京公网安备 11010802034615号
经营许可证编号:京B2-20210330
北京CDA数据分析就业班50期学员
姓名kmell:庞同学
毕业院校:北京工业大学
专业:信息管理与信息系统
入职信息:玖富集团,数据分析师,北京
就业感言:
一、学习阶段:(远程版)
由于一些个人原因选择了远程学习的方式,较现场学习而言,从学习的态度和方法上都有很多不同之处。
首先,远程学习需要较强的自控力和持之以恒的耐心,并不会有人严格监督你的打卡和听课质量,所以在了解自身情况的基础上去选择适合自己的方式才是一个好的开端(自控力不足的小伙伴建议果断现场学习,理想很丰满现实很骨感)。持之以恒的耐心在于三个月的学习对我们来说并不是一个很短的周期,在整个学习的过程中,各模块知识点对你来说可能有难有易,有感兴趣的也有不太关注的,那么就需要去平衡他们,找到良性循环的方式:最基本的要保证听课的完整,因为无论哪部分内容总有你不太了解的知识点,先保证漏斗的开口足够大,才能为最终吸收的知识奠定基础;接下来要明确哪些内容是你的核心需求,因为人的精力都是有限的,不可能一上来就把方方面面学到极致,在学习前我们都应该明确自己的目的和目标,课程内容的设置也都能提前了解到,对于你的目标工作岗位的核心技术要求就是需要你重点关注的,那么无论难易都要花更多的时间精力去学习和练习,这些内容具体的排期你也要了解以便提前准备不受其他各种因素影响,比如SQL,统计知识等(像python和机器学习就要看每个人具体的目标岗位的设定了);三个月下来,我们并不需要保持每天时刻的高率学习(当然我们也做不到),而是应该有的放矢,劳逸结合,达到事半功倍的学习效果,这样也有助于我们保有持之以恒的耐心。
其次,学习方法上我使用三种模式(但对于远程小伙伴而已,保证这些模式效率的前提是你手边最好准备两台电脑,一台直播课程,一台跟着操作以及记录):
1. 对于熟悉或容易的知识点,上课用xmind做笔记,建立知识框架,紧跟课程节奏,熟悉的知识点简要记录,重要以及易忘的可以突出标记,课后根据框架梳理一遍并补全课上没记全的内容,例题和作业自己都再单独完成一遍,确保思虑清晰完整。
2. 对于不太熟悉且重点模块的知识,最好提前预习,不然上课就是完全懵(至少可以把涉及到的一些基本概念先理解一遍),上课遇到难点不理解的可以先记录之后找机会询问,尽量在当天多理解多记录多询问,还可以课间/晚自习讨论或上网搜一些资料答疑解惑,因为录播一般都是第二天课后才更新,当天课程如果落下太多可能会影响第二天的听课效果。但看录播复习也是重要一环,在整个课程的学习中,我对于不熟悉的知识点通常都会在后期观看2-3遍录播视频,每多学习后面的一部分知识再回过来复习前面的内容都会有新的认知理解和收获,同时对于知识点之间的连接也非常有帮助。
3. 对于知识的运用是我们学习的最终目的,所有的理论知识也都是为了支持实践,第三个模式贯穿整个学习过程,就是建立一个练习文件夹,像SQL,Python可以搜罗一些练习题来熟悉命令操作等。其他模块可以利用网上的数据或自己工作上的数据甚至是老师提供的练习数据,去作为一个分析项目来完成,从数据提取,清洗整理,描述性统计甚至建模做一些挖掘工作,到最终的数据可视化及数据分析结论报告的产出。项目输出的完整性既有助于我们把各部分知识整合起来,还锻炼了分析问题的思路,从中我们还会遇到很多实际问题,去解决,去优化,切身感受数据分析工作中的点滴(课程后期的案例和你自己学习过程中完成的一个个小项目都可以作为将来面试中的项目经历)。
二、就业阶段:
对于找工作的过程,我总结了几个关键点:
1. 准备要充分:如果说前面的三个月的学习都是纸上谈兵,那么找工作就开始真枪实干了,请拿好枪再上战场,不然一次次的失败可能会让你失去勇气和信心。简历和面试技巧在面试前老师都会协助我们做准备,但面试终究是要自己单打独斗,所有写在简历上的内容以及从面试时说出来的话,都必须是我们提前准备好且对答如流的,不然干脆就不要提及(这是亲身踩过的坑,不要给自己挖坑)。
2. 面试节奏和优先级安排:建议趁刚学完对知识比较熟悉的时候保持每天2个的面试量,岗位或公司不太满意的也不要一味拒绝,可以排在理想公司面试的前面,作为一个锻炼自我的机会,完善面试经验,为后续更好的发挥做铺垫。
3. 保持良好心态:心态为什么重要?如果你的能力不行,那么心态再好也没法通过面试,但是如果因为前期的失利导致自己心态崩了,不自信,破罐破摔不好好去准备后面的面试,那么那些本可以抓住的机会可能也就此错过了,导致陷入恶性循环,所以正视每一次的面试结果,总结问题。
最后,希望小小分享可以给小伙伴们带来一些帮助,也祝愿大家都能通过学习丰富自己,最终get到自己理想的工作
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27