京公网安备 11010802034615号
经营许可证编号:京B2-20210330
转行数据分析的亲身经历
今天和大家聊一个非技术性的话题:转行。全篇无代码,但是我想对于这个话题,很多朋友都非常感兴趣,毕竟工作伴随着我们的一生,也是主要的收入来源,谁不想找一份高薪又有前景的工作呢?
是否要转行?
有些朋友对于是否该转行一直抱有迟疑态度,转行会不会有风险啊,转行以后万一后悔了怎么办啊,转行是不是要重新学啊,等等一系列的问题。这些问题大多数人都想过,博主也想过。毕竟工作是人生大事,转行当然也需要万分的谨慎。但是,一切事物都是有风险的,谁又能够预测未来怎么样呢?有时候人是需要一些果断的(不是冲动),但是需要自己想清楚,想好了就不犹豫。下面,博主结合自身,谈一谈要自己转行的几点考虑吧,供大家参考。
现所处行业的未来发展
分析现在所在行业在未来10或者20年里是否有很好的发展前景,说实话这个是不好判断的,但就目前而言,传统制造等行业一直处于萎靡状态,而互联网和金融行业是比较热门的领域。但这些都是见仁见智吧,每个行业做到极致都会有不错的发展,每个人的理解也不一样,但是博主选择了互联网金融行业。
现所在公司的发展状况
一个公司的发展好坏可以直接从领导CEO身上反映出来。领导是否有长远眼光,有管理能力,以及领导是否认真干事,会直接影响公司未来发展。博主所在公司领导层不断更换,并且内部管理非常差,不重视技术水平,工作效率巨低,所以导致一直在走下坡路,这种情况就没理由呆下去了,毕竟要考虑个人的发展。当然,很多小伙伴本来的工作可能就很好,那就要权衡一下利弊了,看你是否真的热爱这个行业。
现所在公司的学习环境
对于职场菜鸟而言,选择一个公司其实是在选择一个好的学习环境。如果有机会去一个好的团队即使薪水低,那也是值得的,因为你锻炼的是学习能力,有了这种能力,你才会有更高的价值。当然,就目前而言,如果你觉得现在的公司已经没有什么可以让你学习的了,或者说遇到了瓶颈,那我觉得也可以考虑换换环境了。
自己的生活需求
对于很低的薪水无法满足生活需求,那么这时候迫于生存也只能考虑转行。各种房贷车贷款的压力如此之大,通过转行增加收入也是一个有效解决问题的途径,但也是需要结合其它考虑而慎重选择。
兴趣爱好
是否对转行的行业感兴趣。兴趣是最好的老师,如果自己本身对这份职业不感兴趣,仅仅是因为薪水等一些外部因素而转行,那么可能也不会太发展的太久远。
基于以上问题,博主进行了认真的思考并最终做出了转行的决定,因为对于我而言,每个问题都说的很通。当然这里绝非误导大家转行,只是给大家多提供一个参考。
我的转行经历
博主从开公众号起前2个月开始接触Python语言,然后接触到了数据方面的技术,包括爬虫,数据分析,数据挖掘,机器学习等,一直到现在仍然在坚持自学,我相信只要坚持结果总不会太差。直至今日,我可以说自己算是入门了,但需要学的东西还有很多。虽然这个过程比较艰辛(白天上班,晚上学习),但是由于兴趣的激励,也并未感觉太累,反而觉得很有成就感。
前一阵子,博主觉得自己可以尝试着找找这方面的工作了,于是开始在网上投递简历。很多网投的小伙伴肯定有过类似的经历,那就是石沉大海(其实是我太菜)。你会发现投递的几十份简历一个回应的都没有,于是在这个过程中开始对自己有了一些怀疑,尤其是对于像博主一样的转行求职者们,因为相比于科班出身的竞争者,我们没有太多优势。在这种情况下压力是很大的,曾经想过裸辞,但这是很不明智的。但没有办法,既然踏上了这条路,就必须坚持下去。好在目前数据分析,数据挖掘这些岗位的市场需求量很大,所以机会还是很多的。
十份不行,就投二十份,二十份不行就投三十份(当然在这个过程中是需要不断反思修改简历,并同时不断学习巩固,不然还是徒劳)。还有,一定要寻找身边的一切资源争取内推机会,内推面试的成功率还是蛮大的。慢慢的,开始有公司邀请面试了,虽然不是BAT,但是都是规模还算比较大的公司。
博主在过去的两周里一共面了5家公司,数量不多,岗位是数据分析/数据挖掘(根据招聘职位而定),其中3家给了offer。其实,这对于一个从零学起转行的求职者来说,结果我还是非常满意的,同时也给自己增加了一些信心。下面介绍一下面试公司的概况以及面试结果。
声明:这是我的个人经历,只供借鉴参考,并非适用于所有人。
面试结果
博主这里只列出其中三个给offer的公司。
面试公司一(offer)
规模:上市公司(互金)
岗位:数据分析师
月薪:13K
面试公司二(offer)
规模:上市公司(地产商)
岗位:数据产品经理
月薪:15K
面试公司三(offer)
规模:初创公司(移动APP)
岗位:数据挖掘
月薪:20K
面试总结
总的来说,所有面试的经过还算顺利,但博主每一次面试后都发现了自己的许多不足的地方,下面总结一下。
面试预约
接到的大多数电话面试都是下午快下班的时候,如果公司对你感兴趣,会问你明天是否愿意来面试(记得给HR回邮件)。博主每次都爽快的答应了第二天面试,但这其实并不一定太好,因为自己根本没有太多时间来准备。如果你特别中意这家公司,我认为最好还是准备充分再去面试效果会更好。我自己一般会留一天时间来进行面试前的准备。
面试准备
利用面试前的时间来仔细研究一下这个公司的发展状况,组织架构,运营模式以及岗位的需求,最好能够在面试公司的业务或者技术上提出一些好的建议。技术细节上可准备的东西很多,这些更多在于平时的积累。这时候就没必要再去研究具体的技术细节难点了,而应该把控整体,我一般会把写在简历上的内容,比如项目经历等都过一遍(需要自己真实的做过才行),以免被问到细节问题尴尬。
谈话技巧
可以说这部分也占了很大的权重,如果你可以侃侃而谈,和面试官聊的很high,那基本也就成了。我认为最重要的就是不紧张,保持常态,即使被问道了不会的内容也别慌,虚心请教面试官,一来可以让他感觉到你的学习热情,二来会让面试官感到很有面儿。第二个就是观察,可以通过观察面试官的表情来判断面试官是否满意你的回答或提问,然后及时改变回答策略。其中一个面试,HR英语特别好,博主硬是用英语陪她聊了10多分钟,这也让HR很满意(当然前提是你的英语水平也不错)。第三个是多提问题,与面试官的互动是非常关键的,如果面试官说到一个点上恰巧你能够紧接着很好的提问,那么整个谈话的气氛就活跃起来了,面试官会认为与你想法很契合(博主拿下了三个面试官的微信)。
技术内容
几个面试中多数面试官都会针对项目经历仔细提问,问的很细,目的在于考察自己是否真实做过项目,认真思考过问题。当然也会问道一些细节的知识点,有很多基础的问题博主并没有回答的很好,这部分还需加强只能慢慢积累了。也问了一些其他问题,比如某个机器学习算法的优缺点,给你一个应用场景,你会倾向于选择哪个模型算法来解决,再比如给你一个场景,如何进行A/B测试等问题。对于数据分析而言,机器学习和爬虫等并不是必须,但是加分项。就像博主在简历中提到用爬虫爬取链家全网数据,然后做数据分析挖掘,没想到在几个面试中都有加分。关于这部分,博主会另开一篇详细介绍。
公司选择
对于最终公司的选择上肯定要考虑多方面的,待遇,发展,上升空间等。我的建议是选择公司要把眼光放长远,寻找一个好的团队,毕竟是转行,还是要以能学到东西为主。以下是几点选择公司的考虑:
大公司 or 小公司
大公司一般规模比较大,每个岗位分得比较细,平台大,资源好,格局大。小公司一般岗位划分很粗糙,一般一个人要干所有的活儿,每个环节都能接触,进步成长速度会非常快。作为转行人员,我个人倾向于大公司,但是如果小公司有不错的机会也是可以考虑的。
风险 or 稳定
一些初创公司的未来发展其实是很不明朗的,像很多P2P公司看起来不错,但是几个月倒闭的也比比皆是。这时候需要评估一下自己是否可以承受这种风险,高风险也就有高回报,所以很多初创公司提供的薪水才会比大公司高很多。可以尝试性的问问公司的现金流,融资情况,是否考虑上市等相关问题,来评估一下风险度。我个人倾向稳定发展的大公司,即使是初创公司最好在D轮融资之后是比较稳健靠谱的。
团队专业水平
这个其实通过与面试官的谈话过程就能看出这个公司的技术水平怎么样,如果面试官的水平很一般,一些问题还没你清楚,那么你想想你来这能学到啥,可能薪水很高,但是你未来的价值却没有提升。
薪水高 or 薪水低
傻子都知道薪水高好,但是还需要把握以上提到的一些原则性问题,不能因小失大。在符合自己基本标准的情况下当然薪水越高越好了。
这段时间里,博主深刻体会到转行的不易,所以把自己转行的经历给大家做了一个简单分享,希望对正在转行或者准备转行数据分析,数据挖掘方向的朋友们有所帮助。一句话,坚持就是胜利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22