跳槽失败:数据分析师+211硕士+掌握工具+做过BI项目



元旦前,听闻我一朋友跳槽失败,近日喝酒顺便交流下,又提及旧闻,我答:HR拒绝你,一点没毛病。


我这哥们学东西快,市场营销出身,做了2年互联网运营后,自学的Python、统计学、数据库……一系列数据分析师必备技能后,逐渐成为了以为拥有数据分析技能的高级运营,因为公司发展,并且熟悉业务,开始参与公司的数据产品获得非常宝贵的产品经验…….随着年龄增加和经验的累计,以及对未来的憧憬,17年下半年一直研究着飞得更高…….


但是很好的背景和经验,为什么遭到大厂抛弃?




1.技能描述


因为是自学,掌握程度和自我感知有差距,熟练的工具会很自信写上精通,熟悉的会写出熟练。简历务必要真实真诚,平时喝酒吹牛,大家可以当笑话,可是简历有记录。因为公司要求标准不一,针对技术的考评,几个问题基本上就可以获得认知,他所谓的“熟练”在技术考官面前未必熟练,所以务必真实真诚


2.历史问题表述含糊


因为早期是市场营销\运营,后期以数据领域为主,业务技能本来是核心技能,但是在早期第一份工作和第二份工作之间有一份持续了3个月的工作,这部分经历的离职原因,他的表述是:团队不和谐、领导内部斗争。这个回答了换回了针对职场压力、团队协作等一系列问题;


对于面试,更相信真实的人,真诚的表述,所以需要更客观的比较和认知,我们在表述矛盾的陈述时,尽量用没有情绪化的语言表达


3.知己知彼


一些知名大厂的数据分析岗位招聘信息:


关于更多的建议,请往下看。




面试官关注的问题


1.基本根据


包括规定动作和自选动作两类。目前我所在的组不需要关心数据来源和结构化的问题,有专门的工程师团队写爬虫、做清洗、维护计算集群和数据库。所以主要考察点在于查询和衍生指标的计算方面。


1.1 规定动作


SQL查询:JOIN ON、DISTINCT、GROUP BY、ORDER BY等等。从数据库中提取数据是数据分析的第一步。另外如果数据规模是TB级的,所以还要能使用SQL让集群做一些简单的计算,不然都下载到本地的话运算资源是肯定不够的。可能还会问一些非常基础的问题,比如PRIMARY KEY、int、str、double之类。


Excel:数据透视表、VLOOKUP、COUNTIFS、SUMIFS、VAR.P、条件格式等等,可能会涉及到诸如VLOOKUP中的TRUE和FALSE参数有什么区别,VAR.P和VAR.S有什么区别等细节问题。


1.2 自选动作


根据简历来问,简历上写什么就问什么,会问得比较深入。Python、Stata、R、SPSS、SAS、EViews都算比较常见的数据分析工具。顺便奉劝各位要一定要真实。比如简历上写“精通Python”,虽然面试官知道简历注水是常态,但既然都“精通”了,那如果面试官问到pandas,regular expression,DataFrame.iterrows()返回的是Series还是dictionary还是listof tuples,tuple和list的区别的时候好歹都得答出来吧……


2.逻辑思维


主要分为两方面,对业务逻辑的理解能力和行文的逻辑水平。


2.1 业务逻辑


虽然一个业务看似流程简单清晰,但产生数据的复杂程度往往超过大多数人的想象。对业务逻辑的考察主要通过相关项目经历。如果是典型的学校项目,面试官会比较关心指标设计选取、代理变量选择、误差分析、因果性解释等。


这里再次提醒大家,写在简历上的项目经历起码自己要非常熟悉,对答如流。如果面试官听你介绍15秒项目后提出的问题(如“你为什么说 北京经济适用房建筑面积与房屋建造年份的乘积 是一个非常重要且有实际意义的解释变量?”)就能把你难住的话,那你也会把面试官难住的——面试评价表怎么写啊摔!面试官回去就得把HR批判一番!!!


2.2 行文逻辑


毕竟最终产出是一份份报告,可能是HTML邮件也能是PDF。文章结构还是很重要的。不过最关键的几点是先说结论,先写摘要。


3.理论储备


也分为规定动作和可选动作。


3.1 规定动作


主要是基础的统计学理论,如方差、协方差、算数平均数、几何平均数、中位数、众数、分位值、双峰数据、长尾数据、假设检验、期望迭代法则、贝叶斯原理等。


3.2 自选动作


根据简历来问,简历上写什么面试官一定会问什么。第三次奉劝各位写的检验也好机器学习算法也好好歹自己要知道原理、适用条件、局限性。不然面试官跟你聊起Pearson distance、K-means cluster的随机性问题的时候你接不上来也是很尴尬的。


4.对细节的敏感度


作为数据分析师,每天要关注大量数据指标。对细节的敏感度是非常必要的。这主要分为两方面,对统计口径的敏感度和对数据的敏感度。


4.1 统计口径


统计口径一致是确保数据可比性的基础,这非常考验数据分析师的敏感度和行业经验。比如转化率,是点击算转化还是注册算转化还是购买算转化?配送时间,是从用户下单开始计时还是从订单确认开始计时还是从商品出库开始计时?客单价包不包括配送费、打包费、代金券形式的折扣优惠?


4.2 数据


面试官非常关心候选人对数据异常波动、离群值、平均数没有代表意义等情况的迅速识别能力。比如已知然寿司套餐单价1,500,酒水单价300,平均客单价2,500,能不能马上想到这可能是双峰数据或者长尾数据,抑或既双峰又长尾的数据?


5.学习能力


互联网行业瞬息万变,光数据的存储就有Oracle、MySQL、Hadoop、Spark、Hive、Impala、谷哥哥三驾马车等一大堆奇奇怪怪的东西。互联网行业的从业者经常要面对新需求、新工具、新方法。能否迅速掌握新知识,解决新问题是候选人必须证明给面试官看的。


主要考察的方式是了解过往项目经历,或者由面试官出作业题(比如Sci-Hub)。


6.排版和简单UI设计


面试官认为数据分析报告必须简洁、清晰、重点突出。主要考察方式是出作业题让候选人限时交一份slides(就是PPT啦)出来。能掌握标准的Microsoft Design Language是大大的加分项。


7.价值观


主要看工作热情、态度、道德水平等等,这方面面试官问的问题比较随机,没什么规律可循,甚至问过机械键盘、人体工程学设计等方面的问题。

此部分参考知厂@董昊天



给应届生面试的建议


应届生在找数据分析相关工作的过程中需要注意以下三点:


1.不同公司内部对数据分析团队的定位不同,所以对于数据分析师的技能要求也会有差别。


比方说,需不需要熟练使用SQL,需不需要掌握数据挖掘算法,在不同岗位之间的差别很大。建议应聘者在找工作之前好好研究下意向公司的JD,做到有的放矢,还是那句老话“知己知彼、百战不殆”。(此处可参考part1部分提供的招聘岗位要求)


2.如果面试被拒也不要气馁,有可能并不是你的原因,只是与岗位要求不匹配。


业务方向的数据分析师岗位很看重对于特定业务的理解能力,不同业务条线的分析内容也会有差别,这对于工作经验较少的应届生来说是很薄弱的一环。另外,公司一般只会在特定方向有人力缺口的情况下招人,有可能会导致招聘的岗位与你的条件不匹配,而与你条件匹配的岗位不招人。


3.如果不能直接获得数据分析师的offer,也可以通过产品、运营等岗位曲线救国。


互联网公司的产品、运营工作中有很多需要和数据打交道的地方,每次功能改进、版本迭代、活动上线都需要自己做一部分数据分析。因为数据分析对于业务理解的要求比较高,对于已经熟悉公司业务的产品、运营同学来说,内部转岗到数据分析部门的优势比较大。据了解数据分析师有一半是从其他岗位转过来的。


4.数据分析师工作的结果是支持企业管理决策,数据分析报告是分析师提供的结果依据。


数据工具学习是日积月累的学习过程,比较而言数据分析报告有极强的规律性,明白其间的逻辑思路,对于数据分析师结果呈现的锦上添花立竿见影。


来源:中国统计网


精彩活动

福利 · 阅读 | 免费申请读大数据新书 第23期

推荐阅读

2017年数据可视化的七大趋势! 

全球100款大数据工具汇总(前50款) 

论大数据的十大局限

大数据时代的10个重大变革

大数据七大趋势 第一个趋势是物联网


Q: 你的求职过程有哪些经验?

欢迎留言与大家分享

请把这篇文章分享给你的朋友

转载 / 投稿请联系:hzzy@hzbook.com

更多精彩文章,请在公众号后台点击“历史文章”查看

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页