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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21