数据分析转型大数据开发,说说我的求职心酸之路

简介: 数据分析转型大数据开发,说说我的求职心酸之路

本文是学习群一位小姐姐的转型经历,她是16年毕业,毕业后从事数据分析2年,然后为了提升学历又去国外读了两年商业分析硕士,没想到回国之后,连工作都找不到了,下面看看她的求职历程吧。

自我介绍
简单自我介绍,普通二本,统计学专业,16年毕业,实习到工作两年,在一家中厂做偏运营的数据分析工作。



平时工作只是偶尔用一下sql,更多的是运营的工作以及excel表格,分析出一大堆建议,客户也不一定采用,整天就是开会,感觉就是无用功,晋升空间不大,薪资也不高,工作越久越觉得迷茫。


公司里的其他同事有很多都是985重本和海外留学回来的,有晋升机会都比较青睐他们,也让我看到学历对于数据分析的重要性,所以后来我辞职去国外读了两年商业数据分析的硕士,想着毕业之后有机会进大厂。


读研归来


2020年11月毕业了,但毕业回国之后让我更迷茫了。回国之后,国内的秋招基本全部结束了,投了很多大厂连面试机会都没有,也面了一些中厂,卡在业务背景上。



这样持续了几个月,这几个月一直在投简历、刷论坛、面试,发现很多拿了大厂数据分析的同学都已经在学校里有相关的实习经历,而社招进大厂更是少之又少。



因为怕空窗期太久了,过完年之后就找了家小公司入职了,薪资跟我读研之前一样,平台还没我之前的公司大,有点后悔读研了。


决定转型
因为在工作中也会接触到公司的数据开发大佬,通过沟通了解,感觉自己比较感兴趣,一开始在摸鱼的时候会自己偷偷自学,后面感觉特别慢以及乱,咬咬牙报了个培训班,最后只是入门级别,有了比较基础的知识储备,所以也没敢尝试转型。


然后直到最近开始跳槽数据分析,但跳槽失败,加上所在地疫情原因,然后处于半裸辞状态下。


而且觉得数据分析越来越卷了,市场存量太大,一个公司根本不需要那么数据分析人手,大多数人都是打杂的,与自己理想中的数据分析工作相差太多。所以就下定决心趁这个机会转型大数据开发。


学习过程


因为着急找工作,由于之前报过班,有点理论基础。找峰哥帮忙规划了学习路线,峰哥让我直接针对面试学习,前期不需要学太细,把项目搞懂,一些重要的知识点理解理解,直接开始面试,面试完及时复盘,入职之后可以再根据需要用到的技术栈系统学习。

很多细节都是靠面试不断补充,一路磕磕绊绊,也有迷茫过,最终还是幸运拿到offer,虽然不算一线大厂,但至少平台和薪资都提升了一个level.



做自己理想中的工作比较难,但至少我现在想通了,先选择一个薪资和发展比较好的方向,过好生活,后面其他有合适的机会再说。

面试过程


因为我是直接学完项目就开始面试,所以一开始面试是比较不理想的,前前后后也面了快20家,也拿了5家offer,大概说一下我的转型感想:


1.求职数据分析的同学一定要在校就开始准备,提前去大公司实习。因为数据分析学习门槛低,所以很多人都以为很好找工作,这不是几年前的行情了,学习门槛低不等于容易就业。


2.工作之后不要盲目提升学历,有时工作经验的积累可能比学历更重要,工作之后提升学历要衡量一下成本,无论是时间成本、金钱成本以及机会成本。


3.多了解自己想从事方向的具体工作,看看是不是自己想象中的那样,多问问过来人。

我曾经的以为数据分析工作就是数据推动业务,通过各种数据分析更好地辅助业务发展,其实不然,大多数时间都是开会对需求,取数等,真正推动业务的只有个别同事,其他都是打下手。


4.对自己不熟悉的方向也不要太害怕,没想象中的那么难。曾经我一听到开发就是认为是男生做的方向,并且要加班等等。其实不是的,我做数据分析的时候也有很多男同事,而且也经常半夜加班写报告。


5.如果对自己目前的工作不满意又不确定方向,那么可以选择一个钱景最好的,至少可以保障你的生活,可以让你在做选择的时候不需要那么仓促和被动。


最后,弱弱地问一句,还有从事数据分析的小伙伴有和我类似的经历吗?


--end--

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5月前
|
SQL 数据采集 数据挖掘
大数据行业应用之Hive数据分析航班线路相关的各项指标
大数据行业应用之Hive数据分析航班线路相关的各项指标
104 1
|
6月前
|
人工智能 Cloud Native 大数据
构建高性能云原生大数据处理平台:融合人工智能优化数据分析流程
构建高性能云原生大数据处理平台:融合人工智能优化数据分析流程
332 0
|
2月前
|
算法 大数据 数据挖掘
python数据分析——大数据伦理风险分析
大数据伦理风险分析在当前数字化快速发展的背景下显得尤为重要。随着大数据技术的广泛应用,企业、政府以及个人都在不断地产生、收集和分析海量数据。然而,这些数据的利用也带来了诸多伦理风险,如隐私泄露、数据滥用、算法偏见等。因此,对大数据伦理风险进行深入分析,并采取相应的防范措施,对于保障数据安全、维护社会公平正义具有重要意义。
53 0
|
2月前
|
存储 大数据 数据挖掘
python数据分析——大数据和云计算
大数据和云计算作为当代信息技术的两大核心驱动力,正在以前所未有的速度改变着我们的生活、工作和思维方式。它们不仅为各行各业的创新提供了强大的技术支持,更是推动了整个社会的数字化转型。 从大数据的角度来看,它的核心价值在于通过对海量数据的收集、存储、分析和挖掘,发现其中的关联性和趋势,从而为决策提供更为科学、精准的依据。无论是商业领域的市场预测、消费者行为分析,还是公共服务领域的城市规划、交通管理,大数据都发挥着不可或缺的作用。同时,随着物联网、传感器等技术的普及,大数据的来源和种类也在不断扩展,这使得我们能够更全面地认识世界,把握规律。
51 0
|
2月前
|
存储 关系型数据库 测试技术
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
39 4
|
5月前
|
数据采集 数据可视化 数据挖掘
【大数据实训】基于当当网图书信息的数据分析与可视化(八)
【大数据实训】基于当当网图书信息的数据分析与可视化(八)
92 0
|
5月前
|
数据采集 分布式计算 数据可视化
【大数据实训】基于赶集网租房信息的数据分析与可视化(七)
【大数据实训】基于赶集网租房信息的数据分析与可视化(七)
80 0
|
5月前
|
分布式计算 Hadoop Java
【大数据实训】基于Hadoop的2019年11月至2020年2月宁波天气数据分析(五)
【大数据实训】基于Hadoop的2019年11月至2020年2月宁波天气数据分析(五)
53 1
|
6月前
|
人工智能 Cloud Native 大数据
从传统软件开发到云原生转型:大数据和AI如何引领软件开发的新趋势
从传统软件开发到云原生转型:大数据和AI如何引领软件开发的新趋势
155 0
|
8月前
|
机器学习/深度学习 数据采集 边缘计算
大数据和数据分析:决策制定的新方式
大数据和数据分析:决策制定的新方式

热门文章

最新文章