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
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12