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随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21