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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07