京公网安备 11010802034615号
经营许可证编号:京B2-20210330
上海57期CDA数据分析就业班学员
毕业院校:德州学院
专业:光电应用技术
入职信息:环海学院,数据分析师,上海
来cda是前同事介绍,因为他就是从cda出去的,我为什么来呢,是因为之前的公司是创业公司,不幸解散了,所以又得重新找工作,那时候是元旦,一直到过年我都没有找工作,年后回来,想了想还是找和之前工作一样的吗,复制粘贴复制粘贴工作,完全不想去找,我就想起了,和我同部门的那个同事,数据分析,会的简直不是比我高一个lever,Python爬虫,机器建模,以前没了解到的那些好像他都会,然后就准备找他问问在哪里学的,他给我推荐了cda,问完就去校区报名了。
正式学习中,发现就连Excel也是能玩出花来的,功能非常强大,三个月的时间说实话很紧很紧,因为要学的东西实在是太多,完全消化也是很难的,有些公式知道就可以,不需要完全都背下来记住,记住关键字,主要用作什么,以后需要再去网上找都可以,学东西一定要抓住重点,全部抓的话,费精力,重要的也记不好,在课上一定要跟老师走,回放是用来温习的,不要以为有回放,课上就不认真听了,有些不懂的可以当场问,效果会更好。
课下一定要复习和预习,因为一天全是满课,讲的知识量很大,我们同学大多都是转行,之前并没有类似学习的经历,所以很多东西并不能当堂就理解并记住,晚上在校区上自习的话有些老师还在教室,可以及时问,及时解答,也可以问老师一些,目前行业内的问题,老师大多数也在其他公司就职或者有自己的公司,所以对目前行业内的见解和看法对于我们之后的就职也有很大帮助。
预习当然也很重要,报名后cda会给一些预习视频,是往期老师上课的一些视频,课前也串一串老师要讲的知识点,对哪些不明白的记一下,课上着重听。
关于就业,大家最关心的就是薪资了,我的薪资相对于其他同学,应该算是最低的,因为当时找工作时家人和我自己的想法就是先入行,薪资没那么重要,当然这样想现在认为也不是完全错,薪资当然越高越好了,看到高薪的同学也替他们开心的,我本人认为应聘时最重要的就是自信,面试前多做一些准备,把之前的工作经历试试结合数据分析应该怎样做,我来的这家公司虽然工资低,但这个氛围我是很喜欢的,因为我的直属领导是个很爱学习的人,并带着大家一起学,我刚入职的时候,他们正在学习数据分析,是整个部门包括策划,设计,运营,开发都在学数据分析,那时候的学习快接近尾声了,我就参加了后面的两到三课,每周会对这个学习做一个总结分享,最后毕业,他们以全优毕业,算是很不错的了,当时就是这种学习氛围感觉很喜欢,所以对高薪同学也会有些羡慕,但我觉得自己的运气也还算不错。
业务这方面,必须要了解,要不然分析出来的就只是简单的数据,我每天早上会去的早一些,和策划,开发聊一聊公司的业务,哪些因素会影响数据波动,一些客观因素也许对某一天的数据波动非常重要但可能是我们想不到的,刚开始看看以前的数据报表,对某周某月的数据变化,大致了解一下,感觉异常的就多问问同事,在别人不忙的情况下最好。
对于数据分析,本人认为很重要的就是数据分析思维,对于维度的拆解,在工作中遇到的问题大多也是按这种,还有就是不要有太大压力,因为大多的数据分析并不是你的一个分析结果直接导致公司的收益增减,起初先是做一个监控,有一定数据之后,可以做分群,比如薅羊毛客户,风险客户之类可能我到的是一个小公司,是这种模式吧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20