
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
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09