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
在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16