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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19