![[众诚云网科技]](/uploads/allimg/20190305/c4b08346cbe8b0efae6b132139c2d72a.png)
新闻中心 
数据分析师或金融分析师有无发展前景？（金融的数据分析师）
2023-09-16
浏览次数：次
返回列表金融分析师没有了解过，但是数据分析师是有前景的岗位，只要互联网一直发展，数据分析就是热门岗位。但是因为热门，数据分析也很卷，应届生求职中，七八百人竞争一个岗位好不夸张。
如何才能从这样卷的环境中胜出，分享一些自己的转行经验。
转行经验分享
今天呢，我给大家准备给大家分享下数据分析的转行经验，希望能够帮助到正在从各个行业转行数据的小伙伴们！
明确求职岗位
想要转行数据，但是不知道数据行业到底有哪些岗位，自己适合什么！
了解数据岗位之后，确定了自己想要转行的方向是数据分析，却不知道自己需要怎么去准备自己知识体系？看这里，小编已经为你准备好了！
【知识体系】
想转行数据方向，苦苦找不到方法？看这里，数据方向的完整知识体系送给你！
【转行需要做好哪些准备】
掌握数分知识体系
数据分析是门槛比较低，容易入门的一个岗位，要入门数据分析，需要掌握需要有良好的数据分析思维、会使用Excel常用函数、透视表以及制作可视化看板，除了这些当然少不了SQL,Python，BI工具，Pytho编程语言，统计学知识等等。
1数据思维
想要转行数据分析，最重要的当然是要有数据的sense，通俗来讲就是要拥有数据分析的思维。很多培训机构一上来就给学员们教各种工具和编程语言，但是很多人学会了这些编程语言之后依然不会数据分析。数据分析的思维也不是一蹴而就，需要慢慢积累，多在行业里面摸爬滚打；而对于没有经验的应届生或者转行的小伙伴来说就可以多看一些数据分析的案例，拓展和丰富自己的分析思路。小编也给大家准备了一些笔试面试中常见的数据思维的面试题，希望能够帮助到大家！
【数据思维面试题】
没有数据思维，却不知道怎么培养？这些面试题给你想要的答案！
没有数据思维，却不知道怎么培养？这些面试题给你想要的答案（二）！
没有数据思维，却不知道怎么培养？这些面试题给你想要的答案（三）！
数据分析的角度和维度就涉及到了数据思维，数据分析师这个岗位并不直接参与到业务决策中，就算数据分析师提出合理、切实可行的意见或建议，业务方也不一定采纳。所以这类问题考验的已经不是数据分析师基础的数据分析能力，更多的是其软技能、沟通能力及影响力。数据分析师在提出意见和建议时可以考虑用图表代替文字说明问题，用业务方听得懂的话代替专业术语陈述建议。另外，如果你的建议能够帮助业务方提升 KPI，那么业务方多少会对你的建议感兴趣。当然，从不同的业务出发，从不同的分析角度着手，都能提出各种不同的建议。所以本节只是抛砖引玉，至于如何在不同业务形态中提出合理、可行的建议，就需要数据分析师在实践中积累了。
市面上大部分数据分析相关的书籍都是从工具的介绍开始的，但很多时候数据分析主要依靠数据思维。
特别是面对复杂业务场景时，对于业务的熟悉程度及数据思维显得尤为重要。
因为数据思维决定了分析问题的角度及合理性，只要数据分析师能够针对特定问题提出分析方案，无论用什么工具都可以得到结果，因此数据思维是数据分析师成长进阶路上的必修课。
而市面上关于数据思维的书籍较少且部分书籍讲授的知识点较浅，能够将数据思维、编程语言、统计学思想及案例分析等融为一体的书籍少之又少，强烈给大家推荐这本以数据分析全流程为主线的数据思维的书——《数据分析之道——用数据思维指导业务实战》。
数据分析之道：用数据思维指导业务实战(博文视点出品)京东¥78.90去购买
附上全书的目录，本书围绕数据思维展开，一共11章内容。
数据分析师如何正确的提建议？mp.weixin.qq.com/s/ysO3ISHhnm3-TJF3F7wbFQmp.weixin.qq.com/s/ysO3ISHhnm3-TJF3F7wbFQ
2Excel技能
作为数据分析师，天天跟数据打交道，必然少不了要用到Excel。那么Excel要学学到什么程度才够呢？当然是熟练的掌握常用的分析函数，包括统计函数，时间函数，字符串处理函数，逻辑函数，查找与引用函数等。说到这里你可能会问，这么多的函数，我哪里学的玩，能不能划下重点？看这里，小编已经为大家整理好了分析师必会的函数大全，请注意查收！
[数据分析师必会Excel函数大全]
数据人必会的Excel｜连Excel函数都不会，那你还能干啥
除了函数之外呢，分析师还需要使用Excel做透视表，做可视化看板等等。可视化看板也称为仪表盘(Dashboad)，小编已为大家整理好了Dashboard的制作流程。
[数据分析师必会Excel可视化仪表盘]
数据人必会的Excel|还在给老板看苍白无力的数据？有了这份Excel炫酷的报表，还愁不升职加薪？
3SQL
数据分析师需要掌握的最重要的技能莫过于SQL了，小编当然不会忘记为大家准备SQL的大礼包。
[数据分析师必会SQL知识点大全]
[数据分析师必会SQL知识点详解]
4 BI工具
BI工具也是数据分析师常用的工具，每次开发报表都会用到这些工具。现在市面上的BI工具也很多，有Tableau，PoweBI，FineBI，Superset等等，熟悉一类BI工具即可。小编在这里推荐Tableau。
5统计学基础
统计学的基础理论和思维也是数据分析师安身立命之本，因此在很久以前小编就已经汇总了一些统计学相关的文章，同时也收藏了一些视频，今天就把压箱底的资料统统分享给大家!
[数据分析师学要了解的统计学知识]
6 Python编程语言
Python作为一门胶水语言，比JAVA呀，C呀之类的语言都容易学。对于数据分析师来说，掌握Python处理数据的基础操作以及可视化就基本足够了！如果你能学习一些机器学习之类的课程，当然这是加分项咯！
7 数分实操案例
拥有了数据思维，学会了以上分析方法和分析工具，但是缺少实操案例怎么办呢？小编当然也不会忘记这一点啦，贴心地为大家准备了实操案例，大家按需索取哈！
【数据分析实践案例】
加拿大各地区温度的时空变化趋势分析
利用ARIMA预测加拿大各地区温度的时空变化趋势分析未来25年气候变化
学习课程汇总
点击上方蓝字关注我们
来源：公众号-数据万花筒
链接：B站数据分析课程学习清单！
B站数据分析课程学习清单！mp.weixin.qq.com/s/S4OswebKdi91kYUQylgfLA
很多优质的数据分析课程，需要的小伙伴自取！课程包括了数据思维系列、统计学基础系列、面试经验分享系列、项目实战、SQL、EXCEL、Python等多方面的内容，课件笔记还在整理中，之后会继续分享！B站数据分析课程学习清单！很多优质的数据分析课程，需要的小伙伴自取！课程包括了数据思维系列、统计学基础系列、面试经验分享系列、项目实战、SQL、EXCEL、Python等多方面的内容，课件笔记还在整理中，之后会继续分享！
数据分析思维
https://www.bilibili.com/video/BV1a64y127Hi
https://www.bilibili.com/video/BV16p4y1W79k
3.《用户增长之数据驱动的增长黑客技能》
https://www.bilibili.com/video/BV1f64y127U9
https://www.bilibili.com/video/BV1y54y1j7p7
https://www.bilibili.com/video/BV15h411k7wR
数据分析之道：用数据思维指导业务实战(博文视点出品)京东¥78.90去购买
大数据统计学基础与线性代数
https://www.bilibili.com/video/BV1Ny4y1x7ha
2.《数据分析师常踩的统计学坑》
https://www.bilibili.com/video/BV1Hy4y1Y7zC
https://www.bilibili.com/video/BV1rV411a7XD?p=4
https://www.bilibili.com/video/BV1dZ4y1N7jw
https://www.bilibili.com/video/BV1sz4y1Z7W1
面试及转行经验
https://www.bilibili.com/video/BV1sp4y1r7rR
https://www.bilibili.com/video/BV1Wh411k7oq
https://www.bilibili.com/video/BV1Hr4y1N7ki
https://www.bilibili.com/video/BV1vy4y1m7RM
5.《从生物医学转行到互联网数据分析，我做对了什么？》
https://www.bilibili.com/video/BV1dk4y1C7xy
https://www.bilibili.com/video/BV1N5411L7JB
项目实战课程
https://www.bilibili.com/video/BV1fU4y147Cg
2.《Kaggle实战课程》
https://www.bilibili.com/video/BV1x64y127tC
3.《自学数据分析但没有实战经验？别担心，Kaggle实战案例也可以让你的简历熠熠生辉！》
https://www.bilibili.com/video/BV1vN411d7w4
https://www.bilibili.com/video/BV1Fy4y1q79e
SQL与数据库
1.《SQL零基础1小时快速入门，学完就会做数据分析了!》
https://www.bilibili.com/video/BV1zi4y1j79E
2.《数据库及SQL优化》
https://www.bilibili.com/video/BV1d54y1r7Wj
3.《Hive数据库》
https://www.bilibili.com/video/BV1FV411a7FJ
4.《大数据生态架构》
https://www.bilibili.com/video/BV1JA411x7gM
Excel
https://www.bilibili.com/video/BV1qf4y1C7Si
2.《掌握Excel32个操作技巧，让你在数据分析中秒变效率达人》
https://www.bilibili.com/video/BV1uf4y1y78y
https://www.bilibili.com/video/BV1D64y1f7sG
数据可视化
https://www.bilibili.com/video/BV15A411x7Qk
https://www.bilibili.com/video/BV1uy4y1z7og
Python与R
https://www.bilibili.com/video/BV1St4y1e7d4
https://www.bilibili.com/video/BV1iZ4y1V7vM
3.《李晓华-数据科学实战》
https://www.bilibili.com/video/BV1FV411a7FJ
https://www.bilibili.com/video/BV13K4y177hM
https://www.bilibili.com/video/BV1hK411V759
https://www.bilibili.com/video/BV1EK4y1W7un
https://www.bilibili.com/video/BV1Wh41127Ma
如果您觉得我们的文章还不错，请分享，点赞，再看，一键三连！！！
END
练手数据汇总
来源：公众号数据万花筒
对于跨专业找工作或者想要转行的小伙伴来说，没有实习或者相关的工作经历是一件非常常见的事情。但是，找实习或者工作的时候却被要求拥有相关的经验，可是还没有做过实习或工作哪来的相关经验啊？对，就是这样魔幻，陷入“找实习或工作-需要相关经历-没有实习或工作就没有经历”的循环中。下面的图，大家肯定感同身受吧，这一定是存在于你的求职面试当中。
的确，跨专业或者是转行找第一份实习或工作很难，但每年校招也有很多没有实习经历的同学进了BAT等大厂啊！所以，如果你还有大把时间的话，建议先找一份相关实习，校招的同学可以在找工作前两年开始实习，以保证自己有两到三段实习经历；如果你马上找工作了却没有实习经历和拿得出手的项目，那么花上一两个月的时间深度钻研一两个数据分析项目，搞懂项目中的每一个细节写在简历上也是加分项哦！
面对没有相关实习经历或工作经历的小伙伴来说，找到一些合适数据分析类的项目练手会在短时间内提升数据分析的能力。跟着数据分析实战书籍进行学习，也是重要的学习方法！这里向大家推荐我的新书《数据分析之道——用数据思维指导业务实战》！
数据分析之道：用数据思维指导业务实战(博文视点出品)京东¥78.90去购买
本书以数据分析思维为主题，主要介绍对比思维、分群思维以及相关思维三大数据分析思维，同事以数据分析全流程为主线，融合了编程语言、统计学基础以及案例分析等多模块内容，全书分为4篇，囊括了数据分析思维的基础概念培养方法、数据来源及体系建设、数据分析三大思维方式以及用户流失、用户转化实战等共十一章的内容。
全书都是彩印，放上两张图让给大家瞅瞅。
除了书籍之外，小编也给大家整理了一些资源网站，希望能够帮助到大家！
一.Kaggle
Kaggle是为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，其网址为https://www.kaggle.com。Kaggle发布了大量的数据分析、挖掘、机器学习预测项目，没有实习和项目经历的小伙伴可以在Kaggle上找到项目练手。Kaggle上的项目有不同的项目分类，包括探索性分析，数据可视化，趋势预测，分类等多种类型，可以根据自己的需要选择不同过类型的项目练手。小编也为大家整理了一些项目，从数据挖掘到数据可视化再到预测模型，其难度是一次上升的，可以先易后难各个击破。
1.1 数据挖掘项目
数据挖掘项目也成为了数据探索性项目，这类型的项目是希望通过对具体业务的分析给出一定数据性结论，如果能够发现业务问题给出一定建议那是再好不过了。下面给出五个Kaggle数据挖掘类型的项目，没有项目经历的小伙伴可以试着练练手。
1.纽约爱彼迎Airbnb数据挖掘
爱彼迎为房东和房客提供了极大地方便，该数据集包括了商家id、民宿id、民宿位置经纬度、价格等信息。可以分析什么样的民宿更受消费者欢迎、各种因素对于消费者选择民宿的影响等等。
项目链接：https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data
2.酒店预订数据挖掘
酒店预订数据集包含城市酒店和度假酒店的预订信息，例如预订的时间，停留时间，成人，儿童和/或婴儿的数量以及可用停车位的数量等信息。通过该数据集可以分析一年中最佳的时间预定酒店房间；消费者获得最佳每日房价而停留的最佳时间；酒店是否可能收到过多的特殊要求，如果有该怎么办？
项目链接：https://www.kaggle.com/jessemostipak/hotel-booking-demand
3.IBM员工离职因素分析
IBM员工离职原因数据及包括员工编号、年龄、受教育程度、离家距离、生活和工作的平衡、工作参与情况等信息。通过分析该数据集可以找出员工流失的因素，例如，工作角色和流失率的相关性；离家距离与流失率的相关性；平均月收入和受教育程度对流失率的影响”。
项目链接：https://www.kaggle.com/pavansubhasht/ibm-hr-analytics-attrition-dataset
4.统计世界大学排名
世界大学排名数据集提供了五个类型的数据集，分别是泰晤士高等教育世界大学排名，世界大学的学术排名、世界大学排名研究中心排名、世界各地教育程度的数据、国家间公共和私人直接教育支出的信息。对大学进行排名是一个困难，世界上有数百种不同的国家和国际大学排名系统，比较这些排名，这些排名是否合理，提出你认为合理的大学排名计算方式。
项目链接：https://www.kaggle.com/mylesoneill/world-university-rankings
5.探索影响寿命的因素
世界卫生组织（WHO）旗下的全球卫生观察站（GHO）数据存储库跟踪了所有国家的健康状况以及许多其他相关因素，该数据集包括了人口统计学变量，收入构成和死亡率等信息。运用该数据集可以解决以下问题：
最初选择的各种预测因素是否会真正影响预期寿命？
哪些预测变量实际上会影响预期寿命？
预期寿命值低于（<65）的国家是否应该增加其医疗保健支出以改善其平均寿命？
婴儿和成人死亡率如何影响预期寿命？
预期寿命与饮食习惯，生活方式，运动，吸烟，饮酒等有正相关还是负相关？
学校教育对人类寿命有何影响？
预期寿命与饮酒有正面还是负面的关系？
人口稠密的国家是否倾向于降低预期寿命？
免疫覆盖率对预期寿命有何影响？
项目链接：https://www.kaggle.com/kumarajarshi/life-expectancy-who
1.2 数据可视化项目
数据可视化也是数据分析师最日常的工作之一，数据可视化用Python的Matplotlib模块完成，也可以将这些可视化的数据做成可视化大屏，相信做完这些项目你的数据可视化功底会突飞猛进。
1.2019新冠病毒数据可视化
新冠病毒数据集提供了自2020年1月22日起每天新型冠状病毒感染病例数，死亡和恢复情况的水平信息，这是一个时间序列数据，因此任何给定日期的案件数均为累计数。运用该数据集可以完成病例增长趋势、死亡趋势、治愈趋势等数据的可视化。
项目链接：https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset
2.澳洲大火数据可视化
该数据集提供了澳大利亚火灾的初始数据信息，通过该数据集可以完成野火规模的可视化，以此来判断本次大火是否是至今前所未有的；也可以结合本地空气质量和本地警报等数据进行分析以提高准确性。
项目链接：https://www.kaggle.com/carlosparadis/fires-from-space-australia-and-new-zeland
3.地表温度数据可视化
该数据集包括历年全球陆地和海洋和陆地温度信息，通过该数据集可以实现海陆温度变化可视化以评估气候变化对于人类活动的影响。
项目链接：https://www.kaggle.com/berkeleyearth/climate-change-earth-surface-temperature-data/kernels
4.美国数据科学家的职业市场
该数据集收集全美7,000个数据科学家职位的信息，包括公司名称，职位名称，位置，职位描述和公司评论数等数据。通过该数据集可以可视化以下问题：数据科学家需要有什么样的特质？哪个位置机会最多？数据科学家需要拥有哪些技能，工具，学位或专业？项目链接：https://www.kaggle.com/sl6149/data-scientist-job-market-in-the-us
5.火山爆发数据可视化
数据集来自于美国国家海洋和大气管理局（NOAA）重大火山喷发数据库的简短数据集，该数据集包含与全球喷发相关的指标。通过该数据集可以可视化火山爆发的位置、程度、造成的经济损失和死亡人数等等。
项目链接：https://www.kaggle.com/texasdave/volcano-eruptions
1.3 预测模型
预测模型不是数据分析师的日常工作，但是数据分析市场非常卷，随着算法岗的火爆，供过于求，很多算法工程师转向数据分析岗位。如果你能学会一些模型预测的话，在数据分析求职过程中也是比较占优势的哦！所以这部分项目，如果你的时间充裕可以做一两个项目练练手，否则的话可以直接跳过这部分了。
1.贷款预测
该数据集包括用户历史借贷数据和消费数据，通过用户历史数据预测用户借贷是否存在风险以确定是否批复贷款申请。
项目链接：https://datahack.analyticsvidhya.com/contest/practice-problem-loan-prediction-iii/
2.信用卡欺诈检测
该数据集包括信用卡欺诈数据以及非欺诈数据，利用该数据集建立信用卡欺诈检测模型。
项目链接：https://www.kaggle.com/janiobachmann/credit-fraud-dealing-with-imbalanced-datasets
3.糖尿病预测
数据集的作者公开了包括8个可公开获得的宏基因组数据，以及应用MetaPhlAn2生成物种丰度的特征。他们的目标是使用获得的丰度特征对疾病进行分类，并为此任务确定最佳的ML模型。通过他们的实验，他们选择RandomForest作为大多数疾病的最佳分类器，而SVM在某些疾病上的表现更好。可以考虑用其他的分类方法进行预测，以获得更优的表现。
项目链接：https://www.kaggle.com/antaresnyc/metagenomics/tasks?taskId=2955
4.新冠疫苗进展预测
该数据集包括了全球各个国家接种新冠疫苗的情况，通过该数据集可以分析哪个国家在使用什么新冠疫苗、哪个国家的新冠疫苗更先进、每天哪个地区的接种人数最多、哪个地区接种百分比最高。
项目链接：https://www.kaggle.com/gpreda/covid-world-vaccination-progress
5.电影推荐系统
Netflix电影数据集包括各类影视的信息，使用该数据集可以构建电影推荐系统，如果用户搜索特定电影，则建议的引擎最多返回10个电影名称。
项目链接：https://www.kaggle.com/shivamb/netflix-shows/tasks?taskId=2447
二.阿里天池
Kaggle的项目都是英文的，有的小伙伴可能觉得英文看起来太费劲而且还要VPN翻墙也不太方便，而阿里天池的项目就满足了你所有的需求！同样，阿里天池的数据集也是分类的，这里就不再一一列举，选出几个有代表性的供大家参考。
1.数智教育可视化
该数据集包含近五年各班各学科的教师信息、当前在校学生详细信息、考勤信息、考勤类型、考试信息、考试类型、学生成绩、学生本年度消费信息。
利用这些数据完成学生画像分析；对课程域相关数据进行描述性性统计分析，汇总各个科目班级历史最高分趋势和历史最低分趋势；对班级域相关数据进行描述性统计分析，分析各个班级平均分排名，指标包括原始分、绝对分；支持总分和单科目等信息进行分析。
该数据集是非常接近数据分析师的日常工作，强烈推荐该数据集，完成这个项目后可以掌握用户画像以及数据分析中常用的统计学分析。
项目链接：
ttps://http://tianchi.aliyun.com/competition/entrance/231704/information
2.疫情数据可视化
数据集来源于各大网站公开数据，可以通过可视化的形式展现疫情态势、社区防控情况、疫情物资物流供给情况、各地各业人员返工返程情况甚至疫情走势预测等。
项目链接：
https://tianchi.aliyun.com/competition/entrance/231779/information
3.城市物流末端配送
该数据集提供了城市物流末端配送数据，可以通过建立模型以最优的方式展示末端配送2类包裹的配送方案。
项目链接：
https://tianchi.aliyun.com/competition/entrance/231580/information
4.AI精准助力气象和海洋预测
该数据集包括历史模拟数据和美国SODA模式重建的近100多年历史观测同化数据。每个样本包含以下气象及时空变量：海表温度异常(SST)，热含量异常(T300)，纬向风异常（Ua），经向风异常（Va），数据维度为（year,month,lat,lon）。基于该数据集提供的历史气候观测和模式模拟数据，可以利用T时刻过去12个月(包含T时刻)的时空序列（气象因子），构建预测ENSO的深度学习模型，预测未来1-24个月的尔尼诺指数。
项目链接：
https://tianchi.aliyun.com/competition/entrance/531871/information
5.学术前沿趋势分析
该数据集使用了在arXiv公开的论文数据集，可以通过数据分析能够挖掘出最近学术的发展趋势和学术关键词。
项目链接：
https://tianchi.aliyun.com/competition/entrance/531866/information
6.贷款违约预测
该数据集以金融风控中的个人信贷为背景，包含贷款申请人的历史借贷和消费数据，可以根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款。
项目链接：https://tianchi.aliyun.com/competition/entrance/531830/introduction?spm=5176.12281949.1003.21.493e2448YYBkn7
7.新闻推荐
该数据来自某新闻APP平台的用户交互数据，包括30万用户，近300万次点击，共36万多篇不同的新闻文章，同时每篇新闻文章有对应的embedding向量表示。通过该数据集预测未来用户是否会点击某个新闻。
项目链接：
https://tianchi.aliyun.com/competition/entrance/531842/information
三.中国大学生/研究生数学建模大赛
除了Kaggle和阿里天池之外，在校的同学们还可以参加大学生或研究生数学建模大赛，这是国内比较高逼格的比赛，参加数学建模比赛不仅能够收获一个项目经历，要是比赛打得好还能获得证书哦，这又是简历上的一个亮点了。
数学建模大赛一般情况下每年6月开始组织报名，每年九月中旬正式开始比赛，三人一组比赛时间三天，参赛选手可以在组委会发布的六道题中任选一道进行作答，最终提交一份完整的报告。
小编在校期间一共参加了两次数学建模大赛，第一次纯属练手，第二次有了一定的经验之后拿
了国家级二等奖，我将题目分享出来，大家可以体会下数学建模的题型和难度。由于部分题目专业性极强，作为外行的我们可能读不太懂，但是我们也可以选择那些稍微简单的题目！
1.无线智能传播模型
2.天文导航中的星图识别
3.视觉情报信息分析
4.车辆行驶工况构建
5.气候变化预测
6.多约束条件下飞行器航迹变化
由于专业背景的限制，小编当年选了第五题，具体的解答过程以及报告之前已经发布在公众号上了，可以参考下面解题思路。
https://mp.weixin.qq.com/s/oR8P3ijX8FTJxQVBPietqQ
https://mp.weixin.qq.com/s/L7ZQgB6KG69zZcTIX8Vjvw
https://mp.weixin.qq.com/s/MNiac8RhkvTIJqczk20qog
无论是Kaggle，亦或是阿里天池，还是数学建模大赛都提供了各类优秀数据集，借助这些数据集练手能够补充我们的项目经历。在完成每一个项目时，体验从数据清洗到数据探索再到数据可视化(建模)最后输出结论形成数据分析报告的整个过程，踏踏实实走好每一步，最终都将有收获。
参考链接
https://mp.weixin.qq.com/s/ZhSapNNTN81uh1YOkl2svQ
https://mp.weixin.qq.com/s/TJXNSTF0OiqmHEnBFYToGQ
求职面试
链接：一份漂亮的简历是数据分析求职面试的敲门砖
写简历是我们求职过程中的第一步，一份漂亮的简历是面试的敲门砖。这一章节主要会介绍数据分析师在求职面试过程中会遇到的简历问题，包括了简历模板的选择，工作及项目经历的措辞，也会包括很多同学经常遇到的没有数据分析相关的经历的问题。学完这一章，大家肯定能够做出一份漂亮的简历。
一份漂亮的简历不仅是版式漂亮，更重要的是简历的内容充实，项目和工作经历描述准确有吸引力。这个章节会主要围绕数据分析是如何打造一份漂亮的简历展开，会包含简历模板的选择、简历应该包含的内容以及语言表达的艺术三个方面展开。
一份优质的模板是成功的第一步
作为数据分析的求职者，我们并不需要花费大量的时间去设计一份特有版式的简历，因为有简历模板的存在，就大大简化了我们的工作量。因此，我们要做的第一步就是找到一份合适的简历模板。
一份优秀的简历模板有以下几个特质：
1.版式、色彩统一，不花里胡哨
2.不是表格的简历
3.排版整齐，没有出现分列显示信息
4.一页纸涵盖简历所有内容
下面我们来看几个具体的例子，具体看下什么样的简历模板才能算得上优质的简历模板。
这样的简历是不受HR喜欢的。原因有二，其一，据不完全统计HR每6s筛选一份简历，简历分列显示的话，每次换行阅读会增加获取信息的时间；其二，如果使用表格的话，信息会分散在各个小的单元格内，也会造成同样的换单元格阅读问题。所以，不要选择这样的简历模板。
而这样的简历是HR喜欢的，版式简洁大方，一目了然。这类型的简历，没有分列显示简历内容，色彩、排版统一并且将简历内容分为不同的模块分点介绍，会给简历阅读者带来赏心悦目的感觉。所以选择这一类的简历模板总是没有错的。
图片来源于https://www.wondercv.com/jianlimoban/qiuzhi/pn1/一份优秀简历应该包含的内容
一份优秀的简历应该包含五方面的内容，分别是基本信息、教育经历、实习或工作经历、其他相关经历以及相关技能。
-基本信息
基本信息包括姓名、电话、邮箱、微信等重要的联系方式，如果方便的话，建议放上个人证件照。除非你是面试国企、党政机关单位，否则的话不建议放性别、年龄、政治面貌等信息，一页纸简历就这么多空间，不要这些信息占用太多的篇幅。
-教育经历
教育经历可以考虑由近到远列举本科以上学历信息，包括学校、专业、在校年份等。如果简历空间还足够的话，可以写上几门和求职相关的具有代表性的课程及成绩；当然，如果你的GPA很高，写在简历上也是很有亮点的。当两个候选人条件和能力不相上下的时候，用人当然会优先考虑GPA高的学霸咯！
-实习、工作经历
实习、工作经历的话也可以考虑由近到远列举，列举工作经历时可以考虑结合各类项目经历一起介绍。实习、工作经历是整份简历的重中之重，因为面试官会着重浏览实习、工作经历，然后挑选其中部分点细节进行提问。所以，写在简历上的内容一定要真实并且是自己熟悉的内容，因为简历就是面试官提问的逻辑大纲，千万不要把自己只是了解过却没有深究过内容放在自己的简历中，这只是为自己挖坑而已，真是血泪的教训，小编当年校招时就犯过这样的错误，一问细节就被问倒了。
建议每一段实习或工作经历挑选出两到三个有代表性的典型项目进行介绍，介绍项目时遵循“目标-行动-结果”的原则阐述整个项目，重点介绍分析方法，同时需要量化项目结果。写完每一个项目之后，可以思考下这个项目的难点是什么，完成这个项目克服了哪些困难，有哪些收获？这些内容虽然并不需要都写在简历上，但是求职面试当中经常会被问到，提前准备准没错。
这时候大家心中肯定会有一些疑问，小编列举了几个
1.我之前的岗位(专业)是XXX，现在想要转行数据分析，但没有相关工作经历和项目经历怎么办？
2.撰写工作经历时，项目介绍部分遵循“目标-行动-结果”的原则太抽象了，能给几个例子嘛？
上面两个问题都会在后面的文章中找到答案。
-其他相关经历
其他相关经历就是非实习和工作经历，但是能够体现求职者数据分析能力的经历。例如，参加了数学建模大赛获得国家级一等奖；参加了Kaggle的XXX比赛获得前3%的排名；或者是运营数据分析相关的公众号等等。这些经历从一定层面上都能成为求职面试的加分项，也是候选人对于数据分析的探索和热爱。
-技能概括
数据分析技能也就是知识体系，包括了各类分析工具的使用、统计学基础、数据思维，如果会机器学习的话，那就是加分项了。
数据分析工具是校招求职面试当中考察的重点，主要包括SQL、Excel、BI工具以及Python基础，系统地学一学每一种工具就是求职面试前的必须课了。
统计学基础包括了概率、数据分布、大数定律以及中心极限定理、因果和相关等等，掌握这些统计学知识在数据分析当中就不会被数据表象所迷惑，可以直戳本质。
随着工作年限的增加，数据思维显得尤为重要，因为这是在行业内摸爬滚打积累下来的经验。良好的数据思维可以帮助分析师们快速定位业务问题，找到解决方案，这也是数据思维为什么经常出现在求职面试中的原因。
数据思维包括了业务知识、费米估计以及其他开放性问题等，这些问题能够考察求职面试者对于业务的理解、对于具体场景下具体问题的分析思路。对于校招的同学来说，尤其需要学习下如何来回答费米问题，例如，估算上海有多少加油站；估算上海每天早上卖掉多少根油条。这里还不懂没关系，费米问题在后续的章节还会具体讲解。
简历上文字表达的艺术
简历上的文字表达也是一门艺术，优秀的语文字表达能够让面试官迅速捕捉到重点，发现你的亮点。简历上的文字如何表达才能受到面试官的青睐呢？请看下面几个要点：
1.使用关键词
众所周知，HR筛选简历的时间是极短的，特别是在网页上筛选简历的时候，都是通过关键词去锁定目标简历，所以在简历中使用关键词是非常重要的。目前，数据分析领域通用的关键词有指标体系、监控体系、用户画像、用户标签、A/B Test、用户分层运营、漏斗分析、结构分析等等。
2.遵循“目标-行动-结果”原则
实习或工作经历中，描述项目时可以考虑使用“目标-行动-结果”的原则。例如，为了提升GMV，我们使用了漏斗分析定位了用户流失环节为XXX，并
且分析了该环节用户流失的原因为XXX，提出了XXX建议给到运营，最终将GMV提升了XXX。
3.量化结果和产出
数据是最有力证明，所以在进行项目介绍时养成用数据说明问题的习惯。
参考链接
https://mp.weixin.qq.com/s/yqEYNSbyESvlaCKblVG04A
给大家准备了简历模板
更多数据分析思维、数据分析实战案例以及数据方法论请移步《数据分析之道——用数据思维指导业务实战》！
数据分析之道：用数据思维指导业务实战(博文视点出品)京东¥78.90去购买
