211统计学-数据分析 你有没有发现，这个世界上所有的东西都在变成数据？ 购物记录、浏览足迹、运动轨迹、甚至你每天走了多少步——这些数据在服务器里安静地躺着，等待被人挖掘出价值。而我，就是那个挖掘者。 我叫陈思远，211统计学专业毕业，现在在一家互联网公司当数据分析师。月薪从毕业时的6000涨到现在的18000，这条路走得不算快，但每一步都很稳。 选统计学，是因为我妈的一句话 高二分科的时候，我纠结了很久。文科我历史不错，理科我物理更强。后来班主任跟我说：“你数学每次都是年级前五，选理科吧，将来找工作选择多。” 我信了。 填志愿的时候，我妈翻了三天招生简章，最后指着”统计学”说：“这个专业听着不错，现在不是大数据很火吗？应该好就业。” 说实话，我对统计学一无所知。我以为统计学就是算算平均数、做做表格。后来才知道，我对这个专业的误解，比长江还长。 录取通知书下来的那天，我在网上搜”统计学是学什么的”。搜出来的答案让我一头雾水：概率论、数理统计、回归分析、多元统计分析、时间序列分析……每一个字我都认识，连在一起我就不认识了。 算了，既来之则安之。 大一：被高等代数支配的恐惧 开学第一周，我就意识到不对劲。 专业课里有一门叫《数学分析》，据说这是数学类专业的”入门课”。教材是同济版的，上下两册，加起来一千多页。 第一节课，老师在黑板上写了一行字：“数学分析研究的是函数的极限与连续性。” 我当时就懵了。啥？极限？连续性？这跟我高中学的数学完全不是一回事啊！ 果然，第一学期的高等代数期末考试，我差点挂科。60分，险过。成绩出来的那一刻，我整个人都凉了。我从小到大，数学从来没考过这么低的分数。 室友安慰我：“没事，大家都差不多。” 但我知道，不是所有人都跟我一样。班里有个同学，来自高考大省，高数书从头到尾做了三遍笔记，每次考试都是95分以上。 我开始怀疑自己是不是选错了专业。 大一下学期，我咬牙选了《概率论与数理统计》。这门课比高等代数好一点，至少我能听懂它在讲什么了——虽然做题的时候还是经常卡壳。 期末考试我考了72分，虽然不高，但比我预期的好多了。 那学期结束后，我给自己立了个flag：这四年，绩点无论如何要保持在专业前20%。 后来我做到了。大三的时候，我的绩点是3.7，排专业前15%。 大二：发现了Python这个新世界 大二上学期，有一门课叫《程序设计基础》，教的是C语言。 这门课让我第一次接触到了编程。 说实话，一开始我觉得编程特别无聊。一堆奇怪的符号，一行行代码，写了半天也看不出个所以然。第一次上机实验，我连”Hello World”都跑不出来，急得满头大汗。 但慢慢地，我开始觉得编程有意思起来。当你写的代码能真正跑起来、能解决问题的时候，那种成就感还是很强的。 大二下学期，我自己学了一门叫《Python数据科学》的网课。 这门课打开了我新世界的大门。 原来Python可以爬取网页数据，可以处理Excel表格，可以做数据可视化，可以跑机器学习算法……我发现，Python特别适合用来处理数据，而数据处理恰好是统计学的核心技能。 从那以后，我把大量时间都花在了学Python上。 每天晚上从图书馆回来，我都会在宿舍里敲代码。爬虫脚本、数据清洗脚本、可视化图表……一个项目接一个项目地做。 室友说我是”代码疯子”，我说你们不懂，代码是通往未来的钥匙。 现在想想，那段时间的积累，为我后来的职业发展打下了坚实的基础。 大三：开始认真规划未来 大三上学期，班里的气氛突然紧张起来。 考研的考研，实习的实习，每个人都在为自己的未来打算。我也加入了”考研大军”，买了一大堆资料，准备跨考计算机专业。 但学了两个月之后，我发现不对劲。 跨考计算机要补的课太多了——数据结构、操作系统、计算机网络……每一门都是大坑。我每天焦头烂额，学了后面忘前面。 后来我冷静下来问自己：你真的想考研吗？你真的喜欢计算机吗？ 答案都是否定的。 我不想考研，不是因为怕难，而是因为我发现自己对”数据分析”这个方向更感兴趣。而数据分析，本科毕业就能找到工作，不一定非要考研。 我做了一个让所有人都意外的决定：放弃考研，转向找工作。 我妈打电话骂了我一顿，说我半途而废、没有定性。我跟她解释了很久，她才勉强接受。 但我知道自己的选择是对的。 放弃考研之后，我把所有精力都放在了提升”数据分析”技能上。我系统地学了SQL、Python数据分析库（Pandas、NumPy、Matplotlib）、Tableau，还刷了大量的面试题。 大三暑假，我找到了一份数据分析的实习。这是我第一次真正接触”数据分析”这个工作。 实习：数据分析师到底是干什么的 实习的公司是一家中型电商公司，做母婴用品的。 带我的是个小姐姐，姓李，我们都叫她李姐，在公司做了三年数据分析。 实习生的活儿不复杂：每天从数据库里提取一些数据，做成Excel报表，发给业务部门。听起来很简单，但我很快发现，这份工作比想象的复杂多了。 首先，SQL必须熟练。 公司用的是MySQL数据库，表结构特别复杂，有十几张表相互关联。刚上手的时候，我连最简单的join都写错，查询结果驴唇不对马嘴。 李姐看不下去了，亲自给我讲了一遍SQL的核心语法，还给了我一个学习文档，让我回去好好看。 我花了整整一周时间，把那个文档从头到尾看了一遍，又自己练习了一百多道SQL题目。等我再回到工位上写SQL的时候，明显感觉顺畅多了。 其次，要懂业务。 有一次，李姐让我分析一下”用户复购率下降”的原因。我吭哧吭哧做了两天，又是算数据又是画图表，最后得出了一个结论：“复购率下降可能跟促销活动减少有关。” 李姐看完，笑着说：“你的分析思路是对的，但你忽略了一个关键因素——季节性。母婴用品的用户群体是新手妈妈，孩子长大一点之后，需求自然就变了。这是正常的业务周期，不是因为我们做错了什么。” 我这才意识到，数据分析不是纯粹的技术活儿，不懂业务的数据分析师，只能看到数据的表面，看不到数据背后的逻辑。 实习了两个月，我感觉自己进步很大。虽然做的事情很基础，但至少对”数据分析”这个职业有了更清晰的认识。 大四：找工作是一场硬仗 2019年秋天，大四上学期，我开始正式找工作。 秋招的形势比我想象的严峻。那一年应届生就业特别难，1270万毕业生，创历史新高。我投了二十几家公司，只有七八家让我去面试，最后拿到offer的只有两家。 一家是杭州的一家电商公司，月薪6000；另一家是一家小创业公司，月薪5500。 我没有犹豫，直接选了杭州那家。 不是因为工资高一点，而是因为电商公司的数据量更大，能学到的东西更多。 毕业典礼那天，班里好多同学都哭了。我没哭，但我心里挺不是滋味的。 四年过得太快了。感觉昨天还在为高数考试发愁，今天就要踏入社会了。 被SQL报错支配的恐惧 2019年7月，我正式入职了。 试用期三个月，月薪6000，扣完五险一金到手5000左右。租了一个合租的单间，月租1800，每个月能攒下两千块钱。 刚入职的时候，我延续了实习时的状态——每天就是写SQL、做报表、发周报。重复性的工作做了三个月，我开始觉得无聊了。 有一天，我忍不住跟主管说：“我想做一些有挑战性的项目。” 主管看了我一眼，说：“行，你先把这个月的用户留存分析做了。” 这个项目让我第一次体验到了”数据分析”的真正价值。 我花了整整两周时间，从数据提取、数据清洗、指标计算、到最后的可视化分析，全流程独立完成。最后写了一份二十多页的分析报告，得出了几个关键结论，并提出了相应的运营建议。 报告发给主管之后，他回复了一句话：“不错，下次开会你来讲。” 那是我第一次在全组面前做汇报。紧张得手心出汗，但讲完之后，同事们的掌声让我特别有成就感。 从那以后，主管开始让我独立负责一些项目了。流量分析、转化漏斗分析、用户画像分析……一个接一个，我的业务能力在快速提升。 第三年：跳槽到字节跳动 2022年，工作第三年的时候，我决定跳槽。 原因很简单：我想去更大的平台，学习更先进的数据分析方法。 字节跳动是我一直想去的公司。那几年字节发展得特别快，数据驱动的工作方式也特别吸引我。 面试的过程很艰难。一共四轮面试，前两轮是技术面，问了很多SQL和Python的问题；第三轮是业务面，问的是数据分析思路和方法论；第四轮是HR面，聊薪资和入职时间。 等offer的那两周，我每天都睡不好。 最后拿到offer的那一刻，我激动得差点跳起来。月薪18000，年薪大概30万出头，比之前翻了一倍多。 入职字节的第一天，我就被震撼到了。 这里的工作节奏太快了。每天早上十点到公司，晚上十点才走，中午只休息一个小时。整个团队的人都在疯狂运转，需求像雪片一样飞来。 适应了大概三个月，我才慢慢找到节奏。 字节的数据分析跟之前公司完全不一样。这里用的工具是Hive和Python，分析平台是自己的数据中台，数据量是之前公司的几十倍。更重要的是，这里的数据分析师不是只做报表，而是真正参与业务决策。 我所在的部门是电商业务的数据分析组，每天的工作就是：拆解业务目标、监控核心指标、分析异常波动、为业务决策提供数据支持。 有一次，运营的同学提出了一个”满减活动”方案，让我分析一下效果。我做了A/B测试的数据分析，发现这个方案可能会导致GMV下降。最后运营采纳了我的建议，临时修改了方案。 后来复盘的时候，如果没有那次数据分析，可能就要多花几十万冤枉钱。 那一刻我真正感受到了数据分析师的价值——我们不是只会跑SQL的”取数机器”，而是能为业务创造真金白银的”决策伙伴”。 年薪40万之后，我又开始焦虑了 2026年了，我在字节已经快四年了。 现在的我，月薪18000，年薪加上期权，大概40万左右。比不上那些年薪百万的大佬，但比我刚毕业时的6000，已经翻了整整三倍。 更重要的是，我在这份工作里找到了自己的价值。 数据分析这条路，我走得不算快，但每一步都很稳。我知道自己的优势在哪里——逻辑清晰、对数字敏感、能从数据中看到业务的机会和风险。我也知道自己还需要提升什么——业务理解、沟通表达、项目管理。 未来，我想往”数据科学家”的方向发展。算法模型、数据挖掘、机器学习……这些领域还有太多东西需要学习。 数据分析这行，35岁之前要搞清楚的事 干了四年数据分析，我最大的感受是：统计学是基础，数据思维是核心，工具是手段。 很多人觉得数据分析就是”会SQL、会Python、会Tableau”，但这些只是工具。真正重要的，是你怎么看待数据、怎么从数据中发现问题、怎么用数据解决业务问题。 所以，如果你想从事数据分析，不要只盯着工具学。要多了解业务、多思考问题的本质、多培养自己的洞察力。 最后说一句：数据是冰冷的，但数据分析是有温度的。因为数据背后，是一个个真实的人。 共勉。
关联阅读
专业参考 统计学.md 案例索引 0000_1001案例总索引 知识库总索引 0000浪尖大学四年知识库_总索引
继续阅读导航 上级目录
全库目录索引 1001上百大学四年的规划案例 目录索引
同目录索引
1001上百大学四年的规划案例 目录索引
跨库关联
专业规划：统计学：统计学 案例：统计学：案例042-统计学-数据分析岗 案例：统计学：案例124-统计学-目标投行 专业规划：经济统计学：经济统计学 专业规划：生物统计学：生物统计学 专业规划：应用统计学：应用统计学 计算机与 AI 基础：计算机基础高效学习指南 计算机与 AI 基础：编程语言高效学习指南 计算机与 AI 基础：Python高效学习指南 计算机与 AI 基础：2026年AI实习岗位：大学生进入AI行业的敲门砖 实习：实习经验分享与人物访谈 实习：0000大学老油条找实习的25条野路子经验
同主题推荐
统计学 案例042-统计学-数据分析岗 案例124-统计学-目标投行 经济统计学 生物统计学 应用统计学 计算机基础高效学习指南 编程语言高效学习指南 Python高效学习指南 2026年AI实习岗位：大学生进入AI行业的敲门砖
相关标签
上百大学四年的规划案例 实习 就业 考研 保研 创业 统计学案例
下一步阅读
下一篇：案例166-食品质量与安全-考研农大