
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29