背景

我是一名在读的本科生，专业跟大数据有一点关系。因为我们学校正在给应用统计学专业开展职业生涯规划，其中一项内容是对在从事数据分析行业的人物进行访谈。

这次能约到小飞象社群的创始人之一红星老师作为访谈对象，而且通过访谈自己收获了不少的感悟和知识，实属一次非常难忘的学习之旅！以下是访谈的部分内容，希望能帮到应用统计学专业的同学、以及对数据分析感兴趣的同学，对未来从业数据行业的理解和启发！

▼

访谈开始

自我介绍

▊我：红星前辈好，我是一名在读的应用统计学专业的学生，目前学校布置了一份访谈作业，然后木兮老师推荐了您，今晚占用您的一些宝贵时间，采访一下您关于数据行业的洞见、以及关于您个人对这个行业和对数据分析这个岗位的看法，希望您不吝赐教，感谢前辈了~

▉红星：哈哈好的，不用喊我前辈了，我也不是大你很多嘛。你们想聊点啥呢？这个话题可能会有点大哦，你们想先从哪个方面了解呢？

▊我：好的好的，那首先红星老师能不能先简单介绍一下自己呢？

▉红星：没问题，我现在就职广州金融行业的一家世界500强公司，从业有5年左右的时间了，岗位的名字比较好听，叫“企划岗”，日常工作都是数据分析的工作，包括了搭建和维护公司关于业务运营的报表体系、下属公司核心指标的追踪和重要业绩工作的推进、关于产品、用户、流量、渠道以及市场竞品的专题分析工作。

·

招聘渠道及岗位职责

▊我：那当初您是怎样找到这份工作的，然后这份工作的职责又有哪些呢？

▉红星：你说的是有哪一些招聘渠道吧，常用的招聘渠道有这么几种：

1、常规招聘网站及招聘APP。例如，前程无忧、智联招聘、 Boss直聘，还有猎聘，这些都是常用的一些招聘的网站。

2、校招的特殊渠道。例如一些大厂的官网、他们公众号也会发布一些招聘的信息。

3、 人际关系。你可以多认识一些数据行业里面的大佬，让他们帮忙内推和介绍，这是个可靠且不错的渠道。

4、非正规的招聘渠道。例如一些数据分析技能认证网站上面有时候也会发布一些招聘信息，例如帆软社区、CPDA社群等。还有据说力扣网、牛客网也有招聘信息。不过这一类的岗位需求会少一些。

工作职责的话，肯定是负责一些跟数据相关的工作啦。因为我负责的是业务类的数据分析，所以重点放在业务数据的呈现以及数据报告的产出，在整理数据的时候，因为公司数字化已经覆盖的比较全面了，像埋点、指标体系、数据预处理环节已经有别的同事负责完成了，事实上规模稍微大一点的公司，它的内部已经整合了一套很好用的数据系统，我们业务端直接就可以拿到清洁、干净的数据进行分析了。

所以，如果是立志做业务数据分析的同学，一定要优先考虑资质高、内部数据系统完善的公司，更重要的是要找有人能带你的部门，如果是新成立的、一个人都没有的部门，我不建议你们去，除非你们属于“野蛮生长”类的人才。

·

岗位职责

▊我：数据分析岗位的职责有哪些？

▉红星：这个问题很大。事实上，虽然网络上这个岗位叫数据分析，但是我认为它更像一个统称，里面可以细分出很多的分支。

你在招聘简历上搜索“数据分析”，有可能搜出来的岗位名字叫数据分析，实际上这个岗位是属于数据运营岗，或者属于数据开发岗、又或者是属于数据工程师岗，等等。你可能会问，这些岗位有啥区别吗？那我要告诉你的是，这里面区别大了。

如果是数据运营岗的话，那么直白点说，这就是数据的“搬运工”。例如，一些数据指标的统计和收集、数据的监控和预警，等等。这一类的岗位门槛底，相应的，它的薪资也不会有多高。在广州的话7，8k封顶了。

如果是数据开发岗，有可能是数据系统的开发工作，例如大数据平台的数据开发，数据仓库也是里面的一种。也有可能是报表的开发，例如PowerBI，表面上看它只是一个普通的可视化工具，但是你不会想到PowerBI也是开发工具，甚至还能为不同的客户量身定做不同的展示效果，之前有不少的hr给我推了不少这样的岗位。这一类岗位门槛高，薪资待遇肯定是不错的，至少到行业平均水平偏上是没有问题的。

如果是数据建模岗，那就可能跟算法岗有点类似了，需要你会数据建模、会特征工程、会人工智能、会机器学习。这一类岗位要求有高有地，薪资待遇也是浮动不定。

还有的就是正儿八经的数据分析岗，负责公司各大业务板块的数据分析的工作。

我说了这么多，归根结底想说的意思是：数据分析岗是一个比较笼统的名称，实际上我们要看到这个岗位要求里面的细则，才能判断这个岗位究竟是哪个细分方向的岗位。因此，具体情况要具体分析，我不知道我讲清楚了没有？

·

工作喜欢程度

▊我：嗯嗯，那对于这份工作，您不喜欢的是什么？

▉红星（思索了一会）：这个一时间我也说不上来，因为什么呢，要说实在的话，在工作里面就没有让我喜欢的，例如写报告，要搜集数据、处理数据，流程方法一大堆，烧脑。有时候分析不出来问题，要每个流程一个个推敲，也烧脑。数据成果的落地要联合各个业务部门共同开展，业务部门不配合怎么办？一个个找他们，“传销式”的游说，直到说服、落地，费体力费事，麻烦的要命。这里面哪一个是喜欢的？一个都没有。

但是有个观点是这样的：公司花钱请我来，一定是来解决问题的。既然是问题，就不存在轻松、舒服的问题吧？肯定是难的、不好解决的，所以，我更倾向于以“挑战”的角度去迎战这些问题，也不会轻易带着情绪进入职场和解决问题。

如果真的有烦恼的话，算是有一个“幸福的烦恼”吧。就是身边一群同事上赶着给我介绍对象，帮我脱单[dog][dog]。因为我会钢琴、精通羽毛球（大学校队的）、表格做的好看、又会书法画画，简直就是文艺“小少年”，居然目前还单着？就是过分，哈哈哈哈哈。

这里补充说一点哈，其实曝光度高未必是坏事，如果团队每个人都跟你关系不错，有事都能找你商量，这恰巧说明你在团队的地位是比较nice的，那么你就不会容易被取代，这样可以极大的避免被“优化”的风险。如果你担心所谓的“35岁危机”、担心成为被温水煮熟的青蛙，那么一定要提高你的曝光度。从生活的特长上面下手会容易很多。如果你会精通烹饪，读很多书，任何事都很有自己的见解，很容易给别人留下深刻的印象，那你在团队的地位会越来越好。相反，如果啥特长没有，只会工作，平日生活干巴巴的像白纸一张，那很难出彩。所以，趁着大学有时间，一定要培养一两个爱好哦，日后肯定有用处的。

·

资质和技能

▊我：胜任这份工作需要什么样的资质和知识技能？有什么其他要求吗？

▉红星：这份工作需要什么样的知识和知识技能？这个问题，其实跟前面的一个岗位职责是挂钩的，因为岗位职责是跟你的岗位要求去走的。但是我刚才也讲了，不同数据分析的岗位，它的区别是挺大的，所以不同岗位所要求的的知识技能也各不相同。就好刚才说偏运营的数据分析岗，它可能需要你比较能扛压，因为运营的话都是体力活，比如收集数据之类的，各种杂七杂八的东西都要你去做。

第二个就是你需要学习各种数据工具的使用方法。像一些我们常用的Excel，这个一定要精通，然后像SPSS、 Python、SQL这些作为可选项进行了解。

第三，还需要学习数据分析思维。首先要明确别人给你提出的需求是什么，然后你需要从量化的角度给出一个数据方向的成果。

以上的三个资质和知识技能我觉得是必须要具备的。

除了在数据上的一些知识和技能以外，像一些常规的能力和素质，包括沟通能力，也是非常重要的。比如说你是不是可以准确的表达出你的需求以及你的反馈？

我们知道，沟通是有递减效应的，就像一个漏斗一样。假如，我脑子里有100个内容想告诉你，然后通过我的嘴巴说出来，可能就剩下80了，然后听的人在接收我的信息的时候，可能只吸收了60，吸收进去之后因为多线程的原因，留在脑子里面的就剩下40了。你看，我本来想表达的100，到你那里最后剩下40，这个就是信息的衰减，所以，懂得沟通的技巧非常重要。我们表达的时候很难面面俱到，这时候我们可以借助“5W2H”工具。

除了沟通以外，还有一些管理能力方面的软技能。因为我们数据大部分都是从其他部门那里去收集过来的，我们的成果往往也要反馈给其他的部门，然后去推进和落实。所以，大家为什么要配合你，你需要用什么方法去说服其他的部门，让他们愿意去执行你的成果，这就涉及到一些管理的能力了。

除了沟通和管理，还需要自我良好的时间管理的能力。因为有时候数据分析岗会有很多临时的需求，那么你怎么有效的处理你手头的工作，从轻重缓急的程度来区分你的工作和安排你的工作，这个也是非常重要。

·

【时间管理的方法】

▊我：那么时间管理这么重要，请问一下作为大学生可以怎样学习时间管理的方法？

▊红星：那么我们现在做个小小的调研吧。你平时除了上课，其余时间都会花在哪里呢？

▊我（掰着指头）：课外时间…要写作业，要参加社团聚会，要刷抖音啦打游戏啦，要参加学校的活动，就这些了吧。

红星：哈哈好的，你看，首先第一个问题就是，你们想要干的东西太多了。

就好比说你拿着菜篮去市场去买菜，然后你觉得这个菜好，那个菜好，这个菜也好，那个菜更好，你最后会发现篮子不够装，那是肯定的，因为你装的东西太多了。

所以你看，一天我们就24个小时。除去睡觉8个小时，也就是说还有16个小时，16个小时减掉吃饭2个小时还剩14个小时，14个小时再减掉上课的时间就没剩几个小时了。你想在这有限的时间里，你还要写作业，你还要聚会，你还要打游戏，你还要参加学校的活动，怎么可能呢？

所以要做的第一件事就减负，也就是做减法。

你可以把所花时间上面的各个板块全部列出来。就好比说今天12月12号星期天，然后今天干了哪些事情，然后把那些事情像列清单一样全部列出来，列出来之后，再把每一个事项花费了多长时间写下来，比如说写作业用了多长时间，抖音刷了多长时间，参加活动用了多长时间，所有的明细都列出来了以后，看一下你花时间花的最多的地方是在哪里，如果说花的最多的时间是在写作业上面，或者说是参加学校的活动上面，说明你这一天的安排就比较有价值。

如果刚好相反，你参加了一个没有什么价值的聚会，或者说你刷抖音一不小心刷两三个小时，最后发现没有什么东西，相当于这两个小时白花了，可能就需要检讨一下，为什么会把时间花在这些没有价值的事情上面？然后再去想一想，怎么样去修正这个习惯，这个是要把时间花在哪些板块全部列出来的其中一个原因。

全部列出来以后，你已经知道了你在哪个板块花了多长的时间，接下来可以根据事情的紧急和不紧急程度以及重要和不重要的程度去做一个四象限图，对事件进行分类。然后你画完分类了之后，要把重要紧急的事情比重增加，重要不紧急的事情的比重其次，然后紧急不重要，可以稍微少一点，不紧急不重要的能不做就不做，这个是第二点。

第三点就是当你已经列好了清单，也已经做好了分类，接下来就是执行阶段，执行的过程当中可能会做一些可视化，比如说你要把目标贴在墙上或者贴在显眼的地方，这个属于自我的监督，从驱动力上讲，自我的监督是比较弱的。

所以还可以尝试用外部环境的监督来帮助你达成自我约束的目的，外部的约束可以包括把你的目标跟室友讲，然后让他们来监督你，或者在公开场合，比如像班会上，把你的目标公布出来，让大家来监督你。这个是用外部环境来约束。

学会这三步的话，我觉得在时间管理上应该没什么太大的问题。

▊我：那么职场上有哪些时间管理的方法？

▉红星：大学生的时间管理跟职场上的时间管理是不太一样的。区别在于，大学的时间管理大部分是单线程，但是职场上的时间管理有些是属于多线程的。

那么职场上的时间管理有哪些注意点呢？

首先规划要做好，所有的事项全部列出，所有明细的重要级别全部标出。其次，手头的任务能转出去的要转出去，能扔掉的要扔掉。第三，重要方案要有备用方案，千万避免返工。最后，要有换位思考，替别人规划好时间。

方法论的话可以了解一下时间倒排表和敏捷工作法。这里不另外展开。主要是先把大学的时间管理做好，就可以啦。

·

【福利待遇】

▊我（悄悄的）：可以问一下，您目前这个岗位的薪酬福利怎么样？

▉红星：目前呀，我的薪资处于行业中等水平，感觉还可以。

过节的话一般都有福利，春节有红包，端午节有粽子，中秋节有月饼，除此以外还有一些定期的团建，部门出去吃饭或者是唱歌或者是旅游等等。平时还有一些下午茶……

就是jd上面常有的那几项都有吧，我知道有些公司为了把人招进来可以在jd上无所不用其极，但是进来后才发现不是那么回事。从这点上看，我们公司还是比较实在的了。

·

【跳槽】

▊我：能不能给一些关于跳槽的一些建议？

▉红星：首先问问自己，为什么要跳槽？这点很重要。

我讲一个乌鸦搬家的故事：有一天喜鹊见到乌鸦搬家，好奇地问，乌鸦大哥为啥又要搬家？乌鸦叹气，说这里的邻居都嫌弃我唱歌不好听，所以不得已搬走。喜鹊听罢摇摇头，乌鸦大哥你不管搬去哪里，你的邻居还是会嫌弃你的呀。

我说这个故事的意思是：有时候可能并不是环境的问题，而是自己的问题。而且，跳槽是一个技术活，跳好了掉层皮，跳不好掉十层皮。

那么，如果在内心深处决定了要跳的话，那么我觉得有这么几样东西要准备好：

第一，看一下市场的薪资水平比你现在高还是比你现在低？高的话高多少，如果没有30个点以上的增幅的话，还是最好再观望观望。

第二，重新打磨一份好的简历。以及准备好面试的话术。多练几次，不要紧张，要自信。

说到简历，这里多说一点，我们在学校几乎没有系统的学习过如何写简历，但这很要命的。

还有一点要注意一下，不要因为薪资倒挂就选择跳槽，为什么？因为薪资倒挂，就像一日三餐一样正常。如果对于你来说，工资的水平特别重要的话，那么这项技能一定要学好。高幅度的薪资一定是跳出来的，不是守出来的。

至于倒挂的逻辑、写简历的逻辑，这里时间关系，就不另外展开啦。

·

【强度】

▊我：您这份岗位的工作强度怎么样？

▉红星：我们月初、月中会忙一些。月初的时候，因为跨月我们要改表，这个工程量会大一点。月中要做核心指标考核情况，所以月初和月中稍微忙一点，其他的时间闲一点，除了领导临时交代一些其他任务以外，平时就是做报表。

【前景】

▊我：您对于数据分析的前景和趋势是如何看待的？

▉红星：目前发展前景概括来说是比较好的，好在什么地方？有两个特点，第一个是门槛比较低，第二个是天花板比较高。

门槛低的原因是因为如果是偏体力类的一些数据岗位，例如说像数据运营，可能只需要懂一些Excel，懂得怎么去做PPT， Excel的上手基本上两天到三天， PPT的话基本上也是这样。天花板高的原因是，如果你的薪资要求比较高，那么相对应的，对知识技能的要求也会高。例如说，如果想做数据建模，或者说机器学习工程师等等，那么不仅需要学习基础的数学理论知识，概率论、线性代数、微积分，还要去学像Python这样的编程的技能，甚至还需要去学习一些其他更高级的技能，所以说它的天花板会比较高，但是相对应的福利待遇也会比较好。

它的趋势也分为两点，首先它的趋势之一在于我们现在的时代已经从4G迈向了5G，也就是说从信息互联过渡到物物互联这样的一个阶段。有一个概念叫智慧城市，它描述的是这样一个场景，当你早上起床了之后，窗帘会自动打开，这个时候客厅的音乐会自动响起，厨房里的电器也会自动运行。然后当你洗漱完毕之后，你的早餐就已经准备完毕放在桌面上，当你吃完早餐之后，也就只需要把餐具放到洗碗机里面，洗碗机就会自动帮你洗好，然后自动进行归类消毒。在你准备要出门的时候，你的手机的APP会自动帮你叫车，如果你不打车的话，那么你在地下车库的车会自动启动，并且会提前帮你热好车，你的车门会自动打开……这样的一个概念，这叫智慧城市这就导致数据量会急剧增大，所以的话数据分析会成为5G时代或者叫做数据时代的个人必备技能，这是趋势之一。

趋势之二就是从公司管理的角度上来说，我们以前在处理数据的时候，因为数据的媒介载体和工具都存在一个局限，所以我们不得已会使用抽样，但是因为我们现在电脑已经功能比较完善了，各种传感器也比较完善，所以收集大量的数据，全量的数据基本上不存在太大的问题。所以的话我们以前管理团队管理公司的话，因为数据量的局限，我们大部分情况是定性去管理。

但是现在因为有了数据之后，我们就可以使用量化的角度去进行管理。有一个词叫做开源增效。因为我们知道，公司运转的目是要有正向的利润，从两个方向来，一个是收入，一个是成本。通过数字化的手段将成本压低，通过精细化运营的销售来把我们的收入进行提升。所以我们会从一个定性管理变为一个定量管理，或者说数据化管理。

这两个趋势我认为是数据分析未来一个比较大的方向。

·

【岗位归属】

▊我：什么样的单位会设置数据分析的岗位？

▉红星：现在数据岗都比较普及了。有些领域对数据岗的需求不大，但是有其他的岗位，在做的就是数据分析的活，只不过名字不叫数据分析而已。

我从一个维度来讲，你知道我们国家的产业是分为三类的。第一类是农业类，第二个是制造业类，第三个是服务业类。服务业类的肯定不用说，这些岗位都很普及了。然后我们来看一下制造业类的，比如说像格力的制造大厂，他们其实对数据分析的深度，没有太多的要求，不是因为他们觉得这个没有必要，而是因为在工厂里面，很难去实现大规模自动化的生产水平，大部分还是依靠人工。

这里就提到了工业大数据这一个概念，有一种场景：工厂会在工业生产的每一个过程，做一些传感器的埋点，通过传感器埋点完之后会收集传感器那里的数据，然后进行建模分析，看哪一个工艺品可能会出现缺陷，然后去进行一个回收……这种方法比手工识别缺陷要快多了。

所以你会看到，首先工业的生产流程，需要安装传感器，然后将传感器收集回来的数据进行分析，但并不是所有的工厂都具备这样的能力，所以的话在制造业这里面数据分析的岗位很少，而且待遇很低。

那在农业里面有没有这种数据分析的岗位？如果用传统的方法，种一下田，施一下肥，好像也不需要什么数据分析对吧？但是如果引入高科技的手段之后就不一样了，如果用高科技的手段来养猪，就要去测量每只猪的生长周期，然后在不同的周期去给它配对应的饲料，或者说用图像识别的方法看一下哪只猪生病了，然后及时进行打药，这种就需要进行数据分析，因为运用了高科技的手段，开始使用图像识别，开始使用传感器了，开始去做周期分析了，所以第一产业也需要数据分析。

所以，你会看到第一产业、第二产业、第三产业它都涉及到数据分析，归根结底要看你的场景里面对数据的依赖度有多高。像金融行业，它为什么有那么普及的数据分析岗位？首先第一个，金融行业的这种利润它是取自于两个东西，一个是产品，第二个是用户。产品的话肯定需要优先推广最能盈利的产品，那怎么才能知道哪些产品最能盈利？这就需要数据分析。再看用户，我们会通过绘制用户画像，把目标用户识别出来，然后就可以对他们进行精准的营销，所以说金融对数据的依赖度就很高。所以我觉得不管哪些单位都应该有这个岗位，只是对于岗位的重视程度不同而已，重视程度高的单位，待遇也不会低。

·

【数据人的基本素质】

▊我：通过刚才的分享，我们知道了数据行业的行情和概况，那么作为大学生，您认为我们应该提高哪些素质以适应数据分析这份工作？有哪些方法呢？

▉红星：我以通用素质和专业素质这两点来展开。

通用的素质我认为有三点：

第一个要有归零的学习心态。数据分析它更多的是实践类的技能，也就是说在不同的场景下，使用数据分析的工具和目的都会有偏差，所以我们不能照本宣科的把某一类的套路套在另外的场景，我们要不停地学习，不停地总结，这叫归零的学习心态。

第二是持之不懈的实践。我们学习到的东西终归要用出来才有感觉，不然的话它只停留在纸面上是没有任何价值的。我们学的所有知识和技能必须要通过实践进行落地，去作为我们的成果，然后让它真正发挥出价值。

第三是要打开视野，去接触不同的人和不同的事情。因为数据分析它不是一个孤立的工种，他从诞生的时候就注定了要和不同部门的人去沟通打交道，去推进各种事情的落地。

专业素质的话，我觉得就是要学会用量化的视角去审视问题。

我们有时候拿到一个问题，就会马上去想这个问题会有哪些答案？但其实，如果可以的话，在想之前，可以尝试着用量化的角度去重新定义这个问题。

就比如说刚刚薪酬福利这个问题，一般的人就会回答好或者不好，那怎样才算好，怎样才算不好？

薪资到了什么样的水平是好？没到什么样的水平是不好？我会有一个明确的标准线，甚至更细一点说，比如你现在是应届毕业生，然后要找一个数据分析的工作，有一个公司给你开出来的薪资待遇是税前8000，然后你可以问税前8000的薪资是高还是低？

如果我告诉你，在你这个地区，你这个时间段，在所有的数据类的岗位里面，平均薪资是税前7000。所以通过比较你就可以知道，你目前的那家公司的offer的税前8000薪资是高的。这个是用量化的角度思考这个问题，所以的话做数据分析的人必须要学会用量化的视角去重新审视问题。同样也必须要用量化的方式去阐释你的成果，得出你的结论。

量化是数据分析思维里面的其中一个，然后还需要培养对比思维，对比思维像刚刚举的这个例子，薪资福利怎么算好？必须得通过比较才能得出结论，跟好的比肯定还有差距，跟不好的比肯定绰绰有余。所以结论不同，归根结底是因为参考系没有定，这就是对比思维。

至于这个7000是怎么算的，这就涉及到分析师另外一个神奇的技能了，就是网络爬虫了。时间关系不展开了。

关于第一点，怎么样拥有一个好的学习心态呢？

我觉得有一个比较好用的方法，就是去找一个优秀的群体，里面可能有些人比你聪明，可能有的人比你刻苦，你总会找到比你要好的闪光点，然后要多跟他们待在一起，这样子的话就会发现，从每个人身上都有可以学到的东西，这可以避免一个问题，当我们掌握了很多的知识，掌握了很多的技能，会不自觉的觉得自己特别了不起，觉得自己特别牛逼，这个时候就会变得傲慢，会变得封闭。

所以找到这样优秀的群体，你会发现你不是最好的，你不是最优秀的，这样你就不会那么轻易的产生傲慢的心态，这个时候你会觉得有一个非常平和，非常稳定的归零学习的心态。

我们接下里聊聊第二点，怎么样做到持之不懈的实践？

我认为有两个方面，第一个就是在实践之前一定要找到你的动力源，想清楚为什么要做这个事情。

举个例子来说，很多人都会问我报什么课比较好？我一般都会反过来问他，你报这个课的目的是什么？如果你真的决定要做这个事情，那么把你要做这个事情的原因，或者说你做这个事情的动力是什么，列出30个原因或者理由。如果原因越多，说明这个事情你就越有动力去做。如果说只列了几个就不了了之，做这个事情肯定难去坚持的。

有足够的动力源，是坚持做一件事情非常重要的东西。你会发现在做这个事情的时候，会遇到很多的困惑和诱惑，你会很容易放弃。但如果动力足够的话，你会非常清晰的知道你做这件事情的目的是什么，你一定会坚持到底，这是第一点。

第二个要解决拖延症的问题，拖延症的问题有两个方法，第一个叫做10分钟法则，意思就是如果有一件事情你知道一定要做，但是很不想去做，比如说学习或者写作业，这个时候你可以对自己说，说不管怎么样，先做10分钟，做10分钟之后再说。

这里有两个好处，第一个你可能在这10分钟做着做着就进入状态了，就会慢慢的做下去。那么第二种情况就是，虽然做了10分钟，还是觉得不想做了，没问题，那就去做别的东西，这样子虽然你只做了10分钟，但是你的进度至少是往前走了，这样离你的目的会更近一步

第二个，要把你的时间进度可视化，比如说你的目标是这个月要看完5本书，过了第一个星期，就把你的进度用进度条的形式表现出来，然后你每次看到进度条，你就会想进度条能不能往前多走一走，然后你就会再拿一本书这样会更有动力去做一件事情。所以说拖延症的方法就我刚才跟你讲两个，第一个是10分钟法则，第二个是及时间进度可视化。这是我要讲的第二点的持之不懈的实践。

第三点，打开视野去接触不同的人和事情。

学校有很多活动可以多去参加。但是有一点，社团的经理，有过一年就够了，相反我觉得可以早一点去接触外面的一些环境，做家教也好，发传单也好，还是说去实习也好。本质原因是因为外面世界的运转逻辑跟学校社团的运转逻辑是完全不一样的。

在职场上的话，你被约束的根本原因是你的薪资和福利待遇，但社团不是，你被约束的原因中，兴趣占了大头。另外，在社团里面的活动，大概率不会有谁给你买单，所以你会觉得做好做坏最终结果可能是一样的，但是在外面不一样。在外面，你的所有的行为，所有的后果都是你自己来买单。严重的话还可能触及到法律的层面。同时提醒大家，需要注意避开竞业协议的坑。

你看，就业还得学学就业法，不止简历要学，沟通要学，管理要学，法律也得学学，要学的东西还真的挺多呢~

在增加见识面里面，我建议你们可以多参加一些比较有名的峰会、展览、交流会等等，甚至有条件还能参加大型的比赛，那就更好了！

如果说有一些你们专业的比赛，尤其是跨校的，全国性的可以多去参加，这样子就可以打开视野去接触不同的人和事。我觉得你们还可以尝试着去参加一些数据类的竞赛来培养数据分析的思维，比如说天池、kaggle之类。一方面可以认识一些大佬，另外一方面也可以知道外面对于数据分析的一些要求和场景是怎么样的。

·

【尾声】

▊我：非常感谢红星大佬的分享，就算是我，也能感觉到分享里面的干货满满呢！今晚的访谈就这些内容了，再次感谢星哥带来的分享~

▉红星：哈哈客气了，其实今晚交流的也只是这个行业里面的冰山一角而已，我也很羡慕你们的青春年华，有机会还是要多去尝试，尝试过后多总结，尝试的过程中认识更多的朋友，与朋友一起体验成长的乐趣，这个体验是很nice的！也感谢这次跟宗涛的交流，祝你这次的作业能圆满完成，祝各位同学都能有多收获，期待后面还有更多的交流哦！

「完」

转自：木木自由 公众号；

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。

---

更多相关知识请回复：“月光宝盒”；

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