京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:Evan
本文为「心中有数」CDA征文作品
大家好,我叫Evan,想和大家分享一下我转行到数据行业的过程。
这篇文章也可以看成是我的一个总结,我主要会从转行的背景,过程,以及上岸的心路做个交流。
我先从我的基本情况说起,方便大家根据自身情况做下对比,对自己转行有个更清晰的了解。
我90后,普通本科,专业经济学。毕业后折腾了一两年,然后在一家制造企业做了四年的数据相关的工作。
这里补充下,所在公司是一家制造企业,对数据需求量不是很大.环境相对闭塞。每天基本上是公司-班车-宿舍,做的工作主要EXCEL处理,另外还有大量的行政事项。
目前,我刚刚上岸,在一家化妆品公司从事数据相关的工作。
以上这是我基本的情况,接下来我会说下我是怎么转型的。
1. 离职的原因
我在上个公司工作了四年,离开时做了颇多的心理斗争。
仔细理理,离职的原因有三个:
2. 与数据结缘
在上个公司工作第三年的时候,我开始考虑转行。
在此期间,我从网络上开始了解到与数据分析的工作。随着了解的深入,考虑到工作中有数据的经历和数据行业的未来,我开始决定转行到数据分析的工作。
经过短暂的比较,我报了CDA数据分析的课程。选择的原因也比较简单: 成立时间长,口碑不错。我当初报的是远程班,课程是数据分析一级和二级的课程,学习的内容很多,EXCEL、POWER BI、SQL、统计学、SPSS和PYTHON... 周末上课,前后大概半年的时间。
3. 离职备战
在上完课半年后,我下定决心离职备战。
下班后,我的学习动力不是很强,总是按耐不住玩手机的欲望,大量的时间被消耗掉。反反复复过了几个月,我觉得还是得逼逼自己,就离职了。
4. 学习过程
从离职到上岸,我前后用了四个月的时间。我想从学习方向确定,情绪梳理和与数据相关的朋友沟通这三个方向来细说下。
首先是,从事数据分析需要掌握很多的技能和工具。常用的的工具有:excel、sql、power bi、python等。知识上需要懂相关行业背景和常用的数据分析方法等。掌握这些工具和技能从长远来看都是必须的。
从短期来说对于想要挑战又很大。掌握哪些工具以及掌握到什么程度,自己要提前做个规划。我当时备战的时候,觉得power bi很好,又认为统计学很重要,Python爬虫很有用,结果自己纠结来,纠结去,啥也没学,浪费了很多的时间。
在此期间我看了很多的招聘需求,发现很多要求是SQL和Python。到此为止,我在学习上有了基本方向,主攻SQL查询和PythonN数据处理。
学习技巧上网上很多,我觉得老师说的很对,就四个多:多看,多学,多敲,多问。
做到了这四个多,软件掌握程度必然会很高。除此之外,我认为再加一个多,多输。把自己练习过的案例或者学习过程分享到网上,一来方便自己回看,二来为将来求职提供支撑和帮助。
在备战的过程中,我觉得情绪的管理会很重要。
转行是一场未知的旅程,我们每天看到有限的弹药在消耗,又不知道什么时候会上岸,压力会超过很多预想。除了与人交流,自我对话也是很有的方法。自我对话会理清思绪,认识到自己的初心,强烈推荐试试。
学习的过程中难免遇到问题,除了自己网上查找资料,加入相关的社群求教也是很好的方法。在社群中多交流会学的很快,也能认识更多的同伴,了解更多数据相关的事情。基于此,我很推荐在群里交流和学习。
03、上岸
我是在家学习两个月后开始找的工作。
刚开始不是很顺利。后来自己做了些总结,主要三点:
以上就是我的分享,希望能对大家有所启发。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28