疯语大数据

石头-拾穗前行

聊聊数据从业者的故事

  1. May 12

    一个个体户发的大数据开发岗位,为什么会涌来近 200 条私信?

    本期内容来自拾穗数据同名文章与视频口播稿。 我用自己工作室的个体工商户身份,在招聘平台上发布了一个普通的大数据开发岗位。公司很小,岗位也不稀奇,但不到 24 小时,后台涌来了接近 200 条主动沟通。 这不是一次严谨的行业调研,也不能直接推出“大数据开发没机会了”这样的结论。但它像一个真实现场,让我重新思考:数据岗位求职变难,背后到底是岗位少了,还是企业想买的东西变了? 本期推荐1. 本期视频版由 Talk About 自动剪辑完成 这期内容的视频版本,录制后的粗剪、停顿整理和节奏处理,主要由 Talk About 自动完成。它更适合像这类口播、访谈、知识分享内容:先把长素材录下来,再让工具帮你做初步剪辑,创作者把精力放回到表达和选题上。 Talk About:https://talkaboutstudio.com 2. 拾穗数据知识库 如果你正在做数据开发、数据分析,或者想把传统数据能力接到 AI 工作流里,可以看拾穗数据知识库: https://pro.ss-data.cc 这里会持续整理数据工程、数据分析、AI 应用、知识库、求职项目表达等内容,不只是追工具,而是帮你把能力重新组织起来。 3. 原文阅读 这期播客对应的完整文章在拾穗数据主站: https://ss-data.cc/posts/ss-7c9e2b 如果你想看更完整的文字版本、配图和后续延伸文章,可以去主站阅读。 本期你会听到一个小工作室发布大数据开发岗位后,为什么会在 24 小时内收到近 200 条主动沟通 为什么“岗位少了”只是表层原因,更深的变化是企业正在重新计算数据工作的价值 数据开发、数据分析简历为什么越来越像,以及相似能力在低增长市场里为什么会变成问题 招聘方第一眼到底在看什么:打招呼话术、在线简历、项目证据、学历标签和技术关键词 AI 并没有简单替代大数据开发,但它正在让重复动作变便宜,让复杂判断变贵 普通数据从业者如何把自己的能力重新分层:基础能力、项目证据、业务理解、AI 时代的新接口 本期核心观点我不想把这期节目做成“大数据开发完了”的焦虑内容。 真正值得讨论的不是某个岗位突然消失,而是传统数据岗位的供需关系正在变化。企业并不是完全不需要数据人,而是不再像过去那样,为每一个取数、报表、任务维护、口径解释都单独配一个人。 过去很多岗位买的是人力:会不会写 SQL,会不会跑任务,会不会做报表。 现在企业越来越想买结果:能不能让指标更可信,能不能让业务少一点重复取数,能不能把数据接进 AI 流程里,能不能把一个问题从口径、链路、看板到复盘真正负责起来。 所以求职难,不一定是你不努力,也不一定是你完全没有价值。 更可能是:你所在的市场换了筛选规则,而你的简历、项目表达和能力证据,还停留在上一套规则里。 给数据从业者的一个建议先别急着追下一个风口,也别只是一边焦虑一边囤课。 更重要的是回到自己的经历里,问清楚几个问题: 我到底解决过什么真实问题? 我做过哪些判断,而不是只执行了哪些任务? 我的项目能不能说明结果? 如果被追问,我能不能讲清楚业务背景、技术取舍和后续影响? 我过去的数据能力,可以接到哪些新的 AI 场景里? 如果这些问题还答不上来,可能不是再投 100 份简历就能解决的事。 它需要你重新整理自己的项目、证据和表达方式。 适合谁听正在找工作的数据开发、数据分析师、大数据工程师 感觉简历投出去没有回应的人 做了几年数仓、BI、离线任务,但不知道下一步怎么走的人 想理解 AI 时代数据岗位会怎么变化的人 正在招聘数据岗位、想理解候选人供给变化的团队负责人 互动如果你也是做数据开发、数据分析,或者正在准备转型,欢迎在评论区说说: 你现在找工作最难的地方,是岗位少、简历没人看,还是面试时讲不清项目? 后面我也会继续聊:怎么把自己的项目和经历,整理成一套真正经得起筛选的证据。 在小宇宙查看该单集文稿

  2. Mar 19

    AI时机观-混乱是梯子:为什么"等 AI 落地再说"是最危险的策略

    混乱是梯子:为什么"等 AI 落地再说"是最危险的策略本节目由拾穗数据工作室赞助播出:pro.ss-data.cc 【数据从业者全栈知识库】 前两天在群里,有同学问了一个挺典型的问题:现在该不该投入时间学 AI,还是老老实实刷算法打基础,等 AI 真正落地了再说? 有人回复说,"以不变应万变",先把基本功搞扎实,AI 的事等它成熟了再看。 说实话,一年前我大概也会这么说。 但今天我不这么想了。我甚至觉得,"等 AI 落地再行动"这句话听起来理性、稳健,实际上可能是你能选择的最危险的策略。 大数据"落地"了吗?我做了十一年数据。如果有人问我,大数据落地了吗? 我还真不好回答。 你说它落地了吧——大多数公司的数据基础设施还是一团糟,数据驱动决策在很多企业里依然是一句口号,数仓建了拆、拆了建,BI 报表做出来没人看。这能叫落地吗? 你说它没落地吧——2015 到 2020 年那波大数据热潮里进场的人,该吃到的红利早已吃完。薪资涨了,职级升了,行业经验积累了。到了 2023 年再想入场,对不起,"数据分析师"已经从稀缺岗变成了内卷岗。 所以你看,大数据从来没有一个"现在落地了"的官宣时刻。它是慢慢渗进各行各业的,一点一点地、混乱地、反复地。而红利窗口的打开和关闭,跟"落地"这件事,完全不同步。 窗口在混乱期就打开了。等你看见尘埃落定的时候,窗口已经关了。 这个规律,我觉得在 AI 这件事上会重演。而且速度会更快。 等待,看似最稳,其实最贵"等等看"的逻辑是这样的:现在 AI 还不成熟,方向不明确,我投入时间可能打水漂。不如等它成熟了,方向清晰了,我再高效地学,岂不是更划算? 这个逻辑不能说错。它在很多事情上确实成立。买第一代产品不如等第二代,装修风格不确定不如先租房。 但职业发展不是买手机。 职业发展有一个残酷的特性:经验的价值与时间高度绑定。 同样一个技能,你 2025 年会和 2028 年会,含金量完全不同。不是因为技能本身变了,而是因为 2025 年会的人少,你有先发优势、有踩坑经验、有真实案例、有行业认知。2028 年会的人多了,你只是"达标"。 等 AI 成熟了再学,你学到的东西不会比别人少,但你少了三年在混乱中摸索的经验。而那些经验——踩过的坑、犯过的错、试过的弯路——恰恰是最不可替代的。 没有人会因为你"等到了最佳时机入场"而给你加分。简历上只看得见你做过什么,看不见你"明智地等了三年"。 混乱就是梯子《权力的游戏》里小指头说过一句话,我一直记得: "混乱不是深渊。混乱是梯子。"(Chaos isn't a pit. Chaos is a ladder.) 这句话放在职场里,精准得让人不舒服。 大多数人害怕混乱。技术路线不清晰、行业标准没建立、工具一年换三轮——这些不确定性让人焦虑。于是本能反应是等一等,等方向明确了再走。 但问题是:方向明确的时候,路上已经站满了人。 混乱的时候反而是窗口最大的时候。因为大家都在犹豫,都在观望,都在"理性分析"。这时候你只要比别人早迈出一步,不需要迈对,只需要迈出去,你就已经在积累别人没有的经验。 走错了怎么办?走错了就调整。走过的弯路不是浪费,是你理解这个领域地形的方式。那些只站在起点研究地图的人,永远不会真正认识这片地形。 我们不可能以终为始地等一个结论出现再去行动。跟着潮流一起出发、一起犯错、一起消耗,才能遇到途中的机会。弯路本身就是你抓住机会时的经验和资本。 说说我自己的"克制"过去一年,我刻意克制自己不追 AI 热点。 什么又颠覆了,什么又被革命了,什么大模型又刷新了排行榜——这些新闻看多了,说句实话,我有点疲惫。不是对技术疲惫,是对那些赚流量的话术疲惫。 我给自己的品牌起名叫"拾穗"。拾穗——就是弯下腰,捡地上的麦粒。这个名字的意思是:不要过于追求远方和高处,应该低下头来,把真正应该关心的事情和人像拾起麦粒一样捡起来。那才是真正值得珍惜的东西。 所以在过去的文章和分享里,我有意不碰 AI 话题。不是不关注,是觉得不成熟的东西追了也没意义,反而容易变成自己曾经讨厌的那种内容。 那为什么今天写这篇? 因为我觉得有些东西变了。不是某个模型又更新了,不是某个公司又发了新闻稿。而是 AI 应用的范式开始出现真正的转折。 具体来说,我看到像 OpenClaw 这样的东西出现了——AI 不再只是一个对话框、一个 API、一个需要程序员套壳才能用的工具,而是开始形成自己独立的应用范式。这跟"又出了一个新模型"完全不是一回事。 新模型只是算力军备赛,跟普通从业者关系不大。但应用范式的转变,意味着千千万万个企业开始真正思考"AI 怎么用到我的业务里"。这才是红利窗口打开的信号。 一个克制了一年不追 AI 热点的人,今天告诉你"该上车了"——我希望这句话的分量,比那些天天喊"AI 革命"的人稍微重一点。 二十年人生很长,但有条件抓住时代机会的,其实也就二十年不到。 从你能独立做决定开始,到你的精力、学习能力和承受风险的意愿开始衰减,这个窗口并不宽。 如果二十年后 AI 才算"落地",你到那时候再去接触和行动吗?当然这个例子有点极端。但哪怕是五年——五年后你再开始,你觉得还来得及吗? 来得及学,来不及赶。 技术可以后学,但窗口关了就是关了。大数据的故事已经演示过一遍了,不需要再演示第二遍。 不知道终点是沙漠还是绿洲我不想假装我知道 AI 的终局是什么。没有人知道。 也许三年后回头看,今天的很多判断都是错的。也许 OpenClaw 没有成为我预期的那个转折点,也许 AI 的商业化路径跟所有人想的都不一样。 但我坚持认为一件事:如果你不上车,等到终点的那一刻,也不会有你的座位。 车上的人和我们一样,不知道终点是沙漠还是绿洲。但他们有一样东西——相信的勇气。 不是盲信,不是 FOMO,不是被贩卖焦虑后的应激反应。是看清了"等待"的真实成本之后,做出的主动选择。 我选择上车。 你呢? ——石头 如果这篇文章让你觉得"该动了",不妨从系统学起。 拾穗数据知识库涵盖数据分析师和数据工程师的完整成长路径——技术栈、求职方法论、职场晋升——都是从真实经历里提炼出来的,不卖焦虑,只讲可落地的东西。 在小宇宙查看该单集文稿

  3. Jan 15

    EP010-关于数据分析师的职场影响力

    视频版本:数据数据分析师成长路线 L3:高级专家——技术很强却总被忽视?L3数据分析师的真正瓶颈不是技能,是影响力系统 本期内容,我会用"注意力经济学"和"价值创造系统"两个模型,拆解L3阶段最容易被忽视的真相: ✅ 组织不是技能市场,是注意力分配系统 ✅ 技术是1X,影响力是10X ✅ 你的价值不是你产出了什么,而是你改变了什么 📌 章节导航: 00:00 开场:为什么技术强但晋升难? 01:14 第一部分:L3核心技能清单 03:29 - 机器学习应用 05:29 - AB测试与因果推断 07:00 - 时间序列与预测 07:45 - 体系化与自动化 08:35 - 在AI时代的专家定位 11:18 第二部分:组织的注意力经济学 15:34 第三部分:个人影响力的系统架构 15:36 - 第一层:成为信息节点 17:40 - 第二层:建立协作网络 19:37 - 第三层:框架设定权 21:40 第四部分:系统运营的关键节点 21:47 - 节点一:在注意力经济中定位自己 24:08 - 节点二:运营你的互惠账户 26:44 - 节点三:在会议中运营你的系统 28:48 第五部分:一个更深层的认知转变 30:27 第六部分:给L3学习者的行动清单 32:59 结尾:技术是1,影响力是10 💡 核心收获: • L3阶段5大核心技能详解 • 注意力经济学的底层逻辑 • 个人影响力的三层架构(信息节点+协作网络+框架设定权) • 3个系统运营的实战案例 • 4个这周就能开始做的行动清单 📚 延伸学习: 本期提到的完整方法论、实战案例、学习路径,都在全栈知识库中: 👉 pro.ss-data.cc (包含100+个不同行业的详细案例,涵盖成功和失败经验) 📖 配套文章: 公众号搜索「拾穗数据工作室」,回复「L3」获取完整文稿 🎓 成长路线系列: • L1 数据分析师入门篇 • L2 从"取数机器"到"业务军师" • L3 高级专家篇(本期) • L4 领域领航篇(即将更新) 在小宇宙查看该单集文稿

  4. Jan 6

    EP008 | 2026,新人还能入场数据分析吗?

    EP008 | 2026,新人还能入场数据分析吗?🎙️ 节目简介"只会写 SQL 就能拿高薪"的掘金时代彻底结束了。 面对 2026 年的行业深水区,AI 把"搬运"做到了极致,还在读研的你,或者正准备转行的你,手里这碗饭还端得住吗? 本期节目,石头不贩卖焦虑,只想和你实打实地算一笔账:现在的入场费是多少?未来的收益率还有多高? 🎧 时间轴 00:00 开场:读研同学的扎心一问,我们还没上桌,饭碗就碎了? 01:45 认清现实:数据分析的“掘金时代”已过,生态位消失了 03:20 企业真相:从买“手”(做表)到买“脑”(省钱/赚钱) 04:50 面试复盘:为什么技术流 A 同学输给了看财报的 B 同学? 06:15 新人超车指南一:选赛道 > 选工具(带着行业认知降维打击) 07:30 新人超车指南二:别做玩具项目,去做点“脏”数据 08:45 结论:种一棵树最好的时间是十年前,其次是现在🎁 听友福利 & 延伸阅读为了帮助大家更好地迈出第一步,我们在知识库中更新了**《数据分析师 L1 入门筑基》**学习路线图,并录制了配套视频。 全栈知识库官网:pro.ss-data.cc包含本期逐字稿、L1 学习路线图、技能树详解 限时优惠:订阅知识库会员,结账时输入优惠码 DATA26立享 8 折优惠(仅限前 5 名) 公众号:拾穗数据工作室,获取本期思维导图和免费资料包 B 站视频:搜索“停车拾穗”,观看入门避坑指南关于我们: 《疯语大数据》是一档关注数据从业者职业成长与行业真相的播客。我们拒绝宏大叙事,只聊这行里最真实的“饭碗”问题。 在小宇宙查看该单集文稿

  5. 12/29/2025

    EP007-2026 年数据从业者(数据分析师、数据开发工程师),以及“饭碗”保卫战

    展望 2026 —— AI 时代数据人的生存与进阶指南 数据从业者全栈知识库(完整的数据领域全栈知识网络、没有幻觉的知识库问答、面试学习小程序) https://pro.ss-data.cc/membership?invite=NY2026 优惠券:NY2026 联系方式:WX:shisuidata(加群) 本期简介:在上期聊完心态调整后,本期节目主播将带领大家“向远看”,提前探讨 2026 年即将到来的行业变局。随着国家数据要素三年行动计划将在 2026 年收官,数据行业将从基础设施建设迈向以“价值变现”为核心的深水区。面对 AI 填平技术门槛的现状,数据从业者该如何构建新的护城河?本期节目深入剖析了数据分析师与开发工程师的转型路径,并给出了具体的行业选择建议。 ⏱️ 时间轴与核心看点01. 为什么现在就要谈论 2026 年? 2026 年是一个关键的时间节点,标志着国家层面的数据要素三年行动计划收官,行业将真正进入价值变现的深水区。 当下的技术门槛正被 AI 逐渐填平,我们需要思考在未来如何保持不可替代的价值。02. 职场现状:残酷的“哑铃型”结构 就业环境变化:以前掌握 Hadoop、Spark 或 SQL 就能由此获得竞争力,但现在企业不再招募只能完成标准化动作的人员,。 哑铃型分布:一端是基础执行类岗位(如提取数据、制作报表)需求萎缩,因为 AI 效率更高;另一端是对能理解业务、主导 AI、处理合规问题的专家人才极度渴求。03. 角色转型指南:如何跨越鸿沟 📊 数据分析师的进阶:告别单纯的工具人:只会用 Python 清洗数据或做描述性报表的价值将被稀释,因为 BI 软件已深度集成 AI。核心竞争力:业务归因能力:AI 缺乏对业务上下文的感知,分析师需利用对业务逻辑的深刻理解排除噪音,找到真实的因果关系(例如区分流量下降是因竞对促销还是投放策略调整)。结构化思维:将模糊的商业目标转化为 AI 能理解并执行的技术语言。 💻 数据开发工程师的蜕变:单纯的 ETL 管道维护价值正在降低。新角色一:守门人(负责防御):建立机制识别和保护由人类产生的“有机数据”,防止 AI 生成数据泛滥导致的“模型崩溃”,保证核心资产纯净度。新角色二:炼金术士(负责进攻):利用智能体(Agent)监控数据质量、生成合成数据解决冷启动问题,并掌握隐私计算(如联邦学习)以实现数据价值流通。04. 行业赛道与避坑指南 三大潜力领域:智能制造与新能源:汽车已变成高度数字化的移动终端,需要懂制造工程的复合型数据人才。企业出海:跨境数据合规(如应对 GDPR)人才紧缺。金融科技。 避坑建议:警惕那些技术栈过于陈旧、需要大量手动维护表格或修补老旧系统的岗位,这些最容易被自动化取代。 必备新技能:培养“管理智能体”的能力,学会像管理实习生一样给 AI 分配任务、制定标准并审核产出。💡 结语与福利技术在变,但数据工作“通过信息消除不确定性”的本质未变。我们最宝贵的资产是对世界的感知力、对业务的洞察力以及解决实际问题的职业素养。 🎁 特别福利:为了庆祝即将迈入的 2026 年,主播在“拾穗数据工作室”出品的全栈知识库中更新了相关内容,欢迎大家访问并在简介中获取最新优惠码订阅,系统提升节目中提到的核心能力。 主播:疯语大数据 公众号: 在小宇宙查看该单集文稿

  6. 12/28/2025

    EP006-消失的两周与数据从业者的 2026

    🎙️ Show Notes:消失的两周与数据人的 2026 【本期主题】 在公号停更的两周里,主播石头把自己关进了“小黑屋”,没有炒币跑路,也没有提前放假,而是像个手艺人一样去打磨了一件东西。在这个 2025 与 2026 交接的缝隙,当我们习惯了作为系统里的“取数接口”或“下水道修理工”时,,我们该如何重新思考这份工作的意义?本期节目,是一次打工人心贴心的“掏心窝子”局,聊聊在 AI 代码写得比人还快的时代,如何保留那份属于人的“温热”,。 【时间轴 & 高光时刻】 • 00:00 消失的两周我去哪了? 辟谣“跑路”传闻。石头把自己关进小黑屋,在没有流量焦虑的状态下,体验了一次纯粹手艺人的打磨过程。 • 03:15 数据人的集体困境:虚假的忙碌 2025 年大家都喊“累”。 ◦ 数据分析师 (DA):住在 PPT 里,为了年终总结把 SQL 跑烂,觉得自己只是个“PPT 美化专员”。 ◦ 数据工程师 (DE):盯着监控红线,半夜修复 Spark 任务,觉得自己只是个“下水道修理工”。 ◦ 共性:我们把自己磨得越来越薄,只剩下一个职级,却忘了作为“人”的厚度。 • 06:40 AI 时代的生存法则:保留“人”的感知 当 AI 写代码的速度超过初级开发,我们还需要卷底层原理吗? 石头分享了重写小程序 UI 的故事:放弃了大厂科技风,选择了一种温润的米白色——“暖纸”。因为技术是冷的,但使用技术的人,心应该是热的。 • 10:20 关于职业成长的硬核建议 ◦ 反内卷:砍掉过时的“屠龙技”,不再纠结偏门算法,回归解决问题的思维。 ◦ 新打法:以打工人的心态干活(代码写给公司),以创业者的心态成长(逻辑留给自己)。公司可能会倒闭,但长在你骨血里的定力,是谁也带不走的。 • 14:00 给数据人的新年礼物 介绍全新的“暖纸”版小程序和 2026 版题库。这不是为了制造刷题焦虑,而是提供一个在技术满天飞的时代里的成长锚点。 【金句摘录】 “我们在这个所谓的系统里面把自己磨得越来越薄。薄到最后只剩下一个职级 P6 或者是 P7……我们却忘了自己作为‘人’的厚度。” “那一次我手画了一张图……那一刻的成就感,比我后来优化了一个 TPC-H 的基准测试要真实的多。因为在那一刻,那是人和人之间的链接。” “代码是写给公司的,但脑子里的逻辑,心里的感悟是留给自己。” 【相关资源】 • 文章详情与优惠码:关于“暖纸”UI 的设计细节及跨年礼物(优惠码),请查看同名公众号文章 👉 [消失的两周,我重新思考了数据人的 2025],。 优惠码:NY2026 --- New Year 2026 直达链接:https://pro.ss-data.cc/membership?invite=NY2026 数据从业者全栈知识库:https://pro.ss-data.cc • 工具推荐:全新改版的数据人题库小程序(暖纸版)已上线。 【主播寄语】 新的一年,愿你不再是系统的附庸。愿你即使在最冰冷的代码世界里,也能找到属于自己的那份具体的、温热的意义。 在小宇宙查看该单集文稿

  7. 12/07/2025

    【特别篇】关于我和拾穗数据工作室,Topic:技术越强话语权越弱?从数据分析到大厂架构专家的11年真实经历

    🎙️ 特别篇 | 关于我和拾穗数据工作室 Topic:技术越强话语权越弱?从数据分析到大厂架构专家的11年真实经历|数据开发/治理从业者必看的职场避坑指南、晋升方法和价值创造底层逻辑 ━━━━━━━━━━━━━━━━━━━━ 💬 本期简介这是一期特别节目。 我想和你聊聊我这几年的经历,还有我为什么现在在做知识星球、知识库、咨询,以及播客、公众号这些事情。 如果你也在做数据,也遇到过技术很强但职场话语权不高的困惑,这期可能会给你一些启发。 ━━━━━━━━━━━━━━━━━━━━ ⏱️ 内容大纲开场:以为技术是护城河,后来发现不是 我的职业经历:从分析到开发到架构 技术很强,但好像哪里不对 想明白的那个道理 为什么开始做内容和咨询 现在在做的三件事 一些真诚的建议 片尾 ━━━━━━━━━━━━━━━━━━━━ 📖 核心内容▶️ 我以为技术是护城河 我以前一直以为,技术越强,在公司就越有话语权。 所以那几年拼命学技术——Hive、Spark、Flink,数仓建模、实时计算,能学的都学了。技术确实是强了,从数据分析做到了数据开发,又做到了数据架构,后来还做了数据治理。也进了大厂,在杭州的一家大厂做数据架构专家,待了几年。 但慢慢发现,技术越来越强,在公司里的话语权并没有变强。做了很多技术改造,搭了很多平台,但老板好像也不太在意。绩效评估的时候,发现很难讲清楚自己做的事情到底有什么价值。 那时候有个做业务分析的同事,技术其实一般,SQL 写得也就那样。但他升得比我快。 为什么? 因为他能把数据和业务结合起来讲故事。他做的分析能直接影响业务决策,老板看得到价值。而我做的技术改造,老板根本不关心你用的是 Hive 还是 Flink,他只关心你能不能解决他的问题。 ▶️ 想明白的那个道理 💡 真正的护城河不是你会用什么技术,而是你能用技术解决什么问题。 听起来好像是废话,但很多人,包括以前的我,都没想明白这个道理。 我们总觉得,只要技术够强,就能证明自己的价值。但其实不是这样的。公司要的不是技术,公司要的是结果。你用什么技术实现的,没人在乎。 ▶️ 为什么开始做这些事情 想明白这个道理之后,我就开始写点东西,把这些年的经历和想法写下来。 写着写着,发现很多做数据的人,都在走我以前走过的弯路: • 技术很强,但不知道怎么和业务沟通 • 做了很多事,但不知道怎么证明价值 • 想晋升,但不知道怎么准备答辩 我就想,如果能把我踩过的坑、想明白的道理分享出来,也许能帮到一些人。 所以后来就开始做内容,做咨询,做知识库。 ▶️ 现在在做的三件事 1️⃣ 全栈知识库 (199元) 一个"软硬结合"的数据知识网络。不只讲方法论,更讲底层的技术原理。用最通俗的语言,把这些原理讲清楚。 包含:数据分析、数据开发架构、数据治理、行业理解、求职晋升等内容。 访问地址: pro.ss-data.cc 2️⃣ 知识星球 (498元/年) 帮数据从业者在职场中获得突破。 核心权益: ✅ 《职场底层认知体系》专栏 ✅ 全栈知识库访问权(原价 199元) ✅ 无限次图文咨询 ✅ 语音咨询 5 折优惠(原价 600元/小时) ✅ 简历优化 5 折优惠(原价 600元/次) 3️⃣ 1v1 咨询 • 语音咨询:600元/小时(星球会员 5 折) • 简历优化:600元/次(星球会员 5 折) 我做咨询的方式比较简单,就是通过提问帮你理清思路。很多时候你不是不知道答案,而是没想清楚问题。 ━━━━━━━━━━━━━━━━━━━━ 🎁 本期福利感谢你听到这里。 为了感谢播客听众的支持,我准备了 5 个知识星球早鸟价名额: 🔥 原价 498元/年,早鸟价 398元/年(省 100 元) 前 5 位通过以下方式加入星球的朋友,可享受早鸟价: 📝 领取方式: ⚠️ 名额有限,先到先得。 ━━━━━━━━━━━━━━━━━━━━ 💭 一些真诚的建议 说实话,做这些东西,赚钱肯定是原因之一。但更重要的是,我希望分享的东西是真正有用的。 我不做结果承诺。不会说加入星球你就一定能涨薪,做了咨询你就一定能晋升。但我可以保证,我所有的内容都是以结果为导向的,都是从"怎么解决实际问题"出发,而不是讲一堆听起来很对但没用的道理。 如果你觉得有价值,可以加入星球或者找我咨询。如果觉得不需要,也完全没问题,继续听播客、看文章,我们慢慢交流。 💡 技术当然重要,但更重要的是,你要知道怎么用技术创造价值,怎么让别人看到你的价值。 ━━━━━━━━━━━━━━━━━━━━ 💬 想听听你的经历 1. 你在职场中有没有遇到过类似的困惑? 2. 你觉得数据从业者最大的职业瓶颈在哪? 3. 你有什么职业成长的心得? 评论区聊聊,互相交流。 ━━━━━━━━━━━━━━━━━━━━ 📚 往期节目推荐 • EP001: 为什么业务部门还是更爱Excel? • EP002: AI来了,数据分析师真的要失业了吗? • EP003: 数据指标的谎言:那些漂亮数字背后的猫腻 • EP004: 聊聊数据部门为什么总是背锅 • EP005: 聊聊A/B测试那些坑 ━━━━━━━━━━━━━━━━━━━━ 👨‍💼 关于主播 石头,前大厂数据架构专家,做数据这些年,踩过很多坑,也慢慢想明白了一些道理。 现在做知识星球、全栈知识库、1v1 咨询,以及播客、公众号,希望能帮数据从业者少走一些我走过的弯路。 定位:不卖焦虑,只讲实话。不堆理论,只给方法。 ━━━━━━━━━━━━━━━━━━━━ 📱 联系方式 公众号:拾穗数据工作室 知识星球:搜索"数据从业者们" 全栈知识库:pro.ss-data.cc 微信: shisuidata (咨询/早鸟价) 邮箱:shitou@ss-data.cc ━━━━━━━━━━━━━━━━━━━━ 💌 最后说两句 这期准备了挺久,一直在想该怎么聊这个话题。 很多人做自我介绍,都会把自己包装得很厉害。但我不想这样。我就是个普通学校毕业的,也走过不少弯路,吃过不少亏。 现在做这些事情,就是想把我踩过的坑、想明白的道理,分享给同样在做数据的人。 可能帮不到所有人,但如果能帮到一些人,我觉得就值了。 如果你也在做数据,也遇到过类似的困惑,欢迎加入我们。 不管是听播客、看文章,还是加入星球、做咨询,都是一种陪伴和交流。 就聊到这,我是石头,我们下期见。 ━━━━━━━━━━━━━━━━━━━━ 🎁 记得领取早鸟价名额: 评论区留言或添加微信 shitou_data 备注"播客早鸟价" ━━━━━━━━━━━━━━━━━━━━ 👍 如果这期对你有启发,欢迎订阅、评分和分享给同样在做数据的朋友! 在小宇宙查看该单集文稿

About

聊聊数据从业者的故事