
上海57期CDA数据分析就业班学员
毕业院校:德州学院
专业:光电应用技术
入职信息:环海学院,数据分析师,上海
来cda是前同事介绍,因为他就是从cda出去的,我为什么来呢,是因为之前的公司是创业公司,不幸解散了,所以又得重新找工作,那时候是元旦,一直到过年我都没有找工作,年后回来,想了想还是找和之前工作一样的吗,复制粘贴复制粘贴工作,完全不想去找,我就想起了,和我同部门的那个同事,数据分析,会的简直不是比我高一个lever,Python爬虫,机器建模,以前没了解到的那些好像他都会,然后就准备找他问问在哪里学的,他给我推荐了cda,问完就去校区报名了。
正式学习中,发现就连Excel也是能玩出花来的,功能非常强大,三个月的时间说实话很紧很紧,因为要学的东西实在是太多,完全消化也是很难的,有些公式知道就可以,不需要完全都背下来记住,记住关键字,主要用作什么,以后需要再去网上找都可以,学东西一定要抓住重点,全部抓的话,费精力,重要的也记不好,在课上一定要跟老师走,回放是用来温习的,不要以为有回放,课上就不认真听了,有些不懂的可以当场问,效果会更好。
课下一定要复习和预习,因为一天全是满课,讲的知识量很大,我们同学大多都是转行,之前并没有类似学习的经历,所以很多东西并不能当堂就理解并记住,晚上在校区上自习的话有些老师还在教室,可以及时问,及时解答,也可以问老师一些,目前行业内的问题,老师大多数也在其他公司就职或者有自己的公司,所以对目前行业内的见解和看法对于我们之后的就职也有很大帮助。
预习当然也很重要,报名后cda会给一些预习视频,是往期老师上课的一些视频,课前也串一串老师要讲的知识点,对哪些不明白的记一下,课上着重听。
关于就业,大家最关心的就是薪资了,我的薪资相对于其他同学,应该算是最低的,因为当时找工作时家人和我自己的想法就是先入行,薪资没那么重要,当然这样想现在认为也不是完全错,薪资当然越高越好了,看到高薪的同学也替他们开心的,我本人认为应聘时最重要的就是自信,面试前多做一些准备,把之前的工作经历试试结合数据分析应该怎样做,我来的这家公司虽然工资低,但这个氛围我是很喜欢的,因为我的直属领导是个很爱学习的人,并带着大家一起学,我刚入职的时候,他们正在学习数据分析,是整个部门包括策划,设计,运营,开发都在学数据分析,那时候的学习快接近尾声了,我就参加了后面的两到三课,每周会对这个学习做一个总结分享,最后毕业,他们以全优毕业,算是很不错的了,当时就是这种学习氛围感觉很喜欢,所以对高薪同学也会有些羡慕,但我觉得自己的运气也还算不错。
业务这方面,必须要了解,要不然分析出来的就只是简单的数据,我每天早上会去的早一些,和策划,开发聊一聊公司的业务,哪些因素会影响数据波动,一些客观因素也许对某一天的数据波动非常重要但可能是我们想不到的,刚开始看看以前的数据报表,对某周某月的数据变化,大致了解一下,感觉异常的就多问问同事,在别人不忙的情况下最好。
对于数据分析,本人认为很重要的就是数据分析思维,对于维度的拆解,在工作中遇到的问题大多也是按这种,还有就是不要有太大压力,因为大多的数据分析并不是你的一个分析结果直接导致公司的收益增减,起初先是做一个监控,有一定数据之后,可以做分群,比如薅羊毛客户,风险客户之类可能我到的是一个小公司,是这种模式吧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02