京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析是如何改变了我的职业轨迹
三月份刚来上海参加CDA的数据分析就业班培训时,我没想到这次选择将会改变我未来的职业轨迹。
其实数据分析或数据挖掘这一行真正火起来是从17年开始的,那个时候市场上这方面的人才还是比较紧缺的,但相应的岗位也比较少,关于这方面的学习社区也大多从17年开始活跃起来。到了18年,市场上各种数据分析的培训班已经如雨后春笋般地开设了。
考研失利后我一直在寻找新的方向,这次失利一度让我很沮丧,更让我思考是否还有必要再去这样坚持。经济学中机会成本这个概念我很熟悉,毕竟考的就是西方经济学。如今这个时代发展地很快,你必须要清楚现在整个就业市场的状况和未来几年的趋势,选错了行业会让人付出更大的代价。
我一直在从各种渠道上了解现在的就业市场,偶然的机会我从经管之家上了解到了CDA数据分析师。经管之家(原人大经济论坛),考经管类专业的学生大多都熟悉这个平台,我也觉得是比较靠谱的。
在经过多方对比并与家人商量后,我决定去上海脱产参加数据分析就业班,一方面是想出去散散心,摆脱失利后地失落感,另一方面也是真地想系统地学习数据分析,想在数据分析方向上开启我的职业生涯,而这个行业在我看来是比较有潜力的。
三个月的学习生活是非常充实而有挑战性的,给我们上课的老师大多是有相当多的教学经验的,而且线下班更能方便与老师面对面地交流,及时解决课堂上的疑难问题。课程设计的范围很广,从Excel、SQL、SPSS到Python、R这些应用的软件都会涉及到,另外还有统计学及数据挖掘算法这些偏理论的知识。
除了白天这几个小时的上课时间外,助教老师还让我们分成几个学习小组。小组成员们可以一起学习,一起监督。我们小组的人比较好学,大家都是白天上完课后晚上留下来自习到十点钟才走,基本上也是那栋楼最后走的一批人。到了周末的时候,我们几个同学组团去社区的图书馆继续学习,不断巩固知识。我们很清楚,现在多学一点,多拼一点,这是对自己的未来负责。大家都是成年人,都能看到做一件事的利弊。
学习这件事只有自己主动去学,去实践、去思考才能转化成自己的东西,才能提高自身的能力,老师不过是辅助的,帮你指点一下学习的方向,让我们少走弯路。而且一定不能有我报了班就一定能找到工作的想法,这一切都取决于你自己,你未来的道路是从现在一步步地走出来的。一旦从心理上能够全情投入,专心于学习专业知识,那一切阻碍都不是问题。
学习过程中可以加几个关于数据分析方面的优质群,多搜集一些资料,然后马上行动。另外,学习要有侧重点和主动意识,老师在课堂上讲述的肯定不是那么全面,你要在课下去找资料,去找项目。
Kaggle 上的数据分析入门项目可以尝试着去做,去学习一些大牛开源的kernels。知乎上也有很多人转行数据分析,有一些优质的专栏可以关注,通过学习别人的长处与总结的东西来不断完善自身的知识体系。这样就不会觉得没有方向和迷茫。你会更加坚定自己的信心,看看有这么多人也是转行的,大家都这么努力,我也不能落下。
三个月的培训过得很快,到了末期大家也都把注意力转向了就业上。学校给安排了就业老师来指导我们修改自身的简历,提高通过筛选的几率,还教授了面试的礼仪与技巧,提高通过面试的几率。除了在各大招聘网站上投简历外,学校的老师还提供了就业的推荐机会。
我也是比较幸运,通过老师的推荐获得了某互联网金融公司的面试机会,之后在面试的过程中发挥地还算可以,顺利入职到该公司。之后从事风险数据分析这个职位,达到了我的心里预期,我对公司的工作环境和工作内容也比较认可,可以说是功夫不负有心人吧。当然,进入公司后需要学习的东西也很多,包括一些没有接触过的技术和很多业务方面的知识。我现在也是在努力适应公司的节奏,继续学习提高自身的能力。
我一直相信天道酬勤,功不唐捐。选择数据分析这一行我不会后悔,也会更坚定地走下去,迎来我人生的下一个篇章。我也会感谢CDA能提供这样一个学习的平台,帮助更多人了解数据分析这一行,帮助更多人开启他们关于数据行业的职业生涯
掌握CDA考试第一手资讯:
扫描二维码,关注CDA考试中心服务号
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31