CDA持证人Louis

CDA持证人基本情况

我大学是在一个二线城市的一所普通二本院校读的，专业是旅游管理，非计算机非统计学。毕业之前其实一直很迷茫，因为自己其实也不知道到底适不适合旅游行业，而且上学的时候没有认真搞过什么旅游的实习，基本毕业就是凉凉的节奏。

所幸毕业前，在和朋友的一次偶然交谈中，得知了数据分析这个职业，发现自己似乎比较感兴趣，当时也没有其他路可以选，就决定孤注一掷，all in 数据分析。没想到就是这个选择，后来改变了我的人生方向！在此也感谢一下那位朋友，人生确实是在于你能否做对几个关键的选择。

一、我是如何进入大厂的？

5年前刚毕业准备步入职场的时候，我投了很多大厂的简历，但大部分都石沉大海，没有任何回音。说实话，尽管结果在意料之中，但依然还是很失落。

其实原因大体能猜到，一是学历，二是专业，对于大厂数据分析师岗来说，计算机或统计学专业，重点本科及以上学历可以说是标配。对于普通的本科（非211/985）学历，可以说基本学历关都过不了。

好在我是个做事比较有毅力的人，哪怕受挫也并没有选择放弃。尽管学的并不是统计学和计算机学相关专业，但我一直在自学数据分析。简单来说，我主要做了以下几方面的准备：

1.确定数据分析方向

数据分析的定义很多，结合我个人对于数据分析的理解，数据分析师是指不同行业中，专门从业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。数据分析分为两种：

一种是偏技术型数据分析师

更接近于数据挖掘工程师、算法工程师、大数据工程师这种概念，一般来说是需要比较好的数据结构知识和算法知识，对于非计算机专业的同学，转型会有一定难度。其实一开始我考虑的是这种分析师，但在后面刷了几百道leetcode题之后，决定放弃这条路（太难了）。

另一种偏业务型数据分析师：

也是市面上岗位最多的数据分析师，这种分析师的门槛会相对比较低一点，但做不好的话，很有可能就变成报表分析师，提数分析师。不过毕竟门槛还是比较低的，对于想转型的同学，业务型数据分析师会更加友好一些。所以，我也选择了这个方向。

2.抓准岗位需求提升技能

业务型的数据分析，说白了其实就是哪个业务部门有需求就往哪跑，专门帮业务解决具体业务问题的。这个方向其实并不一定要求你技术有多强，关键的是要懂市场、有数据敏感度、会分析。

比如：

• 产品分析师：整天研究用户行为，帮产品优化体验，搞那些AB测试
• 运营分析师：天天盯着用户活跃度、留存率，研究怎么让用户更爱用产品
• 营销分析师：专门分析广告投放效果，研究哪个渠道性价比最高

既然岗位要求是要会分析，那么平常多看一些市场调研报告和行业数据分析报告，没事的时候自己也可以练手尝试去写下调研分析报告，这会在无形中使自己的分析能力得到极大提升。

3.简历

简历对于求职来说是最重要的敲门砖。一般来说，简历内容结构主要由6个方面构成：基本信息、学历信息、技能、项目、工作经历和其他附加信息等；

学历、技能、项目、工作经历可以调换顺序，主要原则为亮眼经历放在前展示，相对薄弱地方放在后面。对于学历不是特别亮眼的，建议平常一定要多一些相关领域的实习或者争取一些项目经验。

另外，专业也很重要。像我这种并不是科班出身的，就一定要在建立中罗列一些学过的和数据分析相关的专业课程，例如统计学、python、计量、多变量分析、研究方法等课程；

这些课程可以是你自学的，也可以是你通过培训机构学习的，总之要有相关的学习经历或项目经历。

二、数据分析必备的知识和技能

对数据分析师来说，主要职责是发现问题，分析问题，解决问题，所以数据分析师基本上可以理解为是靠脑子吃饭，那么也就是说思路决定出路。

数据分析师岗位的核心技能主要有数据工具、统计学、分析方法论、机器学习模型能力、通用能力、擅长领域等。

数据工具，主要包含三个方面：数据查询(sql)、数据处理与分析(excel、python、r、spss等)、数据可视化(tableau、powerbi、python包等可视化工具)；

统计学基础，常用统计分析方法例如假设检验、方差分析、回归分析等；

分析方法论，这部分可以写一些常用的业务分析模型及常用分析方法论，例如ab实验分析、转化漏斗分析、rfm分析、同期群分析、生命周期分析，异动分析，因果推断的常用分析方法如双重差分、psm等；

通用能力，可以写一些数据分析所需软技能，例如结构化思维、沟通协调能力、推动能力、项目管理能力、业务理解等；

机器学习模型，建议罗列一些自己熟悉的模型，体现自己的机器学习方面能力，例如线性回归、逻辑回归、决策树、随机森林、聚类等；

擅长领域，如果对某一领域非常擅长将是很大的加分项，例如擅长搭建用户增长体系、擅长用户画像、擅长战略分析、擅长会员体系搭建、擅长补贴策略、擅长社区内容分析、擅长分析报告等，写清所擅长领域会非常便于公司快速的定位简历关键词，定向寻找人才；

在面试的时候，一定要将数据分析与岗位需求以及自己擅长的领域相结合，这样不仅能更好地展示自己，也更能在业务中发现问题，解决问题。

数据分析岗对于数据分析思维、业务分析模型的考察十分重视。这两年随着数据化转型，学数据分析的人越来越多，做点调研就会发现CDA数据分析师是含金量最高的，知识体系非常的完整，考过了CDA数据分析师一级，几乎就具备了基本的数据分析能力，考过了二级就具备了进大厂的能力，很多大厂实战问题在备考二级的时候都会学到，想提升数据思维能力和数据分析技能的，可以扫码CDA认证小程序，获取更多资料。

三、数据分析面试技巧

数据分析面试的问题，大体可以划分为专业知识问题和非专业知识问题。一般来说，面试准备大概可以分为四个步骤：

步骤一：定型自我介绍。自我介绍是面试绕不开的环节，需要在面试前，将自我介绍完整定型，多多练习，并在过程中不断优化，遵循：抓重点+有逻辑+总分总原则。

步骤二：简历问题模拟作答。面试环节，很大部分时间，是围绕你的简历内容开展的，因此对于简历中提到的内容，尤其是项目经历，需要烂熟于心，并且经得起推敲。

步骤三：开放性问题整理。开放性问题更多偏向于数据分析方法论，以及延伸出来的一些内容，例如：针对某些问题场景要如何进行分析？当被问到一个未知的问题时，需要快速在你的知识库里搜索相似的解决方法，并有逻辑性的给予输出，这个时候，第一步的知识体系梳理，就显得尤为重要了。

步骤四：代码练习。大多数企业面试，会考核候选人的代码能力，SQL必考、Python选考，在面试之前，将常用代码内容多加练习，问题一般不大。

同时，准备面试的时候最好完整梳理至少两个过往所做的项目，项目选取尽量选择完整性高、参与度深、成果好的。建议可以重点梳理以下几个点：

1、项目背景、规模、涉及人数部门、项目角色(owner、参与者) 2、行动计划、抓手 3、过程中的效果衡量指标 4、项目中遇到的困难及如何解决 5、项目后续是否有迭代优化，基于什么考虑 6、项目做完后具体带来的价值，解决了什么问题(尽量量化指标) 7、项目结束后的反思，方法论沉淀 8、数据分析能力在这个项目中的体现

另外，在面试之前，尤其是对自己感兴趣的企业，可以先提前了解企业基本情况，多获取行业信息，建立基本认知。

对于目标岗位的要求，一定要认真看，如果是业务型的，可以针对性了解下相关业务是如何做的。这些准备，可以让自己提前对目标企业和自己原工作的差异有认知，避免面试时被杀个措手不及。

扫码CDA认证小程序，获取更多资料

随着各行各业进行数字化转型，数据分析能力已经成了职场的刚需能力，这也是这两年CDA数据分析师大火的原因。和领导提建议再说“我感觉”“我觉得”，自己都觉得心虚，如果说“数据分析发现……”，肯定更有说服力。想在职场精进一步还是要学习数据分析的，统计学、概率论、商业模型、SQL，Python还是要会一些，能让你工作效率提升不少。备考CDA数据分析师的过程就是个自我提升的过程，CDA小程序资料非常丰富，包括题库、考纲等，利用好了自学就能考过。

CDA考试官方报名入口:https://www.cdaglobal.com/pinggu.html