歡迎光臨
每天分享高質量文章

跳槽失敗:資料分析師+211碩士+掌握工具+做過BI專案

元旦前,聽聞我一朋友跳槽失敗,近日喝酒順便交流下,又提及舊聞,我答:HR拒絕你,一點沒毛病。

我這哥們學東西快,市場營銷出身,做了2年互聯網運營後,自學的Python、統計學、資料庫……一系列資料分析師必備技能後,逐漸成為了以為擁有資料分析技能的高級運營,因為公司發展,並且熟悉業務,開始參與公司的資料產品獲得非常寶貴的產品經驗…….隨著年齡增加和經驗的累計,以及對未來的憧憬,17年下半年一直研究著飛得更高…….

但是很好的背景和經驗,為什麼遭到大廠拋棄?

1.技能描述

因為是自學,掌握程度和自我感知有差距,熟練的工具會很自信寫上精通,熟悉的會寫出熟練。簡歷務必要真實真誠,平時喝酒吹牛,大家可以當笑話,可是簡歷有記錄。因為公司要求標準不一,針對技術的考評,幾個問題基本上就可以獲得認知,他所謂的“熟練”在技術考官面前未必熟練,所以務必真實真誠

2.歷史問題表述含糊

因為早期是市場營銷\運營,後期以資料領域為主,業務技能本來是核心技能,但是在早期第一份工作和第二份工作之間有一份持續了3個月的工作,這部分經歷的離職原因,他的表述是:團隊不和諧、領導內部鬥爭。這個回答了換回了針對職場壓力、團隊協作等一系列問題;

對於面試,更相信真實的人,真誠的表述,所以需要更客觀的比較和認知,我們在表述矛盾的陳述時,儘量用沒有情緒化的語言表達

3.知己知彼

一些知名大廠的資料分析崗位招聘信息:

關於更多的建議,請往下看。

面試官關註的問題

1.基本根據

包括規定動作和自選動作兩類。目前我所在的組不需要關心資料來源和結構化的問題,有專門的工程師團隊寫爬蟲、做清洗、維護計算集群和資料庫。所以主要考察點在於查詢和衍生指標的計算方面。

1.1 規定動作


SQL查詢:JOIN ON、DISTINCT、GROUP BY、ORDER BY等等。從資料庫中提取資料是資料分析的第一步。另外如果資料規模是TB級的,所以還要能使用SQL讓集群做一些簡單的計算,不然都下載到本地的話運算資源是肯定不夠的。可能還會問一些非常基礎的問題,比如PRIMARY KEY、int、str、double之類。

Excel:資料透視表、VLOOKUP、COUNTIFS、SUMIFS、VAR.P、條件格式等等,可能會涉及到諸如VLOOKUP中的TRUE和FALSE引數有什麼區別,VAR.P和VAR.S有什麼區別等細節問題。

1.2 自選動作


根據簡歷來問,簡歷上寫什麼就問什麼,會問得比較深入。Python、Stata、R、SPSS、SAS、EViews都算比較常見的資料分析工具。順便奉勸各位要一定要真實。比如簡歷上寫“精通Python”,雖然面試官知道簡歷註水是常態,但既然都“精通”了,那如果面試官問到pandas,regular expression,DataFrame.iterrows()傳回的是Series還是dictionary還是listof tuples,tuple和list的區別的時候好歹都得答出來吧……

2.邏輯思維

主要分為兩方面,對業務邏輯的理解能力和行文的邏輯水平。

2.1 業務邏輯


雖然一個業務看似流程簡單清晰,但產生資料的複雜程度往往超過大多數人的想象。對業務邏輯的考察主要通過相關專案經歷。如果是典型的學校專案,面試官會比較關心指標設計選取、代理變數選擇、誤差分析、因果性解釋等。

這裡再次提醒大家,寫在簡歷上的專案經歷起碼自己要非常熟悉,對答如流。如果面試官聽你介紹15秒專案後提出的問題(如“你為什麼說 北京經濟適用房建築面積與房屋建造年份的乘積 是一個非常重要且有實際意義的解釋變數?”)就能把你難住的話,那你也會把面試官難住的——面試評價表怎麼寫啊摔!面試官回去就得把HR批判一番!!!

2.2 行文邏輯


畢竟最終產出是一份份報告,可能是HTML郵件也能是PDF。文章結構還是很重要的。不過最關鍵的幾點是先說結論,先寫摘要。

3.理論儲備

也分為規定動作和可選動作。

3.1 規定動作


主要是基礎的統計學理論,如方差、協方差、算數平均數、幾何平均數、中位數、眾數、分位值、雙峰資料、長尾資料、假設檢驗、期望迭代法則、貝葉斯原理等。

3.2 自選動作


根據簡歷來問,簡歷上寫什麼面試官一定會問什麼。第三次奉勸各位寫的檢驗也好機器學習演算法也好好歹自己要知道原理、適用條件、局限性。不然面試官跟你聊起Pearson distance、K-means cluster的隨機性問題的時候你接不上來也是很尷尬的。

4.對細節的敏感度

作為資料分析師,每天要關註大量資料指標。對細節的敏感度是非常必要的。這主要分為兩方面,對統計口徑的敏感度和對資料的敏感度。

4.1 統計口徑


統計口徑一致是確保資料可比性的基礎,這非常考驗資料分析師的敏感度和行業經驗。比如轉化率,是點擊算轉化還是註冊算轉化還是購買算轉化?配送時間,是從用戶下單開始計時還是從訂單確認開始計時還是從商品出庫開始計時?客單價包不包括配送費、打包費、代金券形式的折扣優惠?

4.2 資料


面試官非常關心候選人對資料異常波動、離群值、平均數沒有代表意義等情況的迅速識別能力。比如已知然壽司套餐單價1,500,酒水單價300,平均客單價2,500,能不能馬上想到這可能是雙峰資料或者長尾資料,抑或既雙峰又長尾的資料?

5.學習能力

互聯網行業瞬息萬變,光資料的儲存就有Oracle、MySQL、Hadoop、Spark、Hive、Impala、谷哥哥三駕馬車等一大堆奇奇怪怪的東西。互聯網行業的從業者經常要面對新需求、新工具、新方法。能否迅速掌握新知識,解決新問題是候選人必須證明給面試官看的。

主要考察的方式是瞭解過往專案經歷,或者由面試官出作業題(比如Sci-Hub)。

6.排版和簡單UI設計

面試官認為資料分析報告必須簡潔、清晰、重點突出。主要考察方式是出作業題讓候選人限時交一份slides(就是PPT啦)出來。能掌握標準的Microsoft Design Language是大大的加分項。

7.價值觀

主要看工作熱情、態度、道德水平等等,這方面面試官問的問題比較隨機,沒什麼規律可循,甚至問過機械鍵盤、人體工程學設計等方面的問題。

此部分參考知廠@董昊天

給應屆生面試的建議

應屆生在找資料分析相關工作的過程中需要註意以下三點:

1.不同公司內部對資料分析團隊的定位不同,所以對於資料分析師的技能要求也會有差別。


比方說,需不需要熟練使用SQL,需不需要掌握資料挖掘演算法,在不同崗位之間的差別很大。建議應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,還是那句老話“知己知彼、百戰不殆”。(此處可參考part1部分提供的招聘崗位要求)

2.如果面試被拒也不要氣餒,有可能並不是你的原因,只是與崗位要求不匹配。


業務方向的資料分析師崗位很看重對於特定業務的理解能力,不同業務條線的分析內容也會有差別,這對於工作經驗較少的應屆生來說是很薄弱的一環。另外,公司一般只會在特定方向有人力缺口的情況下招人,有可能會導致招聘的崗位與你的條件不匹配,而與你條件匹配的崗位不招人。

3.如果不能直接獲得資料分析師的offer,也可以通過產品、運營等崗位曲線救國。


互聯網公司的產品、運營工作中有很多需要和資料打交道的地方,每次功能改進、版本迭代、活動上線都需要自己做一部分資料分析。因為資料分析對於業務理解的要求比較高,對於已經熟悉公司業務的產品、運營同學來說,內部轉崗到資料分析部門的優勢比較大。據瞭解資料分析師有一半是從其他崗位轉過來的。

4.資料分析師工作的結果是支持企業管理決策,資料分析報告是分析師提供的結果依據。


資料工具學習是日積月累的學習過程,比較而言資料分析報告有極強的規律性,明白其間的邏輯思路,對於資料分析師結果呈現的錦上添花立竿見影。


來源:中國統計網

精彩活動

福利 · 閱讀 | 免費申請讀大資料新書 第23期

推薦閱讀

2017年資料可視化的七大趨勢! 

全球100款大資料工具彙總(前50款) 

論大資料的十大局限

大資料時代的10個重大變革

大資料七大趨勢 第一個趨勢是物聯網


Q: 你的求職過程有哪些經驗?

歡迎留言與大家分享

請把這篇文章分享給你的朋友

轉載 / 投稿請聯繫:hzzy@hzbook.com

更多精彩文章,請在公眾號後臺點擊“歷史文章”查看

赞(0)

分享創造快樂