
北京CDA数据分析就业班50期学员
姓名:车同学
毕业院校:厦门大学嘉庚学院
专业:信息与计算科学
入职信息:法本外派阿里,数据分析师,杭州
就业感言:
一、关于学习
首先要理解一个很大的误区,很多时候你会觉得为什么同样新的东西,你和其他人都只学了一天,而别人比你掌握的好,举个例子,玩游戏总是玩adc的人,他在熟悉了一个adc以后,玩其他的adc上手也会很快,这就是技能树效应,其他人的工作经历或者学习经历,可能在数据分析的某个知识方面有加成,所以会接受的比较好。并且人学习的过程是大脑建立新的神经突触的过程,一天两天学不会很正常,因为你的突触还没有长出来。别人也不过是之前经过类似的训练突触长的比你快而已。结论就是完全关注自己,不要理会其他人,也不要受其他人的影响。
excel和sql是立身的根本,不论你从事数据分析的什么领域和职位,请学好这两个技能,看清楚是不论什么领域和职位,你都必须会精通excel。
3个月看似时间很长,其实分配给每一块的量真的很少,所以循环的去复习是最重要的,并且在开始学之前就要对自己从事的方向有个梗概,在不断的学习当中,逐渐确定自己以后的从事方向。 总结起来每天看一小时,比一天看7个小时效果要好很多。
笔者本身也比较菜学习上没有特别给大家的建议,总结起来3个月每天早上7点第一个来,晚11点最后一波走。
重复是最好的学习方法没有之一。
持之以恒,3个月只是一个开始。
不要妄图把别人五六年的知识全部在三个月内学会,有侧重,有主攻方向。
算法不懂,不要紧,假设你只弄明白了一个逻辑回归,那么恭喜你你可以在很多公司混的很好。
在精不在多。
二、关于工作
找工作总结起来四个字,'时也命也'。
面试得时候一定要自信心爆棚。
对自己未来一定要有规划和计划,面试管一定会问。
对自己写在简历上的每一个字都要扣的很细。因为你的简历就是你面试时候的考卷。
举例子:
问:你sql语句水平如何?
答:我能解决所有我能遇见的sql问题。 (这里的重点在我能遇见的,不在我能解决)
基础,基础,基础是最重要的,请把马老师和李奇老师的sql课反复听5遍以上。这条请你务必做到。
举例子:
sql中
Select from where group by order by having 的逻辑顺序是什么?
三、最后关于感想和感悟
人生路是一段很长的路,有的人20岁当了ceo但是25岁就破产了
有的人50岁当ceo却一直当到70岁。
时间的很长,别妄自菲薄,也别狂妄自大,别觉得bat就很厉害,也别认为自己非常nb。
三人行,必有我师,每个人都有我们值得学习的地方。
唯一需要敬畏的是知识。
如果有来杭州就业的小伙伴(小姐姐)可以联系我,非常乐意为你解答问题。
Vx:81541595
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13