京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14