京公网安备 11010802034615号
经营许可证编号:京B2-20210330
我是如何走上数据分析之路的丨CDA学员分享
上周末,有幸受邀参加CDA广州校区的一个沙龙活动。
此次活动邀请了三位往期学员,与正在CDA实习的一群大学生交流在CDA的学习经历及工作后的感想。
我是第二个发言,本来是让我简单写几页PPT的,但周末因工作原因,来不及准备。
还好在我前面讲的同学,讲了一个多小时,我边听他讲,边在思考我要讲的内容,当然来之前,已经是有了初步构思,最后确定讲四部分内容,听上去内容好像很多,其实并不多,讲完我看了时间,应该是不超过十五分钟。比较遗憾,这次准备得不够充分,如果以后还有机会,我一定会做好充分的准备。以下是我在交流时主要讲的内容。
01
首先是介绍我的工作经历,及为什么会走上数据分析之路,中间又是因何参加CDA的脱产学习。
从11年毕业到今年,七年时间,前两年还是在探索的过程,从事一些比较基础的工作,俗称打杂,到14年开始接触数据分析工作,三年的时间基本将一个岗位的工作做到滚瓜烂熟,经常不到半天就完成了一天的工作,剩下的时间都是自己的,这样的状态持续了一段时间,后来发现如果一直这样轻松,那我早晚有一天会被淘汰,说直接点,想加薪、升职,或者跳槽找一份待遇更好的工作,难度不小,毫无疑问,我的职业生涯进入了一个瓶颈期。
16年底离开了上上家公司,当时找工作可以说不太顺利,有各方面原因,当然主要还是自己能力上还比较欠缺,面试时少不了被鄙视。
最后进了上一家公司,工作不久,我自己是不太满意的,那时是17年初,当时了解到CDA在深圳有一个培训,是在下半年,我心里就想,上半年还是安心工作,6月份之后就去参加脱产学习。
回忆往昔,从去年7月8日离开广州,到深圳学习,距今将近一年,10月14日答辩完回到广州,三个月的时候一晃而过,我可以自豪的说,在深圳的三个月我没有虚度,每天都在学习新的知识,晚上或者在教室,或者回到住的地方继续学习、复习,这三个月还能保持打球、跑步。
课间我是经常请教老师问题,与其他同学交流学习心得,并且也在思考,学的知识、技能,哪些是可以在工作中运用的,能够从更高的角度认识、总结我过去几年做的工作。10月中旬回到广州,开始找工作,这次就非常顺利,我是我们那期最先拿到offer的,薪资待遇、工作内容基本符合我的预期,我就没有挑三拣四,毕竟,居“大”不易,还是要养活自己。
以上是对我的数据分析职业生涯的一个简单回顾。
02
第二部分是讲我在工作中的心得体会,主要讲了三点。
第一,要保持不断学习的心态,尤其是在这个飞速变化的时代,从大的方面来说,共享经济、共享单车的火热,也就是近两三年的事,现在流行的东西、热门的东西,两三年后还会这么热门吗,谁也不敢保证。
我举了两个例子来说明,上个月结束了又一年的高考,最近开始填报志愿,朋友的亲戚高三毕业,闲聊中谈到,弟弟妹妹、堂弟堂妹如果问到报什么专业、选什么学校,我们作为过来人应该如何给出建议,我的看法是现在热门的专业,三四年还会是热门吗,谁也说不准,毕业后很多同学从事的工作与所学专业关联并不大,这是一个例子。
另外我还以我们在数据分析中所使用的工具为例,当下最热门的工具是Python,而前几年首选是R,再早之前SPSS也流行过一段时间,工具不断推陈出新,作为一名数据分析师,需要持续更新自己的技能,如果只掌握一种工具,个人认为是不够的,理想情形是熟练掌握其中一种,同时对其他工具也要有所涉猎,有时候工作中只用一种工具还不足以解决问题,掌握多种工具意味着可以从不同的角度对结果进行验证。
第二,要有自己的目标,有自己的节奏。第一位学员在讲的时候,有同学提到数据分析师薪酬问题,我们可能更多时候看到别人如何风光、体面,拿高薪,但别人在背后的努力我们又知道多少?
我的看法是与其把眼光放在别人身上,不如把眼光聚焦在自己身上,如果我通过自己的努力,每年都有进步,都有加薪,我觉得就很不错了,不要去跟别人比较,比较的标杆应该是过去的自己,朝着自己设定的目标去努力。
要知道、了解自己所在行业、领域内优秀的人物,以他们为榜样,激励自己不断进取,而不是去比较我的某某同学又买车、买房,在我看来一味的攀比车子、房子,是完全没有意义的。眼光既要向外,更要向内,要问问自己想要的是什么,尽量少受外界的影响。
我说这些都很容易,但要做到却是非常难,如果你在思考之后,不管是物质上,还是精神上的追求,都是值得去追求的。
第三,多总结、多思考。这点是今年以来在我的文章中反复提到的,做完一件事,要去总结、复盘,哪些做得好的,哪些要继续改善的,工作上才会更精进,所谓的经验就是一步步总结而来的。
以上三点是我讲的第二部分内容。
03
第三部分主要是通过一个案例,介绍数据分析职位的具体工作内容。
案例是我上两个月做的一个专题分析,输出完分析报告后,我专门做了总结,从接到需求,与业务人员沟通,然后提单、取数,又要与技术人员沟通,取数之后是数据处理工作,数据清洗后,做分析,写报告,把整套流程记录下来,回应了我在第二部分中提到的多总结。
以上每个环节都计算出消耗的时间,如果下次继续做类似的需求,那我就知道哪个环节需要重点关注、推动,做一个专题分析大概需要的时间。
这样的文档,如果有其他同事接手,也有参考价值。
04
第四部分讲了我近期对数据分析职位的思考,及我自己的职业规划。
去年我在CDA学习还是第十二期,马上要开班的是第三十二期,一年时间增加了二十期,每年都有一大批应届毕业生进入就业市场。
虽然现在数据分析很热门,统计学、数学、计算机等专业的学生都能做数据分析工作,而且越是热门的地方,越能吸引更多的人,若干年后行业对数据分析人才的需求达到饱和,作为有一定工作年限的在职人士,相比职场新人的竞争力在哪里,壁垒、护城河在哪里,假如公司要降低成本、减员,毫无疑问,最先受到影响的就是薪资高的职员。
假如某一天真的遇到这种情况,我该如何应对,这是我最近在思考的问题。
如果我在三年前、五年前就开始准备,即使真的有这一天,那个时候,我相信我能够从容面对。今年以来,我开始写一些数据分析相关的文章,包括技术、技巧类,也有我在工作中的思考、总结,以后如果我不在企业从事数据分析工作,我是不是可以到培训机构担任培训讲师,比如说CDA如果招讲师,作为有企业背景,又具备一定演讲能力,转型成功的可能性自然会更高。
除了在培训机构担任讲师,如果企业有数据分析培训的需求,以我的能力是不是可以承接此类需求,以上提到的都是未来我可以做的事情,现阶段我认为部分的事情我也能做到。
当然目前来说我还是会继续深耕数据分析方向的工作,海量数据处理、数据可视化,如何将在CDA所学的知识、技能运用到工作中,对我来说,都是有继续提高的空间。未来有机会的话,我希望是可以往数据挖掘、数据建模方向发展。
分享完后,在场的老师向我提了一个问题,我在最后一部分提到转型的问题,老师问我是不是对数据分析职位不看好。并非如此。我个人还是非常看好数据分析职位,这个职位能做的事情可大可小,往小了说,做报表,出日报、周报、月报等,是数据分析职位的工作范畴,往大了说,机器学习、深度学习、人工技能涉及到的基础也可以归到数据分析。我的思考只是做一个最不理想的打算,也可能是杞人忧天。
以上就是我在那天活动上分享的内容,希望以后有机会与更多的朋友进行交流、学习。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31