京公网安备 11010802034615号
经营许可证编号:京B2-20210330
我是如何走上数据分析之路的丨CDA学员分享
上周末,有幸受邀参加CDA广州校区的一个沙龙活动。
此次活动邀请了三位往期学员,与正在CDA实习的一群大学生交流在CDA的学习经历及工作后的感想。
我是第二个发言,本来是让我简单写几页PPT的,但周末因工作原因,来不及准备。
还好在我前面讲的同学,讲了一个多小时,我边听他讲,边在思考我要讲的内容,当然来之前,已经是有了初步构思,最后确定讲四部分内容,听上去内容好像很多,其实并不多,讲完我看了时间,应该是不超过十五分钟。比较遗憾,这次准备得不够充分,如果以后还有机会,我一定会做好充分的准备。以下是我在交流时主要讲的内容。
01
首先是介绍我的工作经历,及为什么会走上数据分析之路,中间又是因何参加CDA的脱产学习。
从11年毕业到今年,七年时间,前两年还是在探索的过程,从事一些比较基础的工作,俗称打杂,到14年开始接触数据分析工作,三年的时间基本将一个岗位的工作做到滚瓜烂熟,经常不到半天就完成了一天的工作,剩下的时间都是自己的,这样的状态持续了一段时间,后来发现如果一直这样轻松,那我早晚有一天会被淘汰,说直接点,想加薪、升职,或者跳槽找一份待遇更好的工作,难度不小,毫无疑问,我的职业生涯进入了一个瓶颈期。
16年底离开了上上家公司,当时找工作可以说不太顺利,有各方面原因,当然主要还是自己能力上还比较欠缺,面试时少不了被鄙视。
最后进了上一家公司,工作不久,我自己是不太满意的,那时是17年初,当时了解到CDA在深圳有一个培训,是在下半年,我心里就想,上半年还是安心工作,6月份之后就去参加脱产学习。
回忆往昔,从去年7月8日离开广州,到深圳学习,距今将近一年,10月14日答辩完回到广州,三个月的时候一晃而过,我可以自豪的说,在深圳的三个月我没有虚度,每天都在学习新的知识,晚上或者在教室,或者回到住的地方继续学习、复习,这三个月还能保持打球、跑步。
课间我是经常请教老师问题,与其他同学交流学习心得,并且也在思考,学的知识、技能,哪些是可以在工作中运用的,能够从更高的角度认识、总结我过去几年做的工作。10月中旬回到广州,开始找工作,这次就非常顺利,我是我们那期最先拿到offer的,薪资待遇、工作内容基本符合我的预期,我就没有挑三拣四,毕竟,居“大”不易,还是要养活自己。
以上是对我的数据分析职业生涯的一个简单回顾。
02
第二部分是讲我在工作中的心得体会,主要讲了三点。
第一,要保持不断学习的心态,尤其是在这个飞速变化的时代,从大的方面来说,共享经济、共享单车的火热,也就是近两三年的事,现在流行的东西、热门的东西,两三年后还会这么热门吗,谁也不敢保证。
我举了两个例子来说明,上个月结束了又一年的高考,最近开始填报志愿,朋友的亲戚高三毕业,闲聊中谈到,弟弟妹妹、堂弟堂妹如果问到报什么专业、选什么学校,我们作为过来人应该如何给出建议,我的看法是现在热门的专业,三四年还会是热门吗,谁也说不准,毕业后很多同学从事的工作与所学专业关联并不大,这是一个例子。
另外我还以我们在数据分析中所使用的工具为例,当下最热门的工具是Python,而前几年首选是R,再早之前SPSS也流行过一段时间,工具不断推陈出新,作为一名数据分析师,需要持续更新自己的技能,如果只掌握一种工具,个人认为是不够的,理想情形是熟练掌握其中一种,同时对其他工具也要有所涉猎,有时候工作中只用一种工具还不足以解决问题,掌握多种工具意味着可以从不同的角度对结果进行验证。
第二,要有自己的目标,有自己的节奏。第一位学员在讲的时候,有同学提到数据分析师薪酬问题,我们可能更多时候看到别人如何风光、体面,拿高薪,但别人在背后的努力我们又知道多少?
我的看法是与其把眼光放在别人身上,不如把眼光聚焦在自己身上,如果我通过自己的努力,每年都有进步,都有加薪,我觉得就很不错了,不要去跟别人比较,比较的标杆应该是过去的自己,朝着自己设定的目标去努力。
要知道、了解自己所在行业、领域内优秀的人物,以他们为榜样,激励自己不断进取,而不是去比较我的某某同学又买车、买房,在我看来一味的攀比车子、房子,是完全没有意义的。眼光既要向外,更要向内,要问问自己想要的是什么,尽量少受外界的影响。
我说这些都很容易,但要做到却是非常难,如果你在思考之后,不管是物质上,还是精神上的追求,都是值得去追求的。
第三,多总结、多思考。这点是今年以来在我的文章中反复提到的,做完一件事,要去总结、复盘,哪些做得好的,哪些要继续改善的,工作上才会更精进,所谓的经验就是一步步总结而来的。
以上三点是我讲的第二部分内容。
03
第三部分主要是通过一个案例,介绍数据分析职位的具体工作内容。
案例是我上两个月做的一个专题分析,输出完分析报告后,我专门做了总结,从接到需求,与业务人员沟通,然后提单、取数,又要与技术人员沟通,取数之后是数据处理工作,数据清洗后,做分析,写报告,把整套流程记录下来,回应了我在第二部分中提到的多总结。
以上每个环节都计算出消耗的时间,如果下次继续做类似的需求,那我就知道哪个环节需要重点关注、推动,做一个专题分析大概需要的时间。
这样的文档,如果有其他同事接手,也有参考价值。
04
第四部分讲了我近期对数据分析职位的思考,及我自己的职业规划。
去年我在CDA学习还是第十二期,马上要开班的是第三十二期,一年时间增加了二十期,每年都有一大批应届毕业生进入就业市场。
虽然现在数据分析很热门,统计学、数学、计算机等专业的学生都能做数据分析工作,而且越是热门的地方,越能吸引更多的人,若干年后行业对数据分析人才的需求达到饱和,作为有一定工作年限的在职人士,相比职场新人的竞争力在哪里,壁垒、护城河在哪里,假如公司要降低成本、减员,毫无疑问,最先受到影响的就是薪资高的职员。
假如某一天真的遇到这种情况,我该如何应对,这是我最近在思考的问题。
如果我在三年前、五年前就开始准备,即使真的有这一天,那个时候,我相信我能够从容面对。今年以来,我开始写一些数据分析相关的文章,包括技术、技巧类,也有我在工作中的思考、总结,以后如果我不在企业从事数据分析工作,我是不是可以到培训机构担任培训讲师,比如说CDA如果招讲师,作为有企业背景,又具备一定演讲能力,转型成功的可能性自然会更高。
除了在培训机构担任讲师,如果企业有数据分析培训的需求,以我的能力是不是可以承接此类需求,以上提到的都是未来我可以做的事情,现阶段我认为部分的事情我也能做到。
当然目前来说我还是会继续深耕数据分析方向的工作,海量数据处理、数据可视化,如何将在CDA所学的知识、技能运用到工作中,对我来说,都是有继续提高的空间。未来有机会的话,我希望是可以往数据挖掘、数据建模方向发展。
分享完后,在场的老师向我提了一个问题,我在最后一部分提到转型的问题,老师问我是不是对数据分析职位不看好。并非如此。我个人还是非常看好数据分析职位,这个职位能做的事情可大可小,往小了说,做报表,出日报、周报、月报等,是数据分析职位的工作范畴,往大了说,机器学习、深度学习、人工技能涉及到的基础也可以归到数据分析。我的思考只是做一个最不理想的打算,也可能是杞人忧天。
以上就是我在那天活动上分享的内容,希望以后有机会与更多的朋友进行交流、学习。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27