京公网安备 11010802034615号
经营许可证编号:京B2-20210330
很高兴有这个机会,受邀参加CDA校友分享会。
几个月的学习和求职的经历,也让我感慨颇多,有一肚子话想跟咱们老师、同学交流,如果有些我个人的成功、失败之处,也希望对大家有一定的借鉴。我的起点比较低,如果我都能成功,相信其他人肯定也能成功。
来CDA之前
我今年22岁,大专学历。我的专业是高尔夫运动管理,可能大伙都没听过!是不是很高大上,天天接触有钱人?
我们的专业课,包括高尔夫专项技术、规则礼仪、产业概论、俱乐部管理、赛事管理、营销实务等。我的高尔夫球也打得不错哦,如果有校友对高尔夫运动感兴趣,可以找我私聊,免费指导哈!
一看开设的课程,你就能发现高尔夫运动管理专业就是为这种高端体育项目量身打造的,所以我们对口的就业方向比较窄。目前面对国内经济形势,还有疫情影响,现在就业压力很大。虽然也能找到一些跟高尔夫球运动、高端体育场馆等相关的工作,但整体收入不高、也不稳定,多是以销售为主,跟业绩挂钩。
这也是我来CDA之前比较苦恼的地方。想要趁着年轻再学点技术,心里有底。而且大专嘛,确实学历比较低,很多工作连面试机会都没有。
学在CDA
我来CDA学习,选择的是面授班,这样能天天接触到老师和同学,不懂就当面请教。班主任还特意给我引荐了两位助教,阿涛老师经常在晚上给我开小灶,在这里也表达一下感谢。
助教冲哥也跟我讲解了该怎么学习、怎么看视频,又推荐了一些基础的入门书籍,给我增加了不少信心。后来还跟我聊起他年轻时候在高考受挫、大学奋斗、工作后辞职考研等经历,让我备受鼓舞,年轻的时候就该折腾,没有什么好怕的。
开始几天确实心里有些发怵,之前对数据分析接触少、基础也比较差,更是不知道将来应该选择什么就业方向。班主任露露了解到我的情况后,安排负责就业的佟老师跟我聊了几个小时,帮着分析我的特点、个性特长应该往哪个方向发展,也让我对数据分析这个行业和就业市场有了一个清晰的认识。
上课这两个月我觉得自己还挺拼的,几乎掉了一层皮。主要是基础太差了,再加上刚接触这块,现在我感觉基础还没有那么扎实,而且越学越觉得有好多内容要去恶补。好在现在慢慢入门,知道该怎么学了。
求职之路
咱们就业老师每周组织的线上老学员求职及工作分享会,我几乎一期不落,不过一直潜水、很少发言。在这个分享会上我获得了很多启发和指点,也希望咱们这个活动一直办下去。
找工作的经历比较痛苦,因为我的专业和学历都没有竞争力,所以投简历阶段基本就被淘汰了。那段时间我打了一阵零工,也跟咱们CDA的老师和同学保持着联系。一边挣钱养活自己,一边继续学习,给自己鼓劲。
后来听就业佟老师说有一个咱们CDA的老学员所在的公司招人,帮我安排了一个面试的机会。面试前几天,我让助教阿涛老师帮我把知识点系统地串了一下,还请佟老师给我针对性地做了一个模拟面试,最后又帮我优化了一遍简历。
坦白的说,面试的结果一般般,但我还是很荣幸地拿到了这次工作的机会。我在想他录取我的原因是什么呢?除了有校友这层关系,也许是我比较上进,人比较踏实,而且还比较年轻,可塑性强吧。
再回首
回首我的逆袭之路,我觉得下面三点非常重要:
1、 一定要找靠谱的培训机构
比如像CDA这样即专业、负责,又有温度的大家庭,能够让我们安全、快速地转换新的人生赛道。
2、 一定不要放弃自己
记得有碗毒鸡汤是这么说的:条条大路通罗马,而有人就出生在罗马。确实,人分三六九等,每个人的起点都不一样,如果我们就此认命,像现在流行的所谓“躺平”,那真是不用活了。我觉得年轻的时候还是要拼一把,这样老了才不后悔!
3、 一定要抓住每一次机会
比如我来CDA后一直跟老师和同学保持着联系,这是我进入数据分析行业的人脉和领路人啊。
比如求职的时候,很多同学说不考虑第三方外包公司、不考虑太初级的数据治理打标签、取数之类的工作,关键是你有这个资本挑三拣四吗?先把工作拿下来、先入行、先把自己的技术搞牛了再说嘛。
当然,现在的我还远没有成功,只能说开了一个好头,还要继续努力,不断夯实基础,争取在数据分析师这条路上越走越稳!
再次感谢CDA,还有我们校友大家庭,祝咱们都越来越好!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12