京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:Leo
本文为「心中有数」CDA征文作品
过往的经历比较复杂,感觉没有必要在心事重重的讲一遍,先谈谈为什么学习数据分析。
人到中年,深刻的感受到社会对于大龄人士的刻薄,原有的工作经历对于自己并不是一种加持,每天面对重复性的工作,找不到稳步上升的空间,但是面对生活的压力和对未来的深深焦虑。
于是,我想到了学一门随时间能够给我进行加持的技能,但是本身对于原有专业领域这方面的工作并不了解,而且岁月不饶人,盲目的尝试可能会让我万劫不复,于是试图在网上寻找答案,一开始找到了几家培训公司,每个都给与了很多适合我的建议,尤其是年龄,最终得出的结论就是数据分析对于我的年龄和要求都相对友好,于是本着对机构本能的警惕,我还是去到知乎查看了一些客观的评价,负面情况比较多的机构我只能跳过,最后在反复筛选过后,我选择了CDA数据分析师,我会把我所有的亲身经历分享给大家,让所有迷茫的人找到自己的未来。
01、选择CDA的原因:
也许你在知乎上面看到有大神,自学了3个星期就找到了数据分析岗。我只想说,我自己不是那样的大神。我需要最为直接的且高质量的输入,这样能够让我在一种略带强制的环境下吸收我需要的内容,我选择学习机构时会考虑以下几点,仅供参考:
1. 首先要有比较好的声誉
主要是通过第三方平台,尽量多看几个帖子。也并不是一定有负面就不好,而是你要看别人对具体问题的陈述。
像我们关注的无非就是授课质量和最后找工作的情况,你只要看看这些方面评价如何,
2. 学制时间长短
目前多数机构的培训时间都是4-5个月甚至6个月,一开始我觉得这个时间实在太久了,生活费和学费恐怕都是一笔不小的开支。
我在初步筛选过后,感觉CDA信誉还不错,而且学制也就只有2-3个月,这样学费和生活费都比其他机构要少很多,于是这个也是我选择的一个理由。
其实长学制的也是有好处的,那就是你的技术会一步到位,至少择业范围会宽很多,学完初级,你的工具水平只到了power bi, excel, sql, python的数据处理三大模块, 而当你看到很多工作都要你有tableau,数据挖掘,数据建模,大数据分析能力,hive....等等技术的时候, 你真是恨不得自己在多学几个月。
不过我自己还是深度怀疑,即使学了这些,也忘了一大半了,再去面试或者工作的时候是否能够真的应对自如?
这个问题仁者见仁智者见智吧,在一个足够宽容得公司去进行边工作边学习也未必不是个好的选项。
最后,我为了早点开始找工作,选择了只上初级脱产课程。另外的一个考虑因素,就是如果我觉得这个不适合我,早点找其他出路也来得及。
3. 专业度
纵观各大培训机构,很多都是计算机各个行业都有所涉及,唯独CDA专攻数据分析,而且还是有等级证书可以报考,也许你看过一些文章都说证书用处不大,但是从我和同学后来找工作的经历来看,证书更能证明你的学习能力和对技能掌握的程度。
02、培训历程:
1. 学习强度:
工作这么多年从来没想过,还会有类似高考那样的高强度学习。
在CDA培训的三个月,可以说是高强度高效率,放弃一切非必要时间的学习过程,因为每天课程的内容至少要花1-2小时复习理解。
在这里我强烈建议想去学习的同学,要善于使用网络记事本,因为可以截图,讲一些具体操作,可以明确标注,在今后的学习和工作中都能够帮助你更快的去复习和提取知识点。
整个课程阶段我都是用的onenote2016,但是发现它的关键词查找相关内容不太灵验,我建议可以使用有道在线记事本,来做图文保存,最主要它可以将你的笔记以pdf形式输出。
我的部分笔记内容
2. 学习效果:
整个学习体验我个人感觉还是很完美的,学不会只能说你自己不够勤奋,老师的讲课方式都是通过案例和理论相结合,每个案例都会充分调动你的思考和业务,以致于后续很多技能感觉已经内化到我自己的能力中了。
当然每个老师的特点都不一样,班里面大神也很多,好多时候也有挫败感,我自己到底能不能搞这个,不过最后还是选择了坚持。从最后结果来看,我还是算中上的。
对于学习,我唯一的建议就是一定要排除杂念,全身心的投入其中,笔记也是要做好的,因为你会发现面试和找工作,或者考取cda的等级证书,直接对着笔记复习有多么高效,返回去再看视频真的很累。
3. 找工作历程:
这个是所有人都最最关心的部分,无论你学的好坏多少,如果找不到工作,一切都是没有意义的。
CDA培训在这方面也提供了一些内推机会和面试指导,但是我个人感觉,对于履历比较平稳或者有迭代加持的同学或者是年龄较小应届生,这个指导足够帮助你找到心仪的工作。
但是如果你的履历或者条件不是那么突出,你可能需要对自己的简历进行更进一步的的提升,和个人亮点的挖掘,最好可以通过专业的人士帮你进行修改。
我一开始其实是很没有自信的,相信我的履历都能找到相关工作,那么很多同学应该都不成问题,为了让自己的简历比较突出,我在上课的同时,利用所有业余时间拼命备考CDA分析师一级考试,两周时间终于拿到了这个证书,同时为了让简历中的工具更具亮点,我还学习了tableau和sas,后来因为想先试试找工作,也就没有再继续了。
最后开始了真刀真枪的找工作环节。
没想到简历优化以后,我自己投了一些公司,别人打开看了以后,然后就没下文了,但是我还是拿到了几个面试,包括电话和现场,其中有便利蜂这样的大厂,虽然真的不是很喜欢面试中挖根问底的交流方式,我还是硬着头皮给别人讲了讲。最后有一个金融公司给我offer, 本来hr不愿意给的,但是我的直接领导对我比较满意,最终还是如愿拿到了offer, 班里同学多数都找到了工作,相信只要你认真,没有什么是不可以的。
总结:
之前认识一个佛学的老师,她对星云大师特别崇拜,她给我最大的提示就是要乐于助人,忘掉自我,打磨自己。
那么上完课我也在这里给大家一些中肯的建议,至少是我所有经历到现在的一些感悟,如果你的自学能力很强,那么你并不需要一定去培训机构,B站也有一些比较好的up主你可以多看看,但是自学唯一不好的一点就是要有强大的自控力。我最后就是对自己的自控和自学体验没信心,就去了培训机构,整个体验还是比较顺畅的,希望对你有帮助。
作者:Leo CDA持证人
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 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