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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27