
很高兴有这个机会,受邀参加CDA校友分享会。
几个月的学习和求职的经历,也让我感慨颇多,有一肚子话想跟咱们老师、同学交流,如果有些我个人的成功、失败之处,也希望对大家有一定的借鉴。我的起点比较低,如果我都能成功,相信其他人肯定也能成功。
来CDA之前
我今年22岁,大专学历。我的专业是高尔夫运动管理,可能大伙都没听过!是不是很高大上,天天接触有钱人?
我们的专业课,包括高尔夫专项技术、规则礼仪、产业概论、俱乐部管理、赛事管理、营销实务等。我的高尔夫球也打得不错哦,如果有校友对高尔夫运动感兴趣,可以找我私聊,免费指导哈!
一看开设的课程,你就能发现高尔夫运动管理专业就是为这种高端体育项目量身打造的,所以我们对口的就业方向比较窄。目前面对国内经济形势,还有疫情影响,现在就业压力很大。虽然也能找到一些跟高尔夫球运动、高端体育场馆等相关的工作,但整体收入不高、也不稳定,多是以销售为主,跟业绩挂钩。
这也是我来CDA之前比较苦恼的地方。想要趁着年轻再学点技术,心里有底。而且大专嘛,确实学历比较低,很多工作连面试机会都没有。
学在CDA
我来CDA学习,选择的是面授班,这样能天天接触到老师和同学,不懂就当面请教。班主任还特意给我引荐了两位助教,阿涛老师经常在晚上给我开小灶,在这里也表达一下感谢。
助教冲哥也跟我讲解了该怎么学习、怎么看视频,又推荐了一些基础的入门书籍,给我增加了不少信心。后来还跟我聊起他年轻时候在高考受挫、大学奋斗、工作后辞职考研等经历,让我备受鼓舞,年轻的时候就该折腾,没有什么好怕的。
开始几天确实心里有些发怵,之前对数据分析接触少、基础也比较差,更是不知道将来应该选择什么就业方向。班主任露露了解到我的情况后,安排负责就业的佟老师跟我聊了几个小时,帮着分析我的特点、个性特长应该往哪个方向发展,也让我对数据分析这个行业和就业市场有了一个清晰的认识。
上课这两个月我觉得自己还挺拼的,几乎掉了一层皮。主要是基础太差了,再加上刚接触这块,现在我感觉基础还没有那么扎实,而且越学越觉得有好多内容要去恶补。好在现在慢慢入门,知道该怎么学了。
求职之路
咱们就业老师每周组织的线上老学员求职及工作分享会,我几乎一期不落,不过一直潜水、很少发言。在这个分享会上我获得了很多启发和指点,也希望咱们这个活动一直办下去。
找工作的经历比较痛苦,因为我的专业和学历都没有竞争力,所以投简历阶段基本就被淘汰了。那段时间我打了一阵零工,也跟咱们CDA的老师和同学保持着联系。一边挣钱养活自己,一边继续学习,给自己鼓劲。
后来听就业佟老师说有一个咱们CDA的老学员所在的公司招人,帮我安排了一个面试的机会。面试前几天,我让助教阿涛老师帮我把知识点系统地串了一下,还请佟老师给我针对性地做了一个模拟面试,最后又帮我优化了一遍简历。
坦白的说,面试的结果一般般,但我还是很荣幸地拿到了这次工作的机会。我在想他录取我的原因是什么呢?除了有校友这层关系,也许是我比较上进,人比较踏实,而且还比较年轻,可塑性强吧。
再回首
回首我的逆袭之路,我觉得下面三点非常重要:
1、 一定要找靠谱的培训机构
比如像CDA这样即专业、负责,又有温度的大家庭,能够让我们安全、快速地转换新的人生赛道。
2、 一定不要放弃自己
记得有碗毒鸡汤是这么说的:条条大路通罗马,而有人就出生在罗马。确实,人分三六九等,每个人的起点都不一样,如果我们就此认命,像现在流行的所谓“躺平”,那真是不用活了。我觉得年轻的时候还是要拼一把,这样老了才不后悔!
3、 一定要抓住每一次机会
比如我来CDA后一直跟老师和同学保持着联系,这是我进入数据分析行业的人脉和领路人啊。
比如求职的时候,很多同学说不考虑第三方外包公司、不考虑太初级的数据治理打标签、取数之类的工作,关键是你有这个资本挑三拣四吗?先把工作拿下来、先入行、先把自己的技术搞牛了再说嘛。
当然,现在的我还远没有成功,只能说开了一个好头,还要继续努力,不断夯实基础,争取在数据分析师这条路上越走越稳!
再次感谢CDA,还有我们校友大家庭,祝咱们都越来越好!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18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