
北京CDA数据分析就业班50期学员
姓名:车同学
毕业院校:厦门大学嘉庚学院
专业:信息与计算科学
入职信息:法本外派阿里,数据分析师,杭州
就业感言:
一、关于学习
首先要理解一个很大的误区,很多时候你会觉得为什么同样新的东西,你和其他人都只学了一天,而别人比你掌握的好,举个例子,玩游戏总是玩adc的人,他在熟悉了一个adc以后,玩其他的adc上手也会很快,这就是技能树效应,其他人的工作经历或者学习经历,可能在数据分析的某个知识方面有加成,所以会接受的比较好。并且人学习的过程是大脑建立新的神经突触的过程,一天两天学不会很正常,因为你的突触还没有长出来。别人也不过是之前经过类似的训练突触长的比你快而已。结论就是完全关注自己,不要理会其他人,也不要受其他人的影响。
excel和sql是立身的根本,不论你从事数据分析的什么领域和职位,请学好这两个技能,看清楚是不论什么领域和职位,你都必须会精通excel。
3个月看似时间很长,其实分配给每一块的量真的很少,所以循环的去复习是最重要的,并且在开始学之前就要对自己从事的方向有个梗概,在不断的学习当中,逐渐确定自己以后的从事方向。 总结起来每天看一小时,比一天看7个小时效果要好很多。
笔者本身也比较菜学习上没有特别给大家的建议,总结起来3个月每天早上7点第一个来,晚11点最后一波走。
重复是最好的学习方法没有之一。
持之以恒,3个月只是一个开始。
不要妄图把别人五六年的知识全部在三个月内学会,有侧重,有主攻方向。
算法不懂,不要紧,假设你只弄明白了一个逻辑回归,那么恭喜你你可以在很多公司混的很好。
在精不在多。
二、关于工作
找工作总结起来四个字,'时也命也'。
面试得时候一定要自信心爆棚。
对自己未来一定要有规划和计划,面试管一定会问。
对自己写在简历上的每一个字都要扣的很细。因为你的简历就是你面试时候的考卷。
举例子:
问:你sql语句水平如何?
答:我能解决所有我能遇见的sql问题。 (这里的重点在我能遇见的,不在我能解决)
基础,基础,基础是最重要的,请把马老师和李奇老师的sql课反复听5遍以上。这条请你务必做到。
举例子:
sql中
Select from where group by order by having 的逻辑顺序是什么?
三、最后关于感想和感悟
人生路是一段很长的路,有的人20岁当了ceo但是25岁就破产了
有的人50岁当ceo却一直当到70岁。
时间的很长,别妄自菲薄,也别狂妄自大,别觉得bat就很厉害,也别认为自己非常nb。
三人行,必有我师,每个人都有我们值得学习的地方。
唯一需要敬畏的是知识。
如果有来杭州就业的小伙伴(小姐姐)可以联系我,非常乐意为你解答问题。
Vx:81541595
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03