京公网安备 11010802034615号
经营许可证编号:京B2-20210330
我本科是统计学,毕业于西安工程大学,这是一所双非公办本科,非985,非211,在大学里,我曾经不止一次畅想过自己未来的第一份工作,但我无论如何也不会想到我能加入字节跳动这么伟大的公司。我为何能成功入职字节跳动,我觉得参加CDA培训,真的是我求职时候一个很大的助力跳板。
跟大多数同学一样,在大四的时候,我也对未来的工作比较迷茫,不知道走向何方。但是恰巧在这个时候,我遇到了CDA的校园宣讲,我觉得数据分析师的职业前景不错,我很有必要系统学习一下数据分析师需要掌握的知识和技能。我们统计学专业在学校学的东西都比较传统一点。像数据分析界比较流行的Python之类的,学校教的很浅。数据分析师的工作虽然跟我的统计学专业比较对口,但是我觉得我在学校学到的数据分析相关技能跟市场实际需要是有脱节的,这也是大多数大学专业的通病吧,于是我决定参加CDA的数据分析就业培训班。
学习真的是一件比较苦的事情。我记得我当时的班级编号是210628期就业班。那会儿,我是在西安分校区上课学习的,班里同一期的,西安总共有5名同学,全国大概有70多名同学。我们西安校区上的是直播课,是老师在总校面授并同时直播给分校学员的那种形式,也是在教室里上课,感觉上很接近于现场面授的形式。每天上午9点30~12点,下午时2点~5:30上课学习。按照Excel,Power BI,统计学,SQL,Python等5个知识模块进行学习。每一天都是干货满满,知识密集度很大。直播课结束后,还要做课后作业。每一两个周还要做一次阶段测试。而且助教对我们的管理也比较严格。我们有时候上课忍不住闲聊,打游戏,助教老师都会立即阻止我们,为此都惹得我们的助教小哥哥发飙了,但是也多亏有助教老师的监督,以我的自制力,如果没人监督,我很容易就放飞自我。三个月多月的课程,真的是硬着头皮挺下来的。特别是后面学到的Python机器学习方面的知识,真的很深奥,这些我在学校里都从来没有接触过。我和小伙伴们努力的研究,努力的吸收。最后三个多月的刻苦学习终于结束时,我还和小伙伴们一起K歌聚餐,放松了一下,真是既收获了知识也收获了友谊。
最后阶段的就业指导也非常重要。感谢就业老师对我的简历指导。我经过二十多次面试,最后有两个offer,一家是国家电网数据分析但是是外包公司。另一家是字节跳动。字节跳动简直真的太棒了,我果断选择去字节跳动。
我谈一谈我的字节跳动面试经历,给大家参考一下。我在BOSS直聘上给字节跳动投递了简历,第二天就有HR联系我,然后加了我的微信,他给我发了一份数据分析师的电子版面试题,让我24小时内发给他。面试题不算太难,考察了统计学,SQL,Python以及一些机器学习的知识,凭借我在CDA学到的知识和我探索解决问题的能力,我很快就把这些题全部都做好了,当天下午我就把答案整理好后发给了HR,然后过了2天,HR通知我1周后去公司参加二面,二面的话,第1,是面试官让先做自我介绍,这个大家事先准备好,建议时间控制在1分钟内,第2,是描述一个曾经做过的数据分析有关的项目,我就说了一个以前学过的数据分析项目,边说面试官会根据你说的内容进行提问,问的非常详细和下钻,所以准备这一块的时候,一定要把项目提前熟悉透彻,一定要提前模拟一下面试官可能会问的问题并构思好自己如何回答。说完这一块之后,面试官还问了如果我现在再来做这个项目,我会在哪些方面进行改善,这一点最好也提前构思一下。这一块大概说了二十多分钟。第3,问了我日常生活哪些软件用的比较多,我说了抖音和酷狗音乐,然后针对抖音提问了有没有什么觉得可以改进的地方,说了希望可以添加中视频板块。然后面试官继续追问,假设抖音添加了这个功能,如何衡量这个功能是否能为抖音带来一些收益。要明确阐述用什么指标来衡量,如何计算这些指标,怎么样确定新增用户或者收益是由于上线该功能而带来的。这一块大概说了20分钟。最后还有三面,三面问了很多统计学问题和一些机器学习算法问题,统计学我本身就比较熟悉,算法方面我在培训中也学习了很多,所以我都回答了,虽然有些问题回答的不太理想,我还以为最后要挂了,不过真的很幸运,最终我通过了字节跳动的面试,拿到了offer。
机会总是给那些有准备的人准备的。回想过去,从我开始学习CDA数据分析,当时是20年的6月,到现在转眼已经快两年了。再过几个月,我在字节跳动也要快两年了。我真的非常感谢自己那三个多月的刻苦学习。我能进入字节跳动,除了我自己通过参加CDA培训掌握数据分析技能以外,当然也有字节跳动在20年大力扩招的原因。但是我想,如果我没有去做这个大胆的决策,没有去学习CDA数据分析,字节跳动这个扩张机会来了,我也进不去。这就是机会总是给那些有准备的人准备的。所以学弟学妹们,你们加油努力学习数据分析知识,努力学习数据分析技能。只要你的技能扎实,当好机会来临,你们也能抓得住。相信有很多非985非211同学也想进入互联网大厂工作。我相信你们也可以跟我一样,通过这个数据分析技能获得进入到一线大厂工作的机会。还是刚才那句话,机会是给那些有准备的人准备的。我从没想过我去学习数据分析,就一定能进入到字节跳动等互联网大厂。我当时只是想多准备一些技能,以便可以把握住更好的机会。希望大家也抱着这个心态努力学习,多准备一些技能,你也就可以把握住更好的机会,因为机会一旦来临,你没有时间去准备技能的,你如果没有准备好技能,那谁也帮不了你。
最后感谢CDA,也感谢我选择了CDA并刻苦学习了三个多月CDA课程。课程的价值很高,现在我也不时的回顾一下录播课程。每次回顾我都有新的心得体会,相信学过的学弟学妹们也有类似的感受。最后祝福大家跟我一样,通过学习CDA的课程进入到数据分析领域,并在这个领域获得良好长远的职业发展和不断提升的薪资待遇。谢谢大家。
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在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07