京公网安备 11010802034615号
经营许可证编号:京B2-20210330
很高兴有这个机会,受邀参加CDA校友分享会。
几个月的学习和求职的经历,也让我感慨颇多,有一肚子话想跟咱们老师、同学交流,如果有些我个人的成功、失败之处,也希望对大家有一定的借鉴。我的起点比较低,如果我都能成功,相信其他人肯定也能成功。
来CDA之前
我今年22岁,大专学历。我的专业是高尔夫运动管理,可能大伙都没听过!是不是很高大上,天天接触有钱人?
我们的专业课,包括高尔夫专项技术、规则礼仪、产业概论、俱乐部管理、赛事管理、营销实务等。我的高尔夫球也打得不错哦,如果有校友对高尔夫运动感兴趣,可以找我私聊,免费指导哈!
一看开设的课程,你就能发现高尔夫运动管理专业就是为这种高端体育项目量身打造的,所以我们对口的就业方向比较窄。目前面对国内经济形势,还有疫情影响,现在就业压力很大。虽然也能找到一些跟高尔夫球运动、高端体育场馆等相关的工作,但整体收入不高、也不稳定,多是以销售为主,跟业绩挂钩。
这也是我来CDA之前比较苦恼的地方。想要趁着年轻再学点技术,心里有底。而且大专嘛,确实学历比较低,很多工作连面试机会都没有。
学在CDA
我来CDA学习,选择的是面授班,这样能天天接触到老师和同学,不懂就当面请教。班主任还特意给我引荐了两位助教,阿涛老师经常在晚上给我开小灶,在这里也表达一下感谢。
助教冲哥也跟我讲解了该怎么学习、怎么看视频,又推荐了一些基础的入门书籍,给我增加了不少信心。后来还跟我聊起他年轻时候在高考受挫、大学奋斗、工作后辞职考研等经历,让我备受鼓舞,年轻的时候就该折腾,没有什么好怕的。
开始几天确实心里有些发怵,之前对数据分析接触少、基础也比较差,更是不知道将来应该选择什么就业方向。班主任露露了解到我的情况后,安排负责就业的佟老师跟我聊了几个小时,帮着分析我的特点、个性特长应该往哪个方向发展,也让我对数据分析这个行业和就业市场有了一个清晰的认识。
上课这两个月我觉得自己还挺拼的,几乎掉了一层皮。主要是基础太差了,再加上刚接触这块,现在我感觉基础还没有那么扎实,而且越学越觉得有好多内容要去恶补。好在现在慢慢入门,知道该怎么学了。
求职之路
咱们就业老师每周组织的线上老学员求职及工作分享会,我几乎一期不落,不过一直潜水、很少发言。在这个分享会上我获得了很多启发和指点,也希望咱们这个活动一直办下去。
找工作的经历比较痛苦,因为我的专业和学历都没有竞争力,所以投简历阶段基本就被淘汰了。那段时间我打了一阵零工,也跟咱们CDA的老师和同学保持着联系。一边挣钱养活自己,一边继续学习,给自己鼓劲。
后来听就业佟老师说有一个咱们CDA的老学员所在的公司招人,帮我安排了一个面试的机会。面试前几天,我让助教阿涛老师帮我把知识点系统地串了一下,还请佟老师给我针对性地做了一个模拟面试,最后又帮我优化了一遍简历。
坦白的说,面试的结果一般般,但我还是很荣幸地拿到了这次工作的机会。我在想他录取我的原因是什么呢?除了有校友这层关系,也许是我比较上进,人比较踏实,而且还比较年轻,可塑性强吧。
再回首
回首我的逆袭之路,我觉得下面三点非常重要:
1、 一定要找靠谱的培训机构
比如像CDA这样即专业、负责,又有温度的大家庭,能够让我们安全、快速地转换新的人生赛道。
2、 一定不要放弃自己
记得有碗毒鸡汤是这么说的:条条大路通罗马,而有人就出生在罗马。确实,人分三六九等,每个人的起点都不一样,如果我们就此认命,像现在流行的所谓“躺平”,那真是不用活了。我觉得年轻的时候还是要拼一把,这样老了才不后悔!
3、 一定要抓住每一次机会
比如我来CDA后一直跟老师和同学保持着联系,这是我进入数据分析行业的人脉和领路人啊。
比如求职的时候,很多同学说不考虑第三方外包公司、不考虑太初级的数据治理打标签、取数之类的工作,关键是你有这个资本挑三拣四吗?先把工作拿下来、先入行、先把自己的技术搞牛了再说嘛。
当然,现在的我还远没有成功,只能说开了一个好头,还要继续努力,不断夯实基础,争取在数据分析师这条路上越走越稳!
再次感谢CDA,还有我们校友大家庭,祝咱们都越来越好!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17