岗位职责并不明晰,入职前一定要问清楚,是否能接触到数据,长足的进步和发展很重要。
现在,小燕已入职某互联网公司,从事数据分析师工作,月薪16K,每年13薪,她怀着感动回顾了整个努力成为厉害人的全过程。
其实,只要每天努力一点点,让自己变得更好,不断提升自我能力和价值,一直这样努力下去,就算到了80岁,你也会是很厉害的人。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28