职业发展
0
推荐
1791
浏览
如何拿到华为、拼多多等4家offer?
我是黎明:应届硕士毕业生,男生,传统工科专业,18年6月份决定转数据分析,开始学习EXCEL、统计、SQL、Python等。8月份正式开始找工作,期间边学边找,投递简历40+,笔试30+次,面试10+次。最终拿到华为、拼多多...
猴子聊人物 发表了文章 • 2019-02-01 21:04
0
推荐
2574
浏览
选择有意义、有时间的工作,而不是被迫谋生
读书的意义是什么呢?某位作家的家书里写得很好:孩子,我要求你读书用功,不是因为我要你跟别人比成绩,而是因为,我希望你将来会拥有选择的权利,选择有意义、有时间的工作,而不是被迫谋生。当你的工作在你心...
猴子聊人物 发表了文章 • 2019-01-30 19:44
0
推荐
1586
浏览
怎样的跳槽频次在 HR 眼中是合理的?
没有谁能在一家公司呆一辈子,正所谓,如能一帆风顺,谁愿颠沛流离。所以,人生在世,免不了跳槽。跳槽可以,但是不要频繁跳槽。为什么不要频繁跳槽呢?频繁跳槽会体现在你简历上,因为从你简历上的工作经历是多...
猴子聊人物 发表了文章 • 2018-12-20 17:41
3
推荐
1805
浏览
课堂笔记 - 职场也有双11——你贱卖自己的5大常用技巧 by 陈老师
课程链接 - https://edu.hellobi.com/course/235步入职场需要:1. 放弃学生思维(单打独斗),要建立职场思维(团体作战,除了个人能力,队友,策略等都非常重要)2. 放宽视野,眼界不要局限于某一特定行业或者岗...
upright 发表了文章 • 2018-04-12 23:23
推荐
浏览
27
推荐
21270
浏览
1
推荐
3013
浏览
天善学院全场7折陪你国庆8天乐!
Dear 天善智能社区小伙伴:感谢您的支持,让天善智能走到如今。天善智能致力于构建一个基于大数据领域的生态圈,通过社区链接一切与数据相关的资源,与大家一起共同努力推动大数据、数据分析、数据挖掘、商业智能...
天善智能 发表了文章 • 2017-09-28 10:31
2
投票
11
已解决
9378
浏览
百元问答第1期:大数据时代下,商业智能从业人员(BIer)光明之路在何方?
Surui 回复了问题 • 2017-09-25 17:17
0
投票
3
回答
1991
浏览
一个职场人,如何逐渐积累起人脉资源(尤其是自己任职企业外部的人脉)?
钟家福17 回复了问题 • 2017-07-12 13:47
2
推荐
1396
浏览
0
投票
2
回答
1504
浏览
BI职业发展如何抉择产品
培培 回复了问题 • 2016-02-25 10:30
1
投票
1
已解决
2252
浏览
我是做天猫淘宝的运营推广类的,那些钻展直通车类的包括其它,昨天我认真思考了下 我还是走技术路线,比如数据是未来的时代,想做挖掘之类的偏技术想听听你的建议 我的思路是否合理呢
逆光 回复了问题 • 2015-10-13 09:59
0
投票
1
已解决
2152
浏览
研一小菜鸟 现在很迷惑 望大神指导
BIWORK 回复了问题 • 2015-09-30 10:26
0
投票
6
已解决
14302
浏览
想成为一名需求分析师,BI领域应该从哪里入手比较好呢?
housheng33 回复了问题 • 2014-04-11 11:29
成为一名需求分析师,相对来说,是需要花蛮多时间和精力的一个过程,理由很简单,没有单位会愿意接受一个新人或者不懂业务的人给他调研做需求。个人几点建议,可以从以下几个方面入手。
一是业务,这个是最重要的,需求调研一定要结合到具体行业的业务,是电信行业、制造业(制... 显示全部 »
一是业务,这个是最重要的,需求调研一定要结合到具体行业的业务,是电信行业、制造业(制... 显示全部 »
成为一名需求分析师,相对来说,是需要花蛮多时间和精力的一个过程,理由很简单,没有单位会愿意接受一个新人或者不懂业务的人给他调研做需求。个人几点建议,可以从以下几个方面入手。
一是业务,这个是最重要的,需求调研一定要结合到具体行业的业务,是电信行业、制造业(制造业还有极多的细分)、零售行业?是主攻财务领域还是供应链领域?人的精力有限,或是说术业有专攻,可以先想好,结合自己的兴趣,确定一两个方面。
业务知识的学习,可以阅读书籍,可以上网站,浏览行业资讯,但是在项目中快速历练,抓住机会与客户,尤其是业务人员多多沟通,是一种较快的成长方式。自己也可以做些心得总结,点点滴滴积累起来了 ,未来就可以写成一篇篇的。行业资讯也很重要,与人的沟通中,可以作为素材。
行业KPI和分析方式,分析表样、案例也可以积累一些。
二是技能,数据分析方面的技能,如各种分析方式的用途 ,适用的地方,这是采集需求、整理需求的很重要的手段,其实很多的分析方式都是通用的,成长性分析(同比、环比、累计比),结构和排名分析、趋势分析,都差不多。
三是技术,相应的技术,需要涉猎,如BI技术,数据挖掘技术,等等,有一些会更好的。
四是调研技巧 ,需求调研技巧,如何做需求访谈,采集需求,如何聆听,如何记录,这些是可以学习、历练和提高的。
五是写作能力,需求分析师,写东西的时候蛮多的,多写,而且多积累素材,多准备些理论知识。
大概就这些,随便聊了下,希望对你有用。
一是业务,这个是最重要的,需求调研一定要结合到具体行业的业务,是电信行业、制造业(制造业还有极多的细分)、零售行业?是主攻财务领域还是供应链领域?人的精力有限,或是说术业有专攻,可以先想好,结合自己的兴趣,确定一两个方面。
业务知识的学习,可以阅读书籍,可以上网站,浏览行业资讯,但是在项目中快速历练,抓住机会与客户,尤其是业务人员多多沟通,是一种较快的成长方式。自己也可以做些心得总结,点点滴滴积累起来了 ,未来就可以写成一篇篇的。行业资讯也很重要,与人的沟通中,可以作为素材。
行业KPI和分析方式,分析表样、案例也可以积累一些。
二是技能,数据分析方面的技能,如各种分析方式的用途 ,适用的地方,这是采集需求、整理需求的很重要的手段,其实很多的分析方式都是通用的,成长性分析(同比、环比、累计比),结构和排名分析、趋势分析,都差不多。
三是技术,相应的技术,需要涉猎,如BI技术,数据挖掘技术,等等,有一些会更好的。
四是调研技巧 ,需求调研技巧,如何做需求访谈,采集需求,如何聆听,如何记录,这些是可以学习、历练和提高的。
五是写作能力,需求分析师,写东西的时候蛮多的,多写,而且多积累素材,多准备些理论知识。
大概就这些,随便聊了下,希望对你有用。
目前来看你现在的技术方向还不是很清晰,编程能力可以无法胜任软件开发这个职位了。但是也并不见得就不能从事其它 IT 工种和行业,比如商业智能BI。
我跟你举几个例子,你看完了可以自己判断:
1. 第一个是我在 http://www.crm-factory.... 显示全部 »
我跟你举几个例子,你看完了可以自己判断:
1. 第一个是我在 http://www.crm-factory.... 显示全部 »
目前来看你现在的技术方向还不是很清晰,编程能力可以无法胜任软件开发这个职位了。但是也并不见得就不能从事其它 IT 工种和行业,比如商业智能BI。
我跟你举几个例子,你看完了可以自己判断:
1. 第一个是我在 http://www.crm-factory.eu/ 带过的一个小女生,本身她是从英国留学回来的,专业是数学与金融行业。她本来想从事金融方向的行业,但是说实话竞争很激烈,并且她个人对编程的兴趣倒还是很大。所以最终从另外的项目管理部门调整到了BI开发部门从事 Cognos 的开发,头一年时间因为开发技能不熟、业务不熟,天天加班,甚至有那么几天由于加班太晚客户催的紧几乎通宵,最后睡在公司。辛苦了一年,出了成绩,被四大挖走薪资翻番做另外的金融BI项目。
2. 第二个就是最近认识到的一个做 QlikView 的朋友,本身是英语专八,但是后来也因为很巧合的原因英文英语沟通上的优势慢慢的进入到BI项目组做支持,通过几个项目的摸爬滚打最后成为能够独挡一面QlikView牛人。因为和前公司老大一直保持着联系,知道一直在招人并且一直在找英语+技术的开发,于是我也把这个朋友推荐到我的前公司,这个职位你可以看看 http://www.bijob.cn/position/105 目前还没有面试,估计要等到国庆后。
3. 第三个就是我曾经在项目中带过一批毕业生,有本科生也有研究生,4-5年的时间下来现在这批 BI 开发基本上都是各个公司的项目中流砥柱。
4. 第四个就是天善的学员 忘忧草 http://blog.tianshansoft.com/archives/1897.html ,以前是从事人事职业的,有一定的数据库基础,最终也顺利转行到 BI 行业。目前工作也开开心心的,一入职薪资比起以前的人事翻番,并且工作有挑战性,人的积极性也被调动起来了。
还有很多这样的例子,道理很简单,只要你熬进去了并且努力坚持下来,不断的学习和提升自己,在 BI 这个行业你的价值还是能够得到很好的体现的。
上面的这些例子可以看到没有一个从事 IT 科班出身的,但是最终都顺利的进入了。现在 BI 入门的成本不算高,从前端进入相对还比较容易,难得是后面的提升期是需要认认真真的沉淀到项目中一步一步踏踏实实积累的。该学习的时候一定也要学习,该花时间的也一定要花时间。都说通过一万个小时的积累,人人都可以成为在这个领域的专家,我十分相信这句话。在任何领域(高大上的比如研究火箭原子弹不算)只要认认真真的花上4-5年时间,刻苦的学习训练,绝对可以让你成为这个行业的权威。
再扯远一点,我身边的高中同学在刚大学毕业1-2年的时候都看不出来个人的能力,但是4-5年之后由于对整个行业的认识加上自身的积累和沉淀,目前基本上都成为了业内的绝对专业选手,全国或者地区性的公司总经理。
是否科班出身重不重要?很重要!但是也有很多很多的人一样能够做到破茧而出化身为蝶!只要有机会进入这个行业,剩下就看个人的修炼了。
我跟你举几个例子,你看完了可以自己判断:
1. 第一个是我在 http://www.crm-factory.eu/ 带过的一个小女生,本身她是从英国留学回来的,专业是数学与金融行业。她本来想从事金融方向的行业,但是说实话竞争很激烈,并且她个人对编程的兴趣倒还是很大。所以最终从另外的项目管理部门调整到了BI开发部门从事 Cognos 的开发,头一年时间因为开发技能不熟、业务不熟,天天加班,甚至有那么几天由于加班太晚客户催的紧几乎通宵,最后睡在公司。辛苦了一年,出了成绩,被四大挖走薪资翻番做另外的金融BI项目。
2. 第二个就是最近认识到的一个做 QlikView 的朋友,本身是英语专八,但是后来也因为很巧合的原因英文英语沟通上的优势慢慢的进入到BI项目组做支持,通过几个项目的摸爬滚打最后成为能够独挡一面QlikView牛人。因为和前公司老大一直保持着联系,知道一直在招人并且一直在找英语+技术的开发,于是我也把这个朋友推荐到我的前公司,这个职位你可以看看 http://www.bijob.cn/position/105 目前还没有面试,估计要等到国庆后。
3. 第三个就是我曾经在项目中带过一批毕业生,有本科生也有研究生,4-5年的时间下来现在这批 BI 开发基本上都是各个公司的项目中流砥柱。
4. 第四个就是天善的学员 忘忧草 http://blog.tianshansoft.com/archives/1897.html ,以前是从事人事职业的,有一定的数据库基础,最终也顺利转行到 BI 行业。目前工作也开开心心的,一入职薪资比起以前的人事翻番,并且工作有挑战性,人的积极性也被调动起来了。
还有很多这样的例子,道理很简单,只要你熬进去了并且努力坚持下来,不断的学习和提升自己,在 BI 这个行业你的价值还是能够得到很好的体现的。
上面的这些例子可以看到没有一个从事 IT 科班出身的,但是最终都顺利的进入了。现在 BI 入门的成本不算高,从前端进入相对还比较容易,难得是后面的提升期是需要认认真真的沉淀到项目中一步一步踏踏实实积累的。该学习的时候一定也要学习,该花时间的也一定要花时间。都说通过一万个小时的积累,人人都可以成为在这个领域的专家,我十分相信这句话。在任何领域(高大上的比如研究火箭原子弹不算)只要认认真真的花上4-5年时间,刻苦的学习训练,绝对可以让你成为这个行业的权威。
再扯远一点,我身边的高中同学在刚大学毕业1-2年的时候都看不出来个人的能力,但是4-5年之后由于对整个行业的认识加上自身的积累和沉淀,目前基本上都成为了业内的绝对专业选手,全国或者地区性的公司总经理。
是否科班出身重不重要?很重要!但是也有很多很多的人一样能够做到破茧而出化身为蝶!只要有机会进入这个行业,剩下就看个人的修炼了。
逆光 回答了问题 • 2015-10-13 09:59 • 1 个回复
我是做天猫淘宝的运营推广类的,那些钻展直通车类的包括其它,昨天我认真思考了下 我还是走技术路线,比如数据是未来的时代,想做挖掘之类的偏技术想听听你的建议 我的思路是否合理呢
技术只是一方面,我认为技术精通就像你低头走路,重点还是要学会分析,展望未来。有自己建设性的建议。成熟的技术只是前进的基石。分析,设计能力也是很重要的。不要只使用工具,因为工具熟练了以后都是机械性操作了,重要是多思考。
技术只是一方面,我认为技术精通就像你低头走路,重点还是要学会分析,展望未来。有自己建设性的建议。成熟的技术只是前进的基石。分析,设计能力也是很重要的。不要只使用工具,因为工具熟练了以后都是机械性操作了,重要是多思考。
商业智能是传统数据仓库解决方案的延伸,不同的分工也是依据经典数据仓库的设计而来。其中主要设计到数据库、ETL、存储计算、可视化,还有业务专家角色的分析师团队。元数据管理、测试校验、监控部署,架构建模,不同的团队也会选择性地部分构架。
在传统的工作模式下,即便... 显示全部 »
在传统的工作模式下,即便... 显示全部 »
商业智能是传统数据仓库解决方案的延伸,不同的分工也是依据经典数据仓库的设计而来。其中主要设计到数据库、ETL、存储计算、可视化,还有业务专家角色的分析师团队。元数据管理、测试校验、监控部署,架构建模,不同的团队也会选择性地部分构架。
在传统的工作模式下,即便是ETL也会有不同的分工。Stage/ODS/Mart/DW多层次设计,多维数据建模,可以说完整地分工下来,没有哪个团队按照38个子系统来全面进行。
新的时代已经到来,HADOOP模式下,很多案例粗暴地将所有层次和子系统混杂。用集群的计算能力替代架构设计及分工的作用,这种模式失败的案例居多,但始终是大势所趋。
在这种环境下,传统BI领域的从业者何去何从?
我先简单自我介绍下。十二年正式工作经验,从数据库到数据仓库,从业务到技术,从开发到管理都做过。尽管对于现在大数据相关的技术也有涉猎,但我更加符合一个传统BI从业者的角色。
新的技术浪潮来临,我们会受到冲击吗?
这是毫无疑问的。现在很多案例采用HADOOP架构,不再细致分成,那么以往数据库角色/ETL/存储计算等分工的同学,根本没有条件加入到这种技术选型的团队中。
如果开源大趋势在五年之内成形,这些人现在的工作能力会丧失大部分价值。
直接的体现就是传统架构的团队越来越少,机会越来越难找。新式架构的团队无法进入其中。简而言之,就是饭碗会出现问题。
这么严峻的问题,我给出第一条个人建议:不要给自己设限。
传统数据仓库从业人员,并非ETL工程师,并非建模人员,并非单纯的业务专家。如果已经看出开源是大趋势,就立刻拥抱开源。立即学习、立即尝试、立即应用。需要你做HADOOP就去学习做,需要你用SPARK就立即尝试,需要使用机器学习库就立马行动起来。
在这个崭新的大数据领域,及时的转型,可以拥有强大的优势。
别人不考虑数据体系架构的层次,但你们可以考虑到。预先知道哪里有坑,预先知道项目和业务的紧密结。转型是新人没错,但同为新人,你们的优势体现出来了。
有人担心HADOOP没用过,文档多,主要是英文资料阅读有障碍。没错,不同的技术架构需要改变以前的结构,我遇到很多人不熟悉shell,所以掌握fs shell不容易。有人不熟悉开发语言,所以开发MAP/REDUCE困难。有人英文功底不足,所以阅读很多资料困难。
似乎到处都是困难,没有办法克服是吗?
我们应该回顾下十年前做开始做数据仓库时的局面,真比现在简单吗?
数据仓库的架构没有成形,组件式的ETL遭遇数据量大的问题,莫名其妙的字符集问题,服务器硬件资源极度欠缺的挑战,网络速度极慢还得分电信网通!
这些问题克服的过程中,不需要查询英文资料吗?是不是几乎找不到已有的成功案例参考?是不是也会涉及到不同的开发语言来编写脚本?
现在这些困难,十年前明明已经经历过了!
不同的是现在信息更加发达,大家对压力的反馈有些不一样了。
以前是从业新人,遇到问题就去学习解决,执行力一等一。
现在起码也是个小中层,动口的时间比动手还多,到处听到处说,执行能力反而下滑了。
所以针对这第一条建议,不要给自己定位成某一个角色。即便是和我这样编程能力一般的人,也可以全方位地掌握数据相关能力。这么做,一定会是项目负责人角色,即使是新的技术环境也一样。
第二条建议,重新梳理自己的学习方法。
我们这个年代的人很特别,极有可能成为第一批普遍超过一百岁的人,工作到八十岁,我觉得也不奇怪。
将来还有七十年左右的时间,现在这些大数据的技术,我们是第一批站在这个技术风口上的人。现在学习起来,具备无以伦比的先手优势。
我接触到不少新人,一年前说想学某一块知识,一年后还是想学这块知识。
扯淡。想学的人早都学会转型成功了,动嘴的人一年到头没见行动。看了几本书?翻了多少文档,写了多少笔记,尝试了多少项目?
学习是什么?如果不把这个问题理顺,再过几年就看到很多人不需要转型了。因为机会完全被自己放弃。
一年时间,大数据的任何一个细分领域,作为成年人都有条件从入门者变成中等以上的实践者。其中值得一提的,无非是如何获取高质量的资料。
现在的主流信息是各种电子档,各种视频,各种培训。我比较推崇官方手册,任何计算机相关的资料都是一样的,哪怕只有英文资料。
能把官方手册读完的人,水平差不了。一个领域的应用即便遇到极大的挑战问题,官方手册也是最有资格指明方向的资料。
对于第二条建议,我想说的就是多看资料,详细地看,一遍又一遍地看。多整理笔记,持续不断地整理,大家普遍还有七十年的时间,学习哪个方向时间都是够的。
第三条建议,人以群分。
勤奋的人每天都在努力,懒惰的人一年重复一年。
我感觉现在的社会信息爆炸,有一个很大的作用就是快速给人们划分了层次。
到实际层面来看,就是圈子。越是高端的圈子,越难进入。现在的社会资源,越来越重视知识能力。所以持续学习,是提升圈子品质的一个重要通道。
我接触到很多学霸,他们每天看书学习比其他人时间要长得多。这方面我推崇复旦的思想:“自由而无用的灵魂”,你可以学习没什么商业价值的方向,但不能放弃追求灵魂自由的努力。
先勤奋,然后进入勤奋的圈子,坚持学习,不断改变。大家都看得到现在很多名校学霸只是一个名字,都能引导大量金钱、人力资源配合,他们尚且经常学习到深夜,我们又有什么理由原地等待?
以上是个人一点儿浅薄的想法,希望能给朋友们哪怕一丝的帮助。
在传统的工作模式下,即便是ETL也会有不同的分工。Stage/ODS/Mart/DW多层次设计,多维数据建模,可以说完整地分工下来,没有哪个团队按照38个子系统来全面进行。
新的时代已经到来,HADOOP模式下,很多案例粗暴地将所有层次和子系统混杂。用集群的计算能力替代架构设计及分工的作用,这种模式失败的案例居多,但始终是大势所趋。
在这种环境下,传统BI领域的从业者何去何从?
我先简单自我介绍下。十二年正式工作经验,从数据库到数据仓库,从业务到技术,从开发到管理都做过。尽管对于现在大数据相关的技术也有涉猎,但我更加符合一个传统BI从业者的角色。
新的技术浪潮来临,我们会受到冲击吗?
这是毫无疑问的。现在很多案例采用HADOOP架构,不再细致分成,那么以往数据库角色/ETL/存储计算等分工的同学,根本没有条件加入到这种技术选型的团队中。
如果开源大趋势在五年之内成形,这些人现在的工作能力会丧失大部分价值。
直接的体现就是传统架构的团队越来越少,机会越来越难找。新式架构的团队无法进入其中。简而言之,就是饭碗会出现问题。
这么严峻的问题,我给出第一条个人建议:不要给自己设限。
传统数据仓库从业人员,并非ETL工程师,并非建模人员,并非单纯的业务专家。如果已经看出开源是大趋势,就立刻拥抱开源。立即学习、立即尝试、立即应用。需要你做HADOOP就去学习做,需要你用SPARK就立即尝试,需要使用机器学习库就立马行动起来。
在这个崭新的大数据领域,及时的转型,可以拥有强大的优势。
别人不考虑数据体系架构的层次,但你们可以考虑到。预先知道哪里有坑,预先知道项目和业务的紧密结。转型是新人没错,但同为新人,你们的优势体现出来了。
有人担心HADOOP没用过,文档多,主要是英文资料阅读有障碍。没错,不同的技术架构需要改变以前的结构,我遇到很多人不熟悉shell,所以掌握fs shell不容易。有人不熟悉开发语言,所以开发MAP/REDUCE困难。有人英文功底不足,所以阅读很多资料困难。
似乎到处都是困难,没有办法克服是吗?
我们应该回顾下十年前做开始做数据仓库时的局面,真比现在简单吗?
数据仓库的架构没有成形,组件式的ETL遭遇数据量大的问题,莫名其妙的字符集问题,服务器硬件资源极度欠缺的挑战,网络速度极慢还得分电信网通!
这些问题克服的过程中,不需要查询英文资料吗?是不是几乎找不到已有的成功案例参考?是不是也会涉及到不同的开发语言来编写脚本?
现在这些困难,十年前明明已经经历过了!
不同的是现在信息更加发达,大家对压力的反馈有些不一样了。
以前是从业新人,遇到问题就去学习解决,执行力一等一。
现在起码也是个小中层,动口的时间比动手还多,到处听到处说,执行能力反而下滑了。
所以针对这第一条建议,不要给自己定位成某一个角色。即便是和我这样编程能力一般的人,也可以全方位地掌握数据相关能力。这么做,一定会是项目负责人角色,即使是新的技术环境也一样。
第二条建议,重新梳理自己的学习方法。
我们这个年代的人很特别,极有可能成为第一批普遍超过一百岁的人,工作到八十岁,我觉得也不奇怪。
将来还有七十年左右的时间,现在这些大数据的技术,我们是第一批站在这个技术风口上的人。现在学习起来,具备无以伦比的先手优势。
我接触到不少新人,一年前说想学某一块知识,一年后还是想学这块知识。
扯淡。想学的人早都学会转型成功了,动嘴的人一年到头没见行动。看了几本书?翻了多少文档,写了多少笔记,尝试了多少项目?
学习是什么?如果不把这个问题理顺,再过几年就看到很多人不需要转型了。因为机会完全被自己放弃。
一年时间,大数据的任何一个细分领域,作为成年人都有条件从入门者变成中等以上的实践者。其中值得一提的,无非是如何获取高质量的资料。
现在的主流信息是各种电子档,各种视频,各种培训。我比较推崇官方手册,任何计算机相关的资料都是一样的,哪怕只有英文资料。
能把官方手册读完的人,水平差不了。一个领域的应用即便遇到极大的挑战问题,官方手册也是最有资格指明方向的资料。
对于第二条建议,我想说的就是多看资料,详细地看,一遍又一遍地看。多整理笔记,持续不断地整理,大家普遍还有七十年的时间,学习哪个方向时间都是够的。
第三条建议,人以群分。
勤奋的人每天都在努力,懒惰的人一年重复一年。
我感觉现在的社会信息爆炸,有一个很大的作用就是快速给人们划分了层次。
到实际层面来看,就是圈子。越是高端的圈子,越难进入。现在的社会资源,越来越重视知识能力。所以持续学习,是提升圈子品质的一个重要通道。
我接触到很多学霸,他们每天看书学习比其他人时间要长得多。这方面我推崇复旦的思想:“自由而无用的灵魂”,你可以学习没什么商业价值的方向,但不能放弃追求灵魂自由的努力。
先勤奋,然后进入勤奋的圈子,坚持学习,不断改变。大家都看得到现在很多名校学霸只是一个名字,都能引导大量金钱、人力资源配合,他们尚且经常学习到深夜,我们又有什么理由原地等待?
以上是个人一点儿浅薄的想法,希望能给朋友们哪怕一丝的帮助。
2
投票
11
已解决
9378
浏览
百元问答第1期:大数据时代下,商业智能从业人员(BIer)光明之路在何方?
Surui 回复了问题 • 2017-09-25 17:17
0
投票
6
已解决
14302
浏览
想成为一名需求分析师,BI领域应该从哪里入手比较好呢?
housheng33 回复了问题 • 2014-04-11 11:29
2
投票
11
已解决
9378
浏览
百元问答第1期:大数据时代下,商业智能从业人员(BIer)光明之路在何方?
Surui 回复了问题 • 2017-09-25 17:17
0
投票
3
回答
1991
浏览
一个职场人,如何逐渐积累起人脉资源(尤其是自己任职企业外部的人脉)?
钟家福17 回复了问题 • 2017-07-12 13:47
0
投票
2
回答
1504
浏览
BI职业发展如何抉择产品
培培 回复了问题 • 2016-02-25 10:30
1
投票
1
已解决
2252
浏览
我是做天猫淘宝的运营推广类的,那些钻展直通车类的包括其它,昨天我认真思考了下 我还是走技术路线,比如数据是未来的时代,想做挖掘之类的偏技术想听听你的建议 我的思路是否合理呢
逆光 回复了问题 • 2015-10-13 09:59
0
投票
1
已解决
2152
浏览
研一小菜鸟 现在很迷惑 望大神指导
BIWORK 回复了问题 • 2015-09-30 10:26
0
投票
6
已解决
14302
浏览
想成为一名需求分析师,BI领域应该从哪里入手比较好呢?
housheng33 回复了问题 • 2014-04-11 11:29
0
推荐
1791
浏览
如何拿到华为、拼多多等4家offer?
我是黎明:应届硕士毕业生,男生,传统工科专业,18年6月份决定转数据分析,开始学习EXCEL、统计、SQL、Python等。8月份正式开始找工作,期间边学边找,投递简历40+,笔试30+次,面试10+次。最终拿到华为、拼多多...
猴子聊人物 发表了文章 • 2019-02-01 21:04
0
推荐
2574
浏览
选择有意义、有时间的工作,而不是被迫谋生
读书的意义是什么呢?某位作家的家书里写得很好:孩子,我要求你读书用功,不是因为我要你跟别人比成绩,而是因为,我希望你将来会拥有选择的权利,选择有意义、有时间的工作,而不是被迫谋生。当你的工作在你心...
猴子聊人物 发表了文章 • 2019-01-30 19:44
0
推荐
1586
浏览
怎样的跳槽频次在 HR 眼中是合理的?
没有谁能在一家公司呆一辈子,正所谓,如能一帆风顺,谁愿颠沛流离。所以,人生在世,免不了跳槽。跳槽可以,但是不要频繁跳槽。为什么不要频繁跳槽呢?频繁跳槽会体现在你简历上,因为从你简历上的工作经历是多...
猴子聊人物 发表了文章 • 2018-12-20 17:41
3
推荐
1805
浏览
课堂笔记 - 职场也有双11——你贱卖自己的5大常用技巧 by 陈老师
课程链接 - https://edu.hellobi.com/course/235步入职场需要:1. 放弃学生思维(单打独斗),要建立职场思维(团体作战,除了个人能力,队友,策略等都非常重要)2. 放宽视野,眼界不要局限于某一特定行业或者岗...
upright 发表了文章 • 2018-04-12 23:23
推荐
浏览
27
推荐
21270
浏览
1
推荐
3013
浏览
天善学院全场7折陪你国庆8天乐!
Dear 天善智能社区小伙伴:感谢您的支持,让天善智能走到如今。天善智能致力于构建一个基于大数据领域的生态圈,通过社区链接一切与数据相关的资源,与大家一起共同努力推动大数据、数据分析、数据挖掘、商业智能...
天善智能 发表了文章 • 2017-09-28 10:31