
CDA数据分析师 出品
作者:Amanda West
编译:Mika
【导读】
对于刚入行数据分析师来说,在工作中总会遇到各种问题。本文作者就分享了她的感受。
数据分析很酷,然而我不认为在2000年代或更早的时候,会有小孩梦想长大后成为一名数据科分析师。
对我来说,我在小时候有很多梦想,我首先想成为一名兽医,然后是公园管理员、训狗员、作家、最后是经济学家。就像当时许多小孩子想在长大后成为律师、医生或宇航员一样。
当然,目标会随着时间而改变,在今年5月份,我获得了弗吉尼亚大学的数据科学硕士学位。毕业几个月后,我找到了我的第一份工作,正式成为一名数据分析师。刚找到工作的我欣喜若狂,因为我可以把用上我所学的技能,并向我的新同行们证明自己。但现实很骨感,在我入职这半年来,我也常常感到不知所措。
下面我就跟大家分享一下,工作以来我在数据分析行业所学到的技术层面和非技术层面的教训。当然这只是我个人的经验体会,毕竟每个人的感受都会有些不同。
不到20%
我非常喜欢用R语言进行编程。当我有选择的时候,我在这份工作的编程面试中我都使用了R语言。
尽管如此,在我的日常工作中,有95%的时间我都使用了Python和终端(在VS Code中),5%的时间我会用会SQL,而R语言基本用不到了。可以说在读书期间,比起学的Python课程,我花了大半时间学习的R语言课程的实际作用要小得多。其中我学习的很多例如网络爬取、NLP、Apache Spark或Tableau等工具基本没派上用场。
这也是正常的,因为很难预料到你在实际工作中到底要做什么。
如果你是致力于用特定语言编程的人,我的建议是,尽早询问招聘人员,公司的团队主要使用什么语言。即使你 原则上可以用你选择的编程语言,如果团队使用其他语言,这将加大代码审查和整合的难度。对我来说,提升Python方面的技能让我很受用,但对于使用Scala等语言的人来说,可能就不是这种情况了。
在我刚开始使用AWS时,我还不太熟练,但如今我每天都要跟它打交道。但AWS也是出了名的产品繁多,让人很难知道针对特定的任务需要什么服务。更糟糕的是,当你搜索如何在AWS中做某事时,往往会得到好几种不同的答案。为了解决这个问题,我一直在不断学习AWS相关知识。
像谷歌云和Azure这样的服务也很受欢迎,但如果你不知道你可能会使用哪一个,说实话,我还是推荐AWS。根据数据显示,AWS在2020年新企业云应用中占76%。尽管如此,大多数公司都在一定程度上使用云服务,了解云服务的基本工作原理和基本情况是很不错的。
特别是在排除软件故障时
在学校里,我们经常会得到干净、清洗后的数据样本,以便深入研究某些具体的深层问题。但当你实际工作后,特别是公司的数据团队较小,那么你往往需要面对真实、混乱且无序的数据。
这是不妨了解一下计算机背后在做些什么,这会有很大的改观。在处理有问题的数据时,我会使用如下命令 watch -d -n 0.5 nvidia-smi 和 htop 用来追踪诸如GPU/CPU的使用和内存的使用情况。我还会用 df -h 来监控特定目录中的文件大小,以防空间超限。
我还使用tmux会话,以便同时打开多个终端窗口,并使我的工作在进入远程机器时不会断开。最后,当我找到有效的解决方案时,我仍然会在网上寻找更好的替代方案,在处理大数据集时,这可以节省几分钟到几天的处理时间。
这些只是我测试机器上限数据的几种方法,欢迎在留言区分享你的方法。
作为一个刚入行的数据科学新手,是需要持续进行学习的。你将被要求做的任务,在很多时候会会让你不知所云,这意味着你要争分夺秒地找出解决方案,解决你甚至不知道存在的错误。你需要不停的搜索,看看其他人是怎么解决的,不断学习提升自己,慢慢的你编程方面变得更好,代码库将开始在每次迭代中变得更加合理。
至少对我来说,我觉得我在第一份工作中所学到的东西和我在大学期间所学到的一样多,这出乎我的意料。
如果你所在的公司使用主流编程语言,这是有一定优势的,因为你可以多浏览下Stack Overflow等平台,这无数次帮了我的大忙。
这并不是针对数据分析方面。在我读书时,我给自己很大的压力,不像我的同龄人那样经常放松。期中考试前,我会高强度的学习整整一周,除了打印更多的练习题或补充咖啡外,我几乎不离开我的房间。在非期中考试的几周里,我会强迫自己学习到深夜,然后一大早强迫自己醒来匆匆赶去上课。
一直以来,我都认为一旦我拿到学位,我就会养成正常健康的作息。每天保证8小时的睡眠,并且阅读、锻炼、健康饮食。工作也不会觉得让人感到枯燥,因为我喜欢编程,因此我生活中的一切都会变得美好。
但是,这并没有发生。
虽然工作确实增加了我的一些生活习惯,但是如果你在大学里也会加班加点搞学习,那么在工作中你也可能是个工作狂。反过来如果你在读书时就有些懒散,那么工作后也可能会拖延。总之,要善待自己,精疲力竭是不好的,平衡是关键,这一点我还在学习中。
显然,我的一些观点有些片面。但我很高兴成为一名数据分析师,我仍然相信从更大的角度来看,我的不足和自我怀疑是值得的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03