京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07