京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | CDA就业班·毕业学员
我本科就读的是一个非临床类医学相关专业,在大四近一年的专业实习过程中意识到自己并不想在本专业领域内继续发展,彼时互联网行业发展如火如荼,随着各行各业的不断渗透交集,以及企业对专业人才需求的全面性越来越看重,我知道了并不是只有计算机专业才能进入互联网行业,像产品,运营,市场等等这些职位,其他专业都可以从实习生开始做起,逐渐学习再转行的。
最后还是因为本专业加上大药企实习经验,毕业后进入一家互联网医疗公司做销售,这就是我和数据结缘的开始。其实销售并不是大家想的那样,在路边向陌生人推销东西,互联网公司的销售对数据的依赖比我们想象的要大得多。提高销售人员拜访效率的秘密武器就是对庞大的客户群产生的数据进行分析,进行用户画像,从而有针对性的拜访,很多大公司的销售支持岗位明确要求有数据分析能力。
之后又去了一家生物技术公司,做用户运营相关工作,在此期间掌握了较多的用户体检,运营,产品相关的知识,这些知识的掌握对一个数据分析师也是必须的,我们做任何的数据必须和业务结合,对业务掌握的越好,才能恰当地应用数据分析产生的价值。同时我也为自己未来的发展感到迷茫,觉得自己没有掌握一个像样的技术。
这个时候我的一个前同事从CDA毕业,顺利找到工作,在一天的时间内,我了解数据分析行业,意识到自己在大学时期高等数学,统计学,数据库的课程学得都非常不错,数据分析其实在我近两年的销售,运营,用户体验的工作中一直有涉及到,另外近年来数据分析的发展前景非常之好,全世界的大学都在扩招数据专业的学生,当时立即就做出了辞职的决定。
在18年底开始了脱产学习,CDA的课程很紧凑,每天都很忙碌,课程循序渐进,由浅入深,从EXCEL学到PowerBI再到SQL,之后又复习了大学线性代数,微积分,统计学的内容,为后来难度更高的SPSS,PYTHON中的假设检验,算法,模型等的学习和理解奠定了基础。每一板块的课程结束后就会有相应的案例课,大家可不要忽视这些案例课,比如李奇老师的案例课,对数据分析思路的讲解就对我们后续找工作和实际工作中很有帮助。毕业答辩大家也要很重视,这是我们难得的做大型项目的机会,好好做,把每一个步骤搞清楚,理清数据分析思路,找工作的时候就靠它来出彩了。
三个月的学习时间过得很快,接下来就到了找工作的时候,刚才也说到了,我的毕业时间不长,但是工作经历较多,每段工作时间也都不超过一年,本科也不是统计,数学,计算机,信息技术等这些相关专业。尽管我在老师指导简历的基础上,又把自己的项目每一个步骤放到了知乎上,链接写在了简历里,开始的一周一个面试都没有,后来听了李老师的建议,继续修改了简历,改变了投递策略,第二周开始陆陆续续有了面试,陆续面试了十几家公司,有大有小,有互联网行业,咨询行业,传统行业,国企等,面试多了后,有些发现,大多数招聘单位都希望能找到和招聘岗位有相同或者类似工作经验的人,能马上上手的人,或者就是统计数学专业的人,不满足以上条件的同学,就比较难找到满意的工作。这也是一个考验心态的过程,不仅是耐心,还有对每次面试的思考,对自己的反思,同时最重要的是面试技巧。
除了就业老师课上介绍的面试技巧,还有一个技巧,我人为最重要的是,了解即将要面试的公司,了解它的业务,产品,模式,发展历程,融资情况等,重点是反复阅读招聘信息中的岗位要求和岗位职责的每个条款,确认自己能够满足每个条款中的要求,不能满足的,那就在面试前通过查阅资料或者看书去了解甚至掌握。我举一个例子,比如后天去面试一家电商公司,它家的岗位职责就是对电商数据处理和分析,假如我们之前并没有电商数据分析经验,这个时候就要去看李奇老师的电商案例,去网上搜一些电商数据分析常用的指标,在面试时适当引用,结合自己的项目举一反三。经历了多次失败后,我最终在一家互联网医疗公司找到了合适的职位。
仅仅找到工作还是数据分析之路的开始,不过在CDA这三个月学习,已经让我养成了下班后学习和遇到不懂得去找资料学习的的习惯,实际上在工作中遇到的困难更多,为了能顺利度过试用期,为了能在数据分析道路上走的更远,不断充实自己才是王道。
下面给大家介绍一下我的学习课程——CDA数据分析就业班,希望有致力于加入数据分析行业的朋友,可以和我一样,在CDA学习的这几个月里,不断增值自己,逐步开启人生新的方向,让我们都可以由此出发,走得越来越远,也发展得越来越好!
直达课程页面:
https://www.cda.cn/kecheng/6.html
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16