心得体会 :转型到数据分析师(亲身经历)

大家好,继上一篇跟大家聊的《我为什么选择了数据分析》,其实我们所说的“数据分析”可以说是有关“数据”类岗位的总称。即通过分析“数据”发现业务问题,洞察商业机会点,为运营活动、业务增长及企业发展等提供合理建议及支持与指导业务发展。

 

然而,我所理解的数据分析师职责主要有以下几点:

第一、帮助企业理清、看清业务现状(即常见的搭建数据指标体系等);

第二、临时性或者定期性的分析某个数据指标变化原因,这个很常见,但也最头疼,有时还没分析出原因,指标可能又变了,值得注意是需要识别这里面的伪需求(数据本身有波动,什么样的变化才算是异常波动?一般以[均值-2*标准差,均值+2*标准差]为参考范围,个例活动则另当别论);

第三、针对某个事件做专题分析,分析可大可小,根据需求方(也有可能是数据分析师自己)而定,领导提出的专题分析相对更难、更有水平一些、更需要重视;

第四、深层次解释关系和预测未来,这个技术难度和业务理解水平要求相对更高一些。如影响GMV的关键因子是什么?这里当然不是显而易见的付款用户数和客单价,而是需要探索的隐性因素;再如,预测下一个季度甚至是一年的GMV,以及如何达成?等。

 

总的来说,数据分析主要是与数据打交道,但数据分析≠分析大数据,所以大家不要对这个职位产生恐惧感,只要转行的过程中锤炼个人必要技能的,保持良好积极的心态,成功转行并不是你想象的那么难。

那么,我们接下来继续聊一下,在转型数据分析师过程中一些比较细节的方面,供大家参考哈。这里一共分为六个部分进行阐述:

一、定位-下定决心

转型一定是一个严肃的事情,就好比高考作为人生的一个重要节点一样,转型不仅意味着从一个新的起点开始,同时意味着要承担从未有过的压力和风险。当然,高风险背后往往回报也是比较可观的,这一点等会会提到。

我为什么要决定转型?为什么决定要入行数据行业?在上一篇推文有提到,我们简单回顾一下吧:

第一、我认为我的性格非常合适做数据分析:好奇、充满热情、喜欢思考;

第二、数据分析这个职位,干得好的,钱还真不少;

第三、未来自己定位在于数据科学家这一类的专业岗位。

那么,定位想清楚了之后,下一步就是要行动了。所谓万事开头难,迈出第一步很重要,有个朋友问我,什么时候行动比较好?我跟他说,种下一棵树最好的时间有两个,一个是十年前,第二个就是现在,现在行动,马上行动,立刻行动。如果你决意要开始改变的话。

那么应该如何行动?我们先要找到自己的目标。目标从哪里找?从市场里面找。

二、踩点-看市场水平

要想找到自己的目标值什么价位,我认为最好的方式是直接去招聘市场去看。下面我们直接通过在某个招聘网站上面摘取下来的数据,看看【数据分析师】这个岗位的市场价大概在什么样的水平?

 

三、储备-多条求职渠道

 

为了拿到一个更好的OFFER,我同时找了好几个求职渠道,来增加成功面试的概率:

第一、网易云课堂报名课程后如果通过考核,可以有网易内推资格,所以我报名了网易云课堂的课程,并且在学完半年之后,顺利拿到优秀学员证书,争取到内推资格;

第二、通过帆软BI考证,拿到FCBA证书,争取到内推资格

第三、通过CPDA协会,争取内部资源的内推资格;

第四、通过人力中介,委托其简历寻求内推资源;说到这点,很奇怪的是,卖保险的朋友居然开始做起了中介,至今我还没想明白为啥还能保险还能做这个副业。

第五、在招聘平台上面发布简历。当然就是各种网络招聘的平台啦。

四、出击-简历投放及改进

简历怎么投?或者说怎么让投出去的简历更有“杀伤力”,提高从简历到面试的概率呢?有几种办法供参考:

第一、考一个证书

有一个证书,会让你简历上给你加分,至于加分的多少,更多是取决于实际面试的表现。目前国内数据分析行业还没有绝对权威的证书,这里举两个证为例,就是CPDA和CDA。很多人问我,CPDA和CDA有什么区别,怎么选,我觉得,如果是本身学会的技能就比较娴熟了,需要一套整体的思维观,可以考虑CPDA,如果是本身技能就不太熟的话,那么可以考虑CDA。在证书方面,CPDA目前有的是工信部授权许可的证书,CDA只有自己的证书认证,在权威性上看,CPDA是比CDA要好的。

很多朋友说拿了证,人家不承认,就说这个证没有用。事实上,人力并非十分精通行业行情,甚至专业部门也不是很清楚证书的事情,这需要你去包装、去推销这个证书甚至是推销自己的能力。你可能会问,我是做数据的呀,为什么还要弄推销?事实上,数据部门经常需要对接业务部门的需求,那就需要沟通的能力了;数据部门需要推广数据指标的实行,这需要说服业务部门接受新指标,这就需要谈判的能力了。所以不是证书不好使,而是你怎么使的问题。

考证的周期,一般是三个月到半年。如果是零基础的话,可能需要一年甚至更长的时间,这是必须的,本来在工作之余抽时间出来学习就已经是极为不易,还要去考证,这考验的是转行的决心和意志力呀。

第二、提取核心技能

简历上,重要的信息一定要放在最醒目的位置。核心技能,就是重要信息里面的一类,那么核心技能有哪些呢?

(1)工具。前期通过学习和储备下来的工具技能,不用客气,全部写上去,数据处理的Excel、Python、R,数据库的SQL、Hadoop、SPARK,数据建模的SPSS,数据可视化的Tableau、FineBI等等等等。

(2)模型。从过往的经验中提取数据模型出来,模型是数据分析的精华成果,客户群体分析的RFM模型、市场分析的巴斯模型、价格敏感性分析的PSM模型、拉新转化的漏斗模型或者AARRR模型,等等等等。

(3)成果。在你负责过的项目里面提取与数据有关的部分,作为你的业绩或者成果进行标示,尤其注意的是,成果应尽可能的和岗位JD联系在一起,或者和你的核心技能联系在一起,从这点来说,岗位JD需要花功夫去研究一下,还记得之前提的吗,海投是大忌,如果要真正提高简历的筛选,那么应该针对每一个公司去“量身订造”一套简历。

第三、杀手锏

极大的给简历加分的选项,我们可以称为“杀手锏”,那么我们有哪些“杀手锏”可以提前准备呢:

(1)刚才提到的证书;

(2)准备一份可视化成果,口说无凭,你需要准备一份实打实的、能体现你实力的数据报告、或者是数据可视化看板,都会是特别实用的“杀手锏”。从这点来说,这份可视化成果一定是你自己动手做一遍的成果,否则面试的时候面试官一旦问到成果里面的细节,如果你答不出来,那么面试官会认为你在弄虚作假,这反而会给你减分。

(3)与众不同的简历风格。既然做习惯了可视化的,那么应该能自己设计一套与众不同的简历,前面提到了,分析师应该学会“包装”的技能,而怎么通过“差异化”的方法来突出自己的简历,是值得思考的。例如,有哪些维度可以突出重要的信息呢?那就是——位置、大小、颜色、顺序等等。引申出来就是,你的重要的信息是不是放在最显眼的位置呢?是不是调为最大呢?是不是最显眼的颜色呢?等等。

第四、投简历的时机

这个因人而异,如果是实力比较厉害的种子选手,那么可以无视时间的因素,分分钟有猎头找上门;如果是实力一般的选手,我觉得应该慎重考虑一下时机,尽量在对自己有利的时机去切换赛道,通过“借势”来实现转型这一目的。

我是怎么通过合适的时机呢?我在猎头网站上面挂了自己的简历,然后猎头过两天会给我打电话。有时候一天一个,有时候两天一个,有时候一天三四个。突然有一段时间猎头天天给我打,我就意识到,这是该出手的好机会了。最后顺利斩获了三个OFFER,注意哦,这是转型的OFFER。

五、重复-不断面试与总结

都说万事俱备,只欠东风。那么这个“东风”就是,不断的重复、不断的总结、不断的尝试。没有一次成功不是通过数不胜数的失败来铸就的。所以,我们需要通过实战,一次次累积经验,终究会看到成功的曙光。

生活往往也是充满了惊喜,当你觉得比较稳的时候,人家一个电话告诉你,你的表现本来是很优秀的,可惜临时被另一个内推的名额占掉了。那怎么办?只能重新找了呗。当你觉得希望渺茫的时候,人家一个电话过来告诉你,面试成功通过,聊一下薪资的情况。所以,这个过程起起伏伏,跌跌撞撞,个中艰辛,只有过来人才能体会得到吧。

另外多说一句,为了能在背调中有个好结果,不管你和前公司闹得多么不愉快,都不要破罐子破摔。留个面子,日后江湖好相间。

六、达成-通过试用期完成转型

在这里提一点的是,转型后的新工作,必然是十分难受和不适的,因为你接触的是以前没接触过的工作内容和岗位职责,这时候你要做的,就是咬牙坚持下来,坚持到完成试用期。

我在试用期的时候,几乎每天加班到公司最后一个离开办公室。每天最早一个到,最晚一个走,已经成为常态,即使是现在,已经试用期结束了半年左右,为了让工作的条理更加顺畅,还是有一些必要的加班。转型嘛,没有阵痛是不可能的。所以,当你决定转型的时候,你要相信自己,因为敢于作出决定的人,注定是不平凡的。不平凡的人生,充满挑战及乐趣。

结尾

每个人工作经历、目标城市等都有所不同,所以并不是每个人都那么轻松的转岗到数据分析师。所以,以上提及的经验只是几个方面,是否愿意执行、学习、下苦功夫和吃透,才是职业转行真正的道路。

日日行,不怕千万里,常常做,不怕千万事。愿各位正在转型或者想要转型的朋友,在新的一年,都能实现自己的心愿。有不同的观点或者有不一样经历的朋友,可以留言,谢谢你们!

转自: 木木自由  公众号;

END


版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。


合作请加QQ:365242293  

数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
非常感谢您的提问。您的问题提到了对diabetes数据集的分析和可视化,这是数据分析和数据科学中非常重要的一环。下面是我的心得体会: 首先,我们需要了解所处理的数据集的基本信息,例如数据集的大小、列名、数据类型等。对于diabetes数据集,我们可以通过pandas库中的read_csv()函数读取csv文件,并使用head()函数查看前几行数据,tail()函数查看后几行数据,info()函数查看数据类型和缺失值等信息。 接下来,我们需要了解数据的分布情况。我们可以使用describe()函数来查看数据的基本统计信息,例如均值、标准差、最小值、最大值等。此外,我们还可以使用hist()函数绘制数据的直方图,查看数据分布的情况。对于diabetes数据集,我们可以使用如下代码绘制直方图: ```python import pandas as pd import matplotlib.pyplot as plt # 读取数据集 df = pd.read_csv('diabetes.csv') # 绘制直方图 df.hist(figsize=(12, 8)) plt.show() ``` 绘制出来的直方图中,我们可以看到各个特征的数据分布情况,例如血压、BMI、年龄等。 接着,我们需要了解各个特征之间的关系。我们可以使用corr()函数计算各个特征之间的相关系数,并使用heatmap()函数绘制热力图来可视化各个特征之间的关系。对于diabetes数据集,我们可以使用如下代码绘制热力图: ```python import seaborn as sns # 计算相关系数 corr = df.corr() # 绘制热力图 sns.heatmap(corr, annot=True, cmap='coolwarm') plt.show() ``` 绘制出来的热力图中,我们可以看到各个特征之间的相关性,例如血压和BMI之间的相关性。 最后,我们可以使用各种图表来可视化数据,例如散点图、折线图、箱线图等。这些图表可以帮助我们更好地理解数据。对于diabetes数据集,我们可以使用如下代码绘制散点图: ```python # 绘制散点图 plt.scatter(df['BMI'], df['Glucose'], c=df['Outcome']) plt.xlabel('BMI') plt.ylabel('Glucose') plt.show() ``` 绘制出来的散点图中,我们可以看到BMI和Glucose之间的关系,以及不同Outcome值的分布情况。 总之,数据分析可视化是数据科学中非常重要的一环,通过对数据的分析和可视化,我们可以更好地理解数据,发现数据中的规律和趋势,从而做出更好的决策。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值