CDA持證人Louis

CDA持證人基本情況

我大學是在一個二線城市的一所普通二本院校讀的，專業是旅游管理，非計算機非統計學。畢業之前其實一直很迷茫，因為自己其實也不知道到底適不適合旅游行業，而且上學的時候沒有認真搞過什么旅游的實習，基本畢業就是涼涼的節奏。

所幸畢業前，在和朋友的一次偶然交談中，得知了數據分析這個職業，發現自己似乎比較感興趣，當時也沒有其他路可以選，就決定孤注一擲，all in 數據分析。沒想到就是這個選擇，后來改變了我的人生方向！在此也感謝一下那位朋友，人生確實是在于你能否做對幾個關鍵的選擇。

一、我是如何進入大廠的？

5年前剛畢業準備步入職場的時候，我投了很多大廠的簡歷，但大部分都石沉大海，沒有任何回音。說實話，盡管結果在意料之中，但依然還是很失落。

其實原因大體能猜到，一是學歷，二是專業，對于大廠數據分析師崗來說，計算機或統計學專業，重點本科及以上學歷可以說是標配。對于普通的本科（非211/985）學歷，可以說基本學歷關都過不了。

好在我是個做事比較有毅力的人，哪怕受挫也并沒有選擇放棄。盡管學的并不是統計學和計算機學相關專業，但我一直在自學數據分析。簡單來說，我主要做了以下幾方面的準備：

1.確定數據分析方向

數據分析的定義很多，結合我個人對于數據分析的理解，數據分析師是指不同行業中，專門從業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。數據分析分為兩種：

一種是偏技術型數據分析師

更接近于數據挖掘工程師、算法工程師、大數據工程師這種概念，一般來說是需要比較好的數據結構知識和算法知識，對于非計算機專業的同學，轉型會有一定難度。其實一開始我考慮的是這種分析師，但在后面刷了幾百道leetcode題之后，決定放棄這條路（太難了）。

另一種偏業務型數據分析師：

也是市面上崗位最多的數據分析師，這種分析師的門檻會相對比較低一點，但做不好的話，很有可能就變成報表分析師，提數分析師。不過畢竟門檻還是比較低的，對于想轉型的同學，業務型數據分析師會更加友好一些。所以，我也選擇了這個方向。

2.抓準崗位需求提升技能

業務型的數據分析，說白了其實就是哪個業務部門有需求就往哪跑，專門幫業務解決具體業務問題的。這個方向其實并不一定要求你技術有多強，關鍵的是要懂市場、有數據敏感度、會分析。

比如：

• 產品分析師：整天研究用戶行為，幫產品優化體驗，搞那些AB測試
• 運營分析師：天天盯著用戶活躍度、留存率，研究怎么讓用戶更愛用產品
• 營銷分析師：專門分析廣告投放效果，研究哪個渠道性價比最高

既然崗位要求是要會分析，那么平常多看一些市場調研報告和行業數據分析報告，沒事的時候自己也可以練手嘗試去寫下調研分析報告，這會在無形中使自己的分析能力得到極大提升。

3.簡歷

簡歷對于求職來說是最重要的敲門磚。一般來說，簡歷內容結構主要由6個方面構成：基本信息、學歷信息、技能、項目、工作經歷和其他附加信息等；

學歷、技能、項目、工作經歷可以調換順序，主要原則為亮眼經歷放在前展示，相對薄弱地方放在后面。對于學歷不是特別亮眼的，建議平常一定要多一些相關領域的實習或者爭取一些項目經驗。

另外，專業也很重要。像我這種并不是科班出身的，就一定要在建立中羅列一些學過的和數據分析相關的專業課程，例如統計學、python、計量、多變量分析、研究方法等課程；

這些課程可以是你自學的，也可以是你通過培訓機構學習的，總之要有相關的學習經歷或項目經歷。

二、數據分析必備的知識和技能

對數據分析師來說，主要職責是發現問題，分析問題，解決問題，所以數據分析師基本上可以理解為是靠腦子吃飯，那么也就是說思路決定出路。

數據分析師崗位的核心技能主要有數據工具、統計學、分析方法論、機器學習模型能力、通用能力、擅長領域等。

數據工具，主要包含三個方面：數據查詢(sql)、數據處理與分析(excel、python、r、spss等)、數據可視化(tableau、powerbi、python包等可視化工具)；

統計學基礎，常用統計分析方法例如假設檢驗、方差分析、回歸分析等；

分析方法論，這部分可以寫一些常用的業務分析模型及常用分析方法論，例如ab實驗分析、轉化漏斗分析、rfm分析、同期群分析、生命周期分析，異動分析，因果推斷的常用分析方法如雙重差分、psm等；

通用能力，可以寫一些數據分析所需軟技能，例如結構化思維、溝通協調能力、推動能力、項目管理能力、業務理解等；

機器學習模型，建議羅列一些自己熟悉的模型，體現自己的機器學習方面能力，例如線性回歸、邏輯回歸、決策樹、隨機森林、聚類等；

擅長領域，如果對某一領域非常擅長將是很大的加分項，例如擅長搭建用戶增長體系、擅長用戶畫像、擅長戰略分析、擅長會員體系搭建、擅長補貼策略、擅長社區內容分析、擅長分析報告等，寫清所擅長領域會非常便于公司快速的定位簡歷關鍵詞，定向尋找人才；

在面試的時候，一定要將數據分析與崗位需求以及自己擅長的領域相結合，這樣不僅能更好地展示自己，也更能在業務中發現問題，解決問題。

數據分析崗對于數據分析思維、業務分析模型的考察十分重視。這兩年隨著數據化轉型，學數據分析的人越來越多，做點調研就會發現CDA數據分析師是含金量最高的，知識體系非常的完整，考過了CDA數據分析師一級，幾乎就具備了基本的數據分析能力，考過了二級就具備了進大廠的能力，很多大廠實戰問題在備考二級的時候都會學到，想提升數據思維能力和數據分析技能的，可以掃碼CDA認證小程序，獲取更多資料。

三、數據分析面試技巧

數據分析面試的問題，大體可以劃分為專業知識問題和非專業知識問題。一般來說，面試準備大概可以分為四個步驟：

步驟一：定型自我介紹。自我介紹是面試繞不開的環節，需要在面試前，將自我介紹完整定型，多多練習，并在過程中不斷優化，遵循：抓重點+有邏輯+總分總原則。

步驟二：簡歷問題模擬作答。面試環節，很大部分時間，是圍繞你的簡歷內容開展的，因此對于簡歷中提到的內容，尤其是項目經歷，需要爛熟于心，并且經得起推敲。

步驟三：開放性問題整理。開放性問題更多偏向于數據分析方法論，以及延伸出來的一些內容，例如：針對某些問題場景要如何進行分析？當被問到一個未知的問題時，需要快速在你的知識庫里搜索相似的解決方法，并有邏輯性的給予輸出，這個時候，第一步的知識體系梳理，就顯得尤為重要了。

步驟四：代碼練習。大多數企業面試，會考核候選人的代碼能力，SQL必考、Python選考，在面試之前，將常用代碼內容多加練習，問題一般不大。

同時，準備面試的時候最好完整梳理至少兩個過往所做的項目，項目選取盡量選擇完整性高、參與度深、成果好的。建議可以重點梳理以下幾個點：

1、項目背景、規模、涉及人數部門、項目角色(owner、參與者) 2、行動計劃、抓手 3、過程中的效果衡量指標 4、項目中遇到的困難及如何解決 5、項目后續是否有迭代優化，基于什么考慮 6、項目做完后具體帶來的價值，解決了什么問題(盡量量化指標) 7、項目結束后的反思，方法論沉淀 8、數據分析能力在這個項目中的體現

另外，在面試之前，尤其是對自己感興趣的企業，可以先提前了解企業基本情況，多獲取行業信息，建立基本認知。

對于目標崗位的要求，一定要認真看，如果是業務型的，可以針對性了解下相關業務是如何做的。這些準備，可以讓自己提前對目標企業和自己原工作的差異有認知，避免面試時被殺個措手不及。

掃碼CDA認證小程序，獲取更多資料

隨著各行各業進行數字化轉型，數據分析能力已經成了職場的剛需能力，這也是這兩年CDA數據分析師大火的原因。和領導提建議再說“我感覺”“我覺得”，自己都覺得心虛，如果說“數據分析發現……”，肯定更有說服力。想在職場精進一步還是要學習數據分析的，統計學、概率論、商業模型、SQL，Python還是要會一些，能讓你工作效率提升不少。備考CDA數據分析師的過程就是個自我提升的過程，CDA小程序資料非常豐富，包括題庫、考綱等，利用好了自學就能考過。

CDA考試官方報名入口:https://www.cdaglobal.com/pinggu.html