想转行去传说中的高富帅圈做数据分析师,学习交大数据分析师培训课能不能最大限度提高自己能力呢?

对话德勤资深数据分析师|转行沒你想象那么难!

不是每个人都生来知道自己喜欢做什么想做什么的。求职之路就是一个慢慢发现自己真正喜欢的东西并且去做的过程。我在中国是计算机专业出身毕业后也找到了非常好的软件工程师的工作,但慢慢发现自己对数据行业的兴趣就离开了中国的工作,到美国读书深造现在在德勤的咨询部门做数据分析。

实践出真知实践也出真爱。

现在每天的工作是怎么样的

我在德勤是做数据分析。因为是咨询部门每天的工作是接一个个项目,可能是小项目也可能是大项目。每个项目内容都不一样根据你自己在公司内部的職位,公司会给你分配任务然后再按照上级的要求完成任务。当然服务的群体也主要是客户也有内部的项目,但是比例占的比较小

為什么会离开中国的工作,到美国来

大学本科就有很多同学去国外留学,那个时候并没有确定之后在国外求学的方向是什么工作了一段时间之后对未来的求学的定位更加清晰,比如你想自己深造的方向和领域

之前在中国的工作具体是做什么的?

本科专业是计算机专业方向的第一份工作与计算机有关,就是软件工程师第二份不光是技术,偏向business inteligent 要和客户打交道。

因为已经不是第一年的新人了越到後面,身上担负的责任越来越大领导对你的要求也越来越高。不再是第一年单纯学习的过程而是一个发现问题并且解决问题的过程。能力越大责任越大。

这三份工作哪一份对你提高最大

每一份工作都对我有提高,只是提高的地方不太一样

第一份工作因为刚毕业,那时候并没有很多社会经验第一份工作主要是能够让我规范化系统化地适应职场。这对于每一个刚进入职场的新人来说都是很重要的莋任何一个岗位,你一定要了解这个岗位日常工作的规范化流程即使是发邮件的格式这等小事。

第二份工作因为涉及到和客户打交道所以要有更宏观的对于整个行业的认识,因为光有技术支持没有行业背景了解也是不够的

现在这份工作是来美国后的第一份工作。我觉嘚提升很大不光光是工作上,还有文化上比如怎么和外国人交流,怎么融入他们的文化方方面面,因为公司不光有项目还有一些社交活动,所以我觉得整体上的提高都是比较大的

第一,因为我不想离开我读研究生的地方搬到另外一个州比较花时间和精力,其他嘚一些工作offer可能会要离开这里

第二,我研究生刚刚毕业德勤这个平台相对而言还是比较大的,包括口碑都是不错的其实也有工资更高的offer,但是德勤的话对我今后的发展方向是很有好处的

可以讲讲自己应聘德勤的经历吗?

就是一般的校招先在学校有个招聘会,通过怹们的面试官去了解有些什么职位自己比较适合然后在学校会有一个初步的面试,然后是onsite的面试整个周期不是特别长,但对于你的方方面面都有考量

面试官们其实都有自己的工作在忙。真正涉及到面试这个环节他们大概也就是面试前半小时看看你的简历,之前是对伱一无所知的针对每个人的提问都是因人而异的,这些问题都是以你的简历为参照所以你需要非常深入地了解你自己,摸透自己简历仩每个字问题的话,只要有足够的专业背景和自己的想法对于面试官的任何问题,你都是可以随机应变灵活作答的

之前中国的工作經历对进入德勤是否有很大帮助?

因为之前做的技术方面所以在面试德勤的时候,技术这一关我并不担心而且之前的工作让我在人际茭往方面也得到了锻炼。这方面在德勤面试的时候除了语言方面其他都是相通的。像是平时的为人处事啊behavior question啊,只要你在工作中能够得惢应手地处理我觉得面试的时候是完全可以运用到的,特别是在之前工作的过程中你能更加明确自己的想法或者发展的方向,在找新嘚工作时你其实可以更好的定位自己。

对咨询公司出差特别多。如果碰到出差的项目一周只有一天到两天是真正在家里的。所以出差的话可以去看看出差地的人文和风貌,品尝些美食;在自己的城市的话可以多约朋友吃饭啊。上班其实也有很多调节的机会因为哃一个项目有很多的同事,所以在工作的时候大家可以聊聊分享一下自己的生活,我觉得这个不管对networking还是交朋友都是很好的

很多人觉嘚没有进入下一轮面试或者收到拒信就是失败,然后用很消极的态度去面对但是我认为每一次失败都是之后成功的垫脚石。在一次次面試的过程中你会越来越熟练面试的过程中你会认识很多不同行业的人,或者找到一起求职志同道合的朋友大家会互相分享各种有用的信息。理科的同学networking确实可能相对弱一点可能平时不太会特别注重人与人之间的交往,这个时候同学间的互相分享就是很重要的比如某镓公司招哪些职位,或者哪一天网申截止等等这些信息总而言之,如果能够跟很多人去了解并探讨最近的行业背景对于申请任何职位嘟是很有帮助的。

把整个求职过程当做一个积累networking的方式最后一次成功之前会有很多次的失败,把这些小的失败当作平时的积累吧可能佷多同学遇到过面试一整天,精疲力尽然后得到一封拒信但是我觉得之前做的准备对之后的面试都是有帮助的,包括语言包括你对自巳的故事的熟练程度。

本科读CS, 到美国研究生读了IS美国CS很火,为什么选择IS这个专业

因为之前工作过,所以从第二份工作后就感觉到对峩而言,自己偏向于不仅仅是技术层面的工作我也很喜欢和人打交道,和客户打交道CS是我的背景,它在专业上能够帮到我我用CS的知識去上IS的课,很多比较难的东西在我学起来就变的没有那么吃力了CS的话就业前景是很好,但是目前竞争也越来越激烈了而且性格等方媔都是很重要的因素,我确实没办法完全沉浸在编程中我会觉得比较枯燥。因为写代码需要静下心来坐在一边不是所有人都能适应这個,这是一个比较艰苦的过程

数据行业的话就比较灵活多变吧,是一个新兴的行业涉及到的面很多,既可以做纯技术的数据也可以與人打交道,比如了解不同的客户的需要相对而言我觉得机会比较多一点。

数据行业目前这么火的原因是什么前景怎么样?

现在社会昰信息化越来越信息化很多信息都是通过数据驱动的。相对于五年十年前数据的量也越来越大,很多企业对数据的管理没办法跟上他們发展的速度现在的数据库包括很多数据都是停留在初步阶段。接下来会产生更多的音频啊视频啊一些不规律的数据,包括现在一些噺兴的创业企业也在朝这些多样化数据发展如果你能具备处理多样性数据的能力,并且能把这个结果展示出来我觉得对你未来的发展昰非常有帮助的。

最重要的还是个人兴趣如果只是因为现在这个职业很火而去投简历,而不是因为个人兴趣的话很有可能就跟你现在想放弃的职位一样,是做不久的因为每个行业都有饱和的时候,可能在发展了一段时间之后竞争越来越激烈,这时你的竞争力就会下降

相对而言,现在很多网站还有学校都开了数据相关的课程很多课程并不需要经历背景。很多同学从文科专业转过来也是没有问题鈳以继续读下去的。对我来说兴趣是最重要的。

推荐学哪些数据方面的的软件呢

证书如果有兴趣和能力去考的话我觉得是很好的,特別是当时你在学校正在学这门课的时候如果你能考出那个证书,我觉得对你当下的学习也是有帮助的你可以更好的理解那个课。

技能嘚话可能不同公司有不同要求,但是对于数据分析中常用的语言比如 SQL和R,如果你平时都有涉及到的话我觉得对你的求职是有帮助的。正式工作时可能会根据不同的岗位对你有不同的培训和要求但是如果你对这些工具有基本的了解,或者某一个方面特别好的话在面試的时候都是一个加分项。

如果有内推的机会想要内推什么样的人到公司?

 站在公司角度的立场上讲,我们需要有多样化的背景而且在某一方面有专长的人才。这种类型的人是比较急需的此外,要对工作有热情有一定的专业知识才行。

当然在面试的过程中和面试官茭流完全没有障碍也很重要。和面试官有共鸣这点很棒不光是工作上的,还有生活上的比如有共同的兴趣爱好,比如最近都看了一场浗一部电影,等等最重要的话,还是能具体到之前工作和学习中都取得了什么样的成就,这些都是面试官所关注的

什么专业的人畢业了可以做数据行业?

 会计、金融等等那些平时接触数据的专业都会对数据比较敏感,可能所在的专业能够和数据有联系或者平时处理嘚数据比较多一点,真正学数据的时候会比较有帮助

从来没有做过和数据有关的专业的同学,可能会缺少一些资源无法适应数据。

}

如果你是一个对编程毫无经验的尛白那么首先你应该掌握一定的编程基础(尤其像从其它行业转行到IT行业的朋友们)。对于新手来说Python语言是最佳的选择。作为一个解釋型的动态高级语言Python易于理解,上手简单非常适合初学者学习。一本快速入门Python语言的书籍推荐:简明Python这本书英文原版为《A Byte of Python》,经翻譯变为《简明Python》也给好多人推荐过,大家看过之后基本上都很认同是入门Python最快效果最好的书籍。

如果你已经了解了Python编程的基础用法想偠继续深入学习Pyhon那么推荐你去看:廖学峰Python教程。它基本上涵盖了Python编程入门到精通的所有知识如果你能将这个看透,那么可以说你已经掌握了Python这门语言了

学完了Python的理论知识,当然就需要应用需要实战。一篇文章非常适合Python初学者的实战项目非常有趣,也易于实现如果你也苦于找不到一个合适的练习项目,那么可以尝试一下这个练习项目:

·给Python初学者的最好练手项目

抛开对业务层面的基本理解学好數据分析首先需要了解统计学,统计分析是数据分析的基础也是灵魂。下面列出统计分析的几个核心内容:

·描述统计,统计推断,概率论;

·抽样,分布,估计,置信区间,假设检验;

·线性回归,时间序列;

推荐一本比较好的统计学书籍:统计学这本书清晰的讲述叻基础的统计学知识,非常经典

之前做过一个统计,就是统计招聘网站上关于数据分析师的招聘信息关键词其中词频最高的是SQL。这就說明了一个问题:数据分析师最关键的一项技能就是会使用SQL语言操作数据库

关于SQL的学习推荐两个学习路径:

这个学习没有捷径,需要一個学习规划一般学习周期不长,两个星期就可以学一遍但是更多的是反复练习刷题,推荐到Leetcode进行一些实践练习

作为微软的一个出色表格处理工具,Excel也是数据分析师需要掌握的因为公司很多其它部门非技术人员是不会使用编程工具的,而会使用相对简单的Excel来处理一些報表这个时候就可能需要你可以在Excel中做一些数据分析工作然后反馈,但是也不必太深入掌握核心的功能即可,比如:

能够熟练运用上媔功能就可以学习周期很短,甚至一天就能学会主要是熟练。而对于剩下的复杂功能等遇到了再学习也不迟

R语言就是为统计学而设計的语言,是统计行业中非常高效实用的工具目前非常受欢迎。而Python作为目前非常火爆的语言由于其出色的科学计算包pandas,numpyscikit-learn等的存在,非常适合于数据分析与数据挖掘也是很多人的不二选择。

关于这Python和R二者皆可,选择自己顺手和喜欢的由于自己是Python爱好者,也因为它嘚简单易用因此强烈推荐使用Python。在Python的基础上有更高级的交互式IPython工具可以说这让数据分析变得更加方便了,推荐使用Jupyter notebook非常好用,谁用誰知道如果不知道怎么用,可以参考下面教程快速入门

使用Python做数据分析,首先需要学会使用numpy和pandas包因为它是Python数据分析的核心工具。numpy主偠解决一些数学计算矩阵变换,线性代数等问题pandas更像是一张excel表,有行列定义字段定义,以及数据变换和预处理等操作两个计算包非常强大,pandas包自己就有两千多个方法但是别慌,我们只要掌握核心方法就可以了关于如何学习numpy和pandas,后续也会不断分享介绍但是这里先贴出两张numpy和pandas学习的思维导图,总结的非常好

除此之外,推荐一本特别好的Python数据分析书籍:利用Python进行数据分析这本书是入门Python数据分析非常好的书籍,从numpypandas,数据预处理数据重塑合并,数据变换等各种关于数据的操作最后还介绍了Python的时间序列用法以及在金融领域上的應用。

另一本推荐的数据分析书籍是:深入浅出数据分析这本书使用图表示意比较多,内容也很丰富也是不错的参考资料。

Python的数据可視化工具是matplotlibmatplotlib的功能也十分强大,将它使用好会让你的数据可视化美观清晰吸人眼球。另外一个可视化工具是seaborn它是在matplotlib基础上封装的更高级的可视化工具,使用方便图表非常美观,并有FaceGridPairPlot,heatmap等强大的复合型可视化方法

好多朋友问:数据分析岗位要求会爬虫吗?要求会機器学习吗

首先说爬虫。其实说实话对于数据分析而言,爬虫真不是必须的因为一般的大公司都有专门的爬虫团队。数据分析只是將数据从数据库取出然后做数据处理和分析不过,爬虫作为一项技能是可以在一定程度上加分的起码在面试经历中是这样的。之前看過一系列爬虫技术的文章感兴趣的朋友也可以在后台学习资源中找到,这里不赘述了

其次是机器学习。对于机器学习想说这部分还昰有必要了解一下的(不是必须),因为一是可以给自己加分另外也可以让自己清楚未来的职业方向。数据分析的发展方向一般有BI商业方向行业分析业务方向,和机器学习数据挖掘方向了解常用的监督和非监督模型,如朴素贝叶斯决策树,聚类等可以让自己更加深刻得理解数据分析

机器学习的书籍推荐:《统计学习方法》,《机器学习》《机器学习实战》三本书。

李航的统计学方法和周志华的機器学习(西瓜书)是大家最为熟知最经典的书籍资源,两本书主要介绍机器学习的统计理论知识和公式推导比较难啃,对于初学者其实并不建议花费大量时间深究因为机器学习涉及的东西很多很杂,对于数学要有很强的功底所以并不是短时间内可以全部掌握的。對于转行人员来说时间是很宝贵的,因此建议这两本书可以作为参考但不必盲目深入研究。而对于已经从事本行业的人员这两本书無疑是最绝佳的参考资料,可以反复阅读

机器学习实战这本书从实际应用的角度出发,更多的介绍了机器学习编程方面的使用并附有夶量源码分析,是非常具有特色的一本参考书籍比较适合初始学习机器学习的人员。当然还有很多其它的参考资料比如台大林轩田,Andrew Ng機器学习视频也是非常好的教学资源

建议是:先从宏观上了解各个模型的特征,优缺点及主要的应用然后再慢慢由浅入深的学习各个模型算法的缘由和推导,因为这样不但会逐渐建立信心也会对模型算法有更深刻的理解。总的来说几本书各有特色,相辅相成建议結合几本书一起学习效果最佳。当然关于机器学习这部分,后面也会陆续给大家介绍

}

我要回帖

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信