
本期我们请到了王同学,大家一起来听听数据分析业内人士在职业道路上,是如何应对面临的苦恼,如何走出困境的。
采访人:王同学,你好,感谢接受我们的采访,为大家分享你的学习和心路历程。
王同学:主持人好。
采访人:能简单介绍下你的背景吗?专业、工作情况。
王同学:好的,我本科毕业,教育学专业,学校不是985/211,不过我大学成绩挺好,当年就业的时候有好几个选择。到今年工作8年,中间换过一次,都跟K12有关系,月最高收入可以到4万多。
采访人:你在之前行业工作这么长时间,收入也很丰厚,为什么还要来CDA学这个呢?
王同学:这个说来话长啦,来这边也算是缘分吧。一个是去年政策下来,整个行业受打击,工作没那么好做,收入也降了非常多,自己也有些困惑、迷茫,另外刚生完孩子在家休息,也想借这个机会重新思考下人生方向。正好跟以前的同学聊起来,有人推荐你们。
采访人:那你已经是资深职业人了哦。
王同学:不敢当,资深谈不上哈。说实话,来之前我很迷茫,都想着是不是往产品经理或者运营方向转型了。
采访人:不想继续做数据分析了?是什么原因呢?
王同学:其实我的专业做数据分析没有优势的。第一份工作是做销售,数据处理,分析都没接触过。第二份工作在头部的k12公司做运营,刚开始碰到个好领导,带着我了解业务,还能参与帮助做一些决策支持,那时成长很快。后来换领导后,开始干一些取数、数据整理、简单分析的活,比较固定,也没啥挑战了。
现在产品经理和运营岗薪资都比较高,也比较有意思,能有自己的工作成果出来,也有成就感。所以来CDA之前一直考虑是不是要转型,拓宽一下自己的职业道路。
采访人:应该说数据分析、产品经理、运营都是很有前景、高收入、高成长的岗位,关键看哪一个更适合自己。从我们CDA学员背景和我接触的一些数据分析行业人士来看,虽然数学专业而且有过数据分析工作经历的人,在数据分析、数据运营、数据化管理和决策方向可以走得更远。但不是相关专业也可以很好胜任类似岗位转型成功,比其他行业、岗位还有明显的收入和成长潜力。
王同学:是的,我现在越来越喜欢我的专业了。上学的时候觉得这个专业普通,不如计算机、法律之类的专业热门,其实文科专业,职业发展的延展性也是比较好的,尤其面临转行时比较灵活,学习数据分析也没有感到明显的门槛。
采访人:能给我们分享一下你的心路历程吗?
王同学:好的。来CDA这几个月的脱产学习,真是让我大开眼界。
之前的工作算是数据分析的入门吧,基本还停留在工具人阶段,时间长了让我有些疲了。应用场景有限,缺少机会了解更多的商业逻辑,工作软件也仅限于EXCEL。
来这后,就业老师给我们介绍了现在市面上都有哪些类型的数据分析师,主要做什么工作,用到哪些技术和工具,职业发展路径是什么?
我特别受鼓舞,这么多年闷头干活,对数据分析行业的缺乏一个整体认识,对技术的发展趋势、行业应用等关注太少了。现在终于找到大本营啦。
我最感兴趣的是课上老师安排的一些企业案例,既有底层的商业逻辑、分析思路,又有数据的加工处理、分析操作流程,真是讲透了。对于我这样有过这方面经验的半专业人士来说,“一听就知道有没有”,帮助太大了。以前工作只是机械操作,应用场景也比较单一,还没有真正搞透。
我得感谢我闺女,要不是有这么一段经历,我也不会在家休养,从容地思考下一步职业发展方向,即使跳槽也是碰运气。当然也得感谢推荐我来的那个同学、感谢CDA,让我找到了自己的优势和奋斗方向,让我重拾信心。
采访人:祝贺你哈!你在CDA已经毕业了吧?
王同学:是的。我来CDA报了两个班,一个是偏业务的商业数据分析班、一个是偏编程的敏捷算法班。商业分析学得比较扎实,敏捷算法还得多复习、虽然暂时工作中可能用不上,现在内卷太厉害了,多学点没坏处,哈哈。
采访人:方便问一下,你现在工作情况吗?
王同学:方便,方便,没啥不方便的。我是12月第二门课结课的。后来就一边复习,一边投简历,已经有两个公司给我offer了,我准备再找找更合适的。目前整体经济形势不好,以前高薪的教育、互联网等行业调整比较大,当然数据分析这个岗位一直有很大需求。我现在把行业放宽了,像非互联网的医药、商业零售等行业都可以考虑,只要做的是数分岗就行。
采访人:你会有职场焦虑吗?
王同学:说完全没有,是不可能的。可能是因为有了孩子,对人生、家庭、事业有了更多的理解,不再跟人比一定要大厂、多高薪资,而是选择更多的平衡,看重长远发展。
另外,经过这半年的刻苦学习,加上我经常听你们“CDA Club”搞得职场分享,我在数据分析这行有了更多的底气和认识。现在也生完孩子了,又学了一技之长,又有8年的工作经验,太有竞争力了,很抢手的,哈哈。
采访人:很高兴CDA能够陪伴你走过这段充实的时光。你有什么建议给到CDA的学弟学妹们吗?
王同学:好好学习,天天向上。
采访人:能再具体点吗?
王同学:就是既然来了,就玩命学。选择对了,还得看自己的努力。数据分析这岗得有硬核技能才能有前途。而且行业一直在发展,要有终生学习的心态。
采访人:怎样终生学习呢?
王同学:就是学不能停呗,关键是要找对组织,会“混圈子”,当然不光是学习啦,我把它定义为职业成长吧。
咱们不是有“CDA Club”嘛?多关注、多参与。比如:
“行业动态、读书分享、大咖直播”——让你跟踪到行业前沿和趋势;
“职业机会”——混好人脉圈,找到更多志同道合的朋友;
“单身互助”——单身男女们顺便把个人大事也给解决了。
你们“CDA网校”特别好,一年几百块钱,几百门课程,工作中缺啥技能和知识点都能来这找,还能拼课提需求。反正目前市面上,我没有看到其他机构有这么超值的服务。
采访人:感谢你接受我们的采访,和对我们的认可。
王同学:也感谢CDA,让我找到组织,收获了一帮好朋友。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22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