
CDA数据分析师 出品
编辑:Mika
作者:CDA持证人 张继荣
主持人:
欢迎继荣作为CDA的优秀学员参加今天的采访,继荣现在是在一家公司从事数据分析师,可以和大家打个招呼。
张继荣:
Hello大家好,我是张继荣,我是2017年毕业于河北工程大学,之前是从事销售管理的工作,然后目前是转岗到了数据分析师的岗位上。
问题 1 :
我在看到这个信息的时候就想到了第一个问题,是什么原因让您从销售转行到数据分析这个行业?
//
张继荣:
一个是因为看到了当前的一个风口。数字化的经济的趋势,还有很多传统企业都在做数字化的转型,是一个未来的方向。
另外一个是因为当时做销售管理就带团队的时候还挺欣慰的,就总是拍脑袋去做决策,还是希望自己有一些科学的方法论或者是理论体系去工作,提升工作效率。
所以当时是有机会接触了一些数据分析师的相关知识之后,觉得自己还是很感兴趣的,而且三年的销售经验是让我对数字背后的业务逻辑有敏锐的嗅觉和分析。
所以当时就决定转到专门的数据分析的岗位上,希望能够从之前销售比较单点的视角,然后目标比较明确的这样一个岗位,去转到更高的全公司的这样运营的角度去分析,然后去发挥我的优势和特长。
问题 2:
我们都知道转行会遇到很大的困难,您能说一说您在转行过程遇到的最大的困难是什么吗?
//
张继荣:
我觉得遇到最大的困难是思维上的转变。如果人要打破原来的工作习惯和思维方式,其实是比较困难的。
就销售管理的工作就是一个目标明确的岗位,只背业绩指标,然后所以一些管理动作会跟着感觉去走。
那转到数据分析的岗位上,思考的方式要从原来单点的以销售业绩为目标,去转变为全局的思考。就不仅仅是单一维度的,然后数据分析的岗位也不是说单一维度的写代码处理数据。
其实也要看公司的全局成本规则这些运营的一些难点的问题,所以如果还是这种单一思维的分析的话,是会有问题的。
所以说这种从单一思维转变成多思维的这种还是挺有挑战的。
问题 3:
了解到您在CDA也参加了学习,有很多同学在问怎么样把学到的理论知识和数据分析工具运用到工作中,这方面的经验可以跟大家说一下。
//
张继荣:
理论知识的话对于我建立数据分析师的网格其实是建立了一个初步的认知。
大方向其实就是数据需要和业务结合是一个打基础的过程,实际到了工作岗位中真实的业务要更复杂一些,还要继续学习和补充知识。
具体的一些帮助就很多了,拿两个小点举例。
就是课程中或者理论上学到的一些帕累托分析,在我现在的公司里和学习的和当时学习的时候,其实不同的场景和业务,当时是要去做一些TO C的这种分析,但我现在其实是做TO B的,我现状的是要分析销售行为回访和续费率的关系,但逻辑是一样的,虽然业务不同。这种如果我没有当时的理论基础的话,去遇到这类实际中的问题,我是没有办法下手的。
第二个是在学分析报告的时候,老师讲到的一个业务流程和按照总分总的这种结构,在工作中对我的思考和启发也是非常有帮助的。拆解问题会更加的系统化,会有一定的方向,所以说我还是挺感谢CDA在这个理论知识的学习和帮助的。
问题 4:
作为一个成功转行数据分析的从业者,有什么职场建议和经验分享给学弟学妹呢?
//
张继荣:
我其实之前见到很多想转型,但是又下不了决心的人,于是就一直拖就不满足于现状,然后但是改变又很难,所以就一直在现在的岗位上持续摆烂。
怎么样成功转型呢?
其实决定转型跟做数据分析的过程是一样的。我前期先去调研,找身边的各种渠道,可以从朋友、各类网站、知乎、抖音各种渠道去了解你想要转型的岗位究竟是什么,是什么样子的,然后工作内容是什么,然后再去分析一下自己是否感兴趣和是否擅长。
如果确定了转型的目标,就不要去担心自己学不会,然后能不能坚持下来这样正好有一些担心,然后我觉得达成目标的过程就是一个克服困难的过程。
我当时学习SQL和Python这部分的时候,我因为没有编程基础,就学起来是很吃力的,所以说一到休息日我会拒绝所有的社交,然后拒绝所有的娱乐活动去刷一整天的代码。
前段时间刚开始的时候,我看到MySQL,数据库上我一一运行就会报错,就还挺心烦的,但是也没有放弃,就内心告诉自己别人学1遍那我就学10遍,别人学10遍我就学100遍,就是再笨也能学会。
所以说那段时间是挺黑暗的,当发现自己越来越熟练的时候,那个时候成就感是爆棚的,就现在的一些代码的基本语句也没有什么问题了,还可以去辅导身边的同事。
我觉得有坚持、有毅力,有克服困难的决心才能转型成功,不然的话就是根据你的能力配不上你的野心,所以如果你真的想转型的话,就先动起来再说。
问题 5:
刚才提到转型是先要说服自己,其实身边有很多人都在说我要学数据分析,但大多数人都是说一说而已,没有真正的下定决心。您是先说服了自己,当自己下定了决心定了目标,做好了心理准备,然后呢?
//
张继荣:
确定了目标,然后做好了心理准备之后就是具体的方法了。
那我了解到的有两种,就一个是自学,自学的话对于自学能力和自律性比较强的同学是ok的。然后另外一个是报班,我当时是觉得报班的效率会更高一些。
CDA确实也给了我很多的帮助,因为它不像其他机构一样比较重视这种工具性的使用,它对我数据分析的思维培养还是很重要的,所以这个也是让我在后来工作上的一些时候,然后对也是在使用课程中的一些思维方式,对我来说还是帮助很大。
主持人:
感谢认可,我觉得数据思维就是数据分析的一个灵魂。
张继荣:
是的,然后另外就是说我觉得就业老师是一个额外的惊喜,包括我入职之后,就业老师还是会去教我一些工作上的事情。
因为我之前是做销售管理的,然后团队氛围会相对简单,然后现在职能岗位一些岗位上很多事情会有一点复杂,所以有的时候还是会和就业老师去聊,然后他也会去解答我的问题,就像朋友一样,所以我觉得这是额外的一个附加价值,还挺好的。
问题 6:
之前我们是分享了转行的一个经验,现在能够把实际工作过程当中的经验也给大家分享一下吗?
//
张继荣:
这个问题还是挺多的,但是其实这个岗位是需要不断进步的。解决不了就是学着如何去解决。
比如说SQL代码,你会发现永远有更专业的数仓工程师写的比你好,你用100行代码写出来一张表,数仓工程师用50行写出来,这个结果其实是一样的。所以说这个岗位就是需要不断去优化的,然后不断去优化你的代码,优化你的工作,优化你的方法论。然后学习更新的内容是这个岗位要持续性要做的事情,所以要持续性的去学习。
第二就是数据会骗人,就指标口径不一样,出来的结果是相差巨大的,比如说我们之前做过销售回访和续费率的关系这样的专项。如果说要去用数量维度去看回访频率数量,结论就是回访次数越高,续费率的数量越高。
但如果说用续费金额的维度去看,刚好是相反的,结果其实跟你公司的业务是有强关联性的,就指标不同得出来的结论是完全不同的,所以和你的需求方对其指标口径非常重要,以免影响到决策。
切记不要接到需求之后就开始干活了,就一定要和需求方聊清楚需求的目的和指标口径。如果有遇到你认为不合理的需求,你可以提出自己的看法,给到需求方有专业性的这种建议。
“
结束语
主持人:
感谢继荣抽出宝贵的休息时间来参加我们的采访。继荣的转型经历,相信一定能够启发很多的小伙伴下定决心成功转型数据分析师。
数据作为新型的生产要素,已经融入到社会管理的各个环节,包括社会的生产方式、生活方式,社会治理的方式,希望越来越多的数据分析人才能够为企业的数字化转型,能够为社会的数字化发展做出自己的贡献。
我们今天的采访就到这里,再见。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10