
编辑:Mika
大家好,我是来自CDA就业班的学员。今天打算跟大家分享一下我个人的求职经验,希望能给大家有一些帮助。
30岁跨行求职的困境
在求职过程中,我面临的有两个问题,一个是年龄上偏大,我现在30多岁。还有一点是我是跨行跨专业求职,打算入职数据分析行业。下面就针对我的个人情况,跟大家分享一下我的应对方法。
首先我在CDA学习了将近三个月,主要学到的内容有 Excel、SQL、Power BI、Python等,现在我主要从事的工作内容就是 Python数据分析,爬虫等方面。
总体而言的话,我觉得自己会的数据分析技能还不够。在刚参加工作那会儿真的很捉襟见肘。
在 Excel方面我个人认为,在学习数据分析相关内容的前提下,最好熟练掌握一些 Excel常见的快捷操作。这样在工作时就能更得心应手一些。
如今工作的场合相对会有一些内卷,对职场人的技能要求比较多。我刚去的时候,因为很多 Excel的操作经常干到很晚,当时我就想如果最初能多学习一些Python办公自动化的内容就好了,那么可能只需一两个小时就能迅速帮我搞定很多问题了。
因此可见,在数据分析基础岗位的日常工作中,能熟练使用Excel和Python有多重要。
从更高的目标来看,我们可以看到如今很多数据分析工作的招聘要求。当中除了像大数据很多相关的技能,还有包括算法、线性代数方面的技能。这类技能很难通过两三个月的学习就掌握,往往需要更多的时间学习以及实战应用。
因此这也是为什么我不太建议大家着急去找工作,工作后你可能80%的时间都被工作占用了,再想进行个人提升的话,就会比较难。而你如果一直在这样的一个恶性循环走下去的话,很有可能你的从业生涯也边缘化,甚至就有一定的危险。
目前我个人而言,在Python除了机器学习,还有网络编程这一块我可能不太行,但是像数据分析、爬虫等一些基本的技能掌握得还行。因此平时自己也会去做一些副业,帮别人写些代码。
在期间我也接触到了一些相关专业的学生,他们很多是来自大数据方向,还有人工智能方向的。据我了解,他们在学校中的课程设置方面,这也是如今很多从事编程工作人群的通感,学校中学的东西很多,全面性是有的,但是深度不够。包括人工智能、大数据、 Java等内容的知识体系是非常丰满的,但是总体而言深度有所欠缺。当然话又说回来,这类相关专业的同学要比我们这类转行人群优势大很多。
因此我的建议就是,如果你想转行数据分析行业,不要着急找工作,要多多提升自己的技能,同时工作后也不要放松个人技能的提升,总之要不断地学习。
值得深化的技能点
工作中,我感觉以下这些技能点是需要重点深化的。
在Excel方面,除了数据分析相关的内容,比如说像透视表,数据转化等基础操作,以及函数使用等方面都需要重点掌握,还要尽可能熟悉各种应用场景。
在SQL方面,我当时把网上的题基本都刷了一遍。现在很多工作对SQL的要求还是很高的,建议大家把SQL大数据相关的内容多多学习一下。
接着讲讲 Python。目前我Python因为我现在用的比较多,工作中需要用到Python做数据爬虫等工作。我之后发现,一些工作仅仅用Excel已经不够用了,效率比较低。
因此我强迫着自己好好地学了一下办公自动化。学了以后我发现还真 “人生苦短,我用Python”这句话说的太到位了!有了 Python办公自动化这些工具后,我工作的效率大大提升了。
举个最简单的例子,比如说要做员工薪资的汇总数据。这里可能涉及到多个月多年的数据。这种大批量的内容是难以用手工处理的。这里如果用办公自动化就能节省大量的工作量。
对于数据分析,Python能够起到胶水一样的作用,不仅能连接Excel,还能连接SQL,以及各种数据渠道。提取出数据之后,还能进行全流程的分析。同时还能对所有的结果进行可视化展示。
如果你要从事可视化相关的工作,那么就要多掌握Power BI或者Tableau这类可视化工具,并熟练掌握当中的功能。
求职前,先确定自己擅长的方向
在找工作时,首先是明确自己的方向,就是看一下自己擅长的领域在哪里。
我个人比较擅长算法或者数学逻辑这一块。我毕竟没有相关的数据分析从业经历,因此在业务方面比较薄弱。所以对于我而言,我的一个强项或者优势可能就要往纯代码、纯算法这个方向去转。
区别于互联网行业,传统行业可能给你的发展空间没有那么大,但是好处就是比较稳定,而且迭代性也不强,没有特别多的替代性产生。互联网行业的好处在于发展空间很大,然后当中机会很多,缺点就是迭代性很大,流动性也比较强。
业务能力强,技术薄弱
如果你感觉自己的业务能力很强,但是技术方面比较薄弱。你其实就可以考虑走业务分析这一块,重点是从事可视化或者报表类。那么你在Excel以及可视化的技术方面就要多下一些功夫。
技术方面较强,业务能力不行
如果你觉得自己技术方面比较强,比如在代码或者算法方面这些比较强的话。我就强烈建议你不要急着去找工作,先把技术基础先打牢了,争取一步学到位。随着如今数字化经济的不断深入,在各行各业中数据分析技能也慢慢成为了职场必需品。
业务能力、技术能力双废
如果你业务也不行,技术上又是二把刀,你基本上就是游走在职场的边缘。如果说有技术相对全面的应届生来跟你竞争的话,你很快就落下马来了。而到那个时候你再去学再去折腾,可能就真的是有点晚了。
求职时,如何掌握主动权
下面聊聊找工作这个环节。首先,自己的主动性要比较强。
我当时求职时比较波折。我的简历一开始自己写的不是太好,一开始找工作也没有大面积投。之后我觉得这样不行,就认真琢磨该怎么写简历。
我得到的结论就是,简历上不要做简单的陈述。你在上面写的东西一定是自己独有的,不能说是大家都有的东西,你也没干成也往上写,这样是太能够去吸引到别人。
写的时候并不是简简单单的把履历放上去,要思考你跟别人的不同之处在哪儿。把自己做过的事情尽可能量化、具体化出来。
比如我之前做过什么项目,就可以写写我在这个项目当中起到什么样的作用,然后我遇到了什么样的问题,是通过什么方法来解决的,最终得到了什么样的结果。
求职中我们还要明确,找工作是双向选择。不是说别人给到你机会你就能拿到offer,你要能够给企业带来价值。
如今职场对于价值的定义是比较高的。你在做事情的时候就要能做到稳、准、狠这三点,这个才是标准的工作状态。
尤其是刚工作的时候,你肯定是要面临的各种挑战,全程只要你很主动的话,机会是不断的。因此只要你保持乐观,积极去改变,努力去学习,很多机会都不会错过的。
如果说你想从事技术方面,那么你要学会做笔记。
可以把自己平时学到知识点、细节都可以通过图文的方式放到自己的在线笔记里。那么在遇到一些问题时,都可以便捷地查询出来。甚至说可以在最短的时间内,以当时理解的角度复现出来。我觉得这个能力也很重要,尤其像搞开发、做代码方面,你不可能对所有的细节都记忆犹新的,因此必须是有能快捷提取知识的能力。
比如我现在很擅长Python、办公自动化、爬虫这块,这里面有很多细节我学过,但是一下拎不出来。不过只要你要提一个需求,我很快就能够找到解决的方法,这就能如虎添翼。
以上就是我全部的分享了,希望能对大家有所帮助。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28