
数据分析是如何改变了我的职业轨迹
三月份刚来上海参加CDA的数据分析就业班培训时,我没想到这次选择将会改变我未来的职业轨迹。
其实数据分析或数据挖掘这一行真正火起来是从17年开始的,那个时候市场上这方面的人才还是比较紧缺的,但相应的岗位也比较少,关于这方面的学习社区也大多从17年开始活跃起来。到了18年,市场上各种数据分析的培训班已经如雨后春笋般地开设了。
考研失利后我一直在寻找新的方向,这次失利一度让我很沮丧,更让我思考是否还有必要再去这样坚持。经济学中机会成本这个概念我很熟悉,毕竟考的就是西方经济学。如今这个时代发展地很快,你必须要清楚现在整个就业市场的状况和未来几年的趋势,选错了行业会让人付出更大的代价。
我一直在从各种渠道上了解现在的就业市场,偶然的机会我从经管之家上了解到了CDA数据分析师。经管之家(原人大经济论坛),考经管类专业的学生大多都熟悉这个平台,我也觉得是比较靠谱的。
在经过多方对比并与家人商量后,我决定去上海脱产参加数据分析就业班,一方面是想出去散散心,摆脱失利后地失落感,另一方面也是真地想系统地学习数据分析,想在数据分析方向上开启我的职业生涯,而这个行业在我看来是比较有潜力的。
三个月的学习生活是非常充实而有挑战性的,给我们上课的老师大多是有相当多的教学经验的,而且线下班更能方便与老师面对面地交流,及时解决课堂上的疑难问题。课程设计的范围很广,从Excel、SQL、SPSS到Python、R这些应用的软件都会涉及到,另外还有统计学及数据挖掘算法这些偏理论的知识。
除了白天这几个小时的上课时间外,助教老师还让我们分成几个学习小组。小组成员们可以一起学习,一起监督。我们小组的人比较好学,大家都是白天上完课后晚上留下来自习到十点钟才走,基本上也是那栋楼最后走的一批人。到了周末的时候,我们几个同学组团去社区的图书馆继续学习,不断巩固知识。我们很清楚,现在多学一点,多拼一点,这是对自己的未来负责。大家都是成年人,都能看到做一件事的利弊。
学习这件事只有自己主动去学,去实践、去思考才能转化成自己的东西,才能提高自身的能力,老师不过是辅助的,帮你指点一下学习的方向,让我们少走弯路。而且一定不能有我报了班就一定能找到工作的想法,这一切都取决于你自己,你未来的道路是从现在一步步地走出来的。一旦从心理上能够全情投入,专心于学习专业知识,那一切阻碍都不是问题。
学习过程中可以加几个关于数据分析方面的优质群,多搜集一些资料,然后马上行动。另外,学习要有侧重点和主动意识,老师在课堂上讲述的肯定不是那么全面,你要在课下去找资料,去找项目。
Kaggle 上的数据分析入门项目可以尝试着去做,去学习一些大牛开源的kernels。知乎上也有很多人转行数据分析,有一些优质的专栏可以关注,通过学习别人的长处与总结的东西来不断完善自身的知识体系。这样就不会觉得没有方向和迷茫。你会更加坚定自己的信心,看看有这么多人也是转行的,大家都这么努力,我也不能落下。
三个月的培训过得很快,到了末期大家也都把注意力转向了就业上。学校给安排了就业老师来指导我们修改自身的简历,提高通过筛选的几率,还教授了面试的礼仪与技巧,提高通过面试的几率。除了在各大招聘网站上投简历外,学校的老师还提供了就业的推荐机会。
我也是比较幸运,通过老师的推荐获得了某互联网金融公司的面试机会,之后在面试的过程中发挥地还算可以,顺利入职到该公司。之后从事风险数据分析这个职位,达到了我的心里预期,我对公司的工作环境和工作内容也比较认可,可以说是功夫不负有心人吧。当然,进入公司后需要学习的东西也很多,包括一些没有接触过的技术和很多业务方面的知识。我现在也是在努力适应公司的节奏,继续学习提高自身的能力。
我一直相信天道酬勤,功不唐捐。选择数据分析这一行我不会后悔,也会更坚定地走下去,迎来我人生的下一个篇章。我也会感谢CDA能提供这样一个学习的平台,帮助更多人了解数据分析这一行,帮助更多人开启他们关于数据行业的职业生涯
掌握CDA考试第一手资讯:
扫描二维码,关注CDA考试中心服务号
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08