京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:Evan
本文为「心中有数」CDA征文作品
大家好,我叫Evan,想和大家分享一下我转行到数据行业的过程。
这篇文章也可以看成是我的一个总结,我主要会从转行的背景,过程,以及上岸的心路做个交流。
我先从我的基本情况说起,方便大家根据自身情况做下对比,对自己转行有个更清晰的了解。
我90后,普通本科,专业经济学。毕业后折腾了一两年,然后在一家制造企业做了四年的数据相关的工作。
这里补充下,所在公司是一家制造企业,对数据需求量不是很大.环境相对闭塞。每天基本上是公司-班车-宿舍,做的工作主要EXCEL处理,另外还有大量的行政事项。
目前,我刚刚上岸,在一家化妆品公司从事数据相关的工作。
以上这是我基本的情况,接下来我会说下我是怎么转型的。
1. 离职的原因
我在上个公司工作了四年,离开时做了颇多的心理斗争。
仔细理理,离职的原因有三个:
2. 与数据结缘
在上个公司工作第三年的时候,我开始考虑转行。
在此期间,我从网络上开始了解到与数据分析的工作。随着了解的深入,考虑到工作中有数据的经历和数据行业的未来,我开始决定转行到数据分析的工作。
经过短暂的比较,我报了CDA数据分析的课程。选择的原因也比较简单: 成立时间长,口碑不错。我当初报的是远程班,课程是数据分析一级和二级的课程,学习的内容很多,EXCEL、POWER BI、SQL、统计学、SPSS和PYTHON... 周末上课,前后大概半年的时间。
3. 离职备战
在上完课半年后,我下定决心离职备战。
下班后,我的学习动力不是很强,总是按耐不住玩手机的欲望,大量的时间被消耗掉。反反复复过了几个月,我觉得还是得逼逼自己,就离职了。
4. 学习过程
从离职到上岸,我前后用了四个月的时间。我想从学习方向确定,情绪梳理和与数据相关的朋友沟通这三个方向来细说下。
首先是,从事数据分析需要掌握很多的技能和工具。常用的的工具有:excel、sql、power bi、python等。知识上需要懂相关行业背景和常用的数据分析方法等。掌握这些工具和技能从长远来看都是必须的。
从短期来说对于想要挑战又很大。掌握哪些工具以及掌握到什么程度,自己要提前做个规划。我当时备战的时候,觉得power bi很好,又认为统计学很重要,Python爬虫很有用,结果自己纠结来,纠结去,啥也没学,浪费了很多的时间。
在此期间我看了很多的招聘需求,发现很多要求是SQL和Python。到此为止,我在学习上有了基本方向,主攻SQL查询和PythonN数据处理。
学习技巧上网上很多,我觉得老师说的很对,就四个多:多看,多学,多敲,多问。
做到了这四个多,软件掌握程度必然会很高。除此之外,我认为再加一个多,多输。把自己练习过的案例或者学习过程分享到网上,一来方便自己回看,二来为将来求职提供支撑和帮助。
在备战的过程中,我觉得情绪的管理会很重要。
转行是一场未知的旅程,我们每天看到有限的弹药在消耗,又不知道什么时候会上岸,压力会超过很多预想。除了与人交流,自我对话也是很有的方法。自我对话会理清思绪,认识到自己的初心,强烈推荐试试。
学习的过程中难免遇到问题,除了自己网上查找资料,加入相关的社群求教也是很好的方法。在社群中多交流会学的很快,也能认识更多的同伴,了解更多数据相关的事情。基于此,我很推荐在群里交流和学习。
03、上岸
我是在家学习两个月后开始找的工作。
刚开始不是很顺利。后来自己做了些总结,主要三点:
以上就是我的分享,希望能对大家有所启发。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10