空白白白白，不接商业广告不做付费咨询，勿扰。公众号：空白女侠 阅读原文 我猜提出这个问题的作者应该是在数据分析岗做了好几年，遇到职业瓶颈了。 而我来回答这个问题太合适了，关注了这个问题一个多月，现在才有时间好好回答下。 很久之前我也做过年薪 50w+ 的数据分析师。现在手下团队也有 30w+/50w+/80w+ 的分析师。 那这些 30w+ 和 50w+ 的分析师到底有什么本质上的差别呢？工作 5 年以上的数据分析师如何进阶到资深 / 专家数据岗呢？如何面试求职于资深 / 专家数据岗呢？ 现在即使是数据行业火热，其实隐藏很大一个问题，普通数据分析选手非常非常非常多，但是真正高阶数据选手还是非常稀少的，很多用人主管总是苦于难招到一位资深&专家数据人才。 我联合我的好朋友 Eva，整理了这篇文章写了一万多字，内容非常详尽，很适合工作 3-5 年以上的数据选手耐心阅读。我相信你们一定会有收获。 — 前⾔ — ⽆论是从⾯试官，还是应聘者的⻆度，我跟⼤家⼀样，都有体会到⼀个新现象——⾏业的变化，也是招聘 者的需求变化。从整体⾏业的数据⼈员素质来看，我们也可以发现这⼏年的⼈员素质⼀直在不断地升⾼，这不仅仅体现在学历升⾼，更是对从业者⼯作经验的有更⾼的要求。 早些年我们在找数据分析岗的时候，要求并没有那么⾼。绝⼤多数情况下，只要符合技能要求再加⼀些 业务 sense 基本是就能找到⼀份不错的数据分析⼯作。那么现在，为什么对数据分析师要求⾮常的⾼呢？ 说到这⾥，机智的⼩伙伴很快会想到⼀个词—— ⾏业内卷。不可否认，有这⽅⾯的原因，如今数据⾏业⽕了，科班⽣也越来越多，早年转型的也稳稳⼊坑了。整体供给多了，⾃然竞争就⽐以往⼤很多。 另外，还有个原因⼤家可能⽐较容易忽略，早些年前很多科技类、互联⽹类公司都在⼀个数据起步的阶段，⽽传统企业还在数字化转型的泥潭中摸索。因此，⼤部分公司数据部⻔都在做数据底层建设，还有⼀些基础设施的搭建，包括数据的获取，清洗，分析，可视化等等。所以，早些年⼊⾏的朋友可能会都有这样的经历，只要数据库知识有⼀些了解，然后会 SQL EXCEL PPT Tableau powerBI 不愁找到⼀份还不错数据⼯作。 然⽽现在，显然不⼀样了。前⼀段时间还有同学跟我说：现在 Python 要学到什么程度呀？各种知识要掌握到什么程度呢？现如今，都说⾏业⻔槛⾼了，那对于我们这样的数据从业者来说，⾃⼰到底是处于什 么样的位置，想要提升，究竟⼜需要掌握哪⼀些技能？需要掌握到什么程度呢？ 以上问题甚⾄困扰着已经⼯作多年的数据分析师。那么，现如今的形式我们究竟需要具备哪些数据技 能？以后去到市场上去⾯试的时候，我们要怎么突出⾃⼰的专业技能？这就是本文分享的核⼼。 ⾸先声明接下来的⾯试的技巧，并不是说如何把没有的经历说成有的，也不是把 80 分的这样的⼀个成绩达到了 100 分，这是不可能的。本⽂的重点是帮助⼤家在有限的时间内将⾃⼰的能⼒在短短的时间内体现出来。 首先我们先来了解下面试流程： 数据岗面试⼀般最简单的⾯试在三四⾯左右。⼀⾯技术，⼆⾯总监，第三⾯就是 hr。 再复杂⼀点⾯试，可能分为 4-5⾯，⼀⾯⾯试你的是⼀些⼀线的员⼯，他会筛选掉⼀些初级的候选⼈，之 后再向上给到主管或者资深的专家⾯试技术，然后就是我们的总监⾯。⽽往往涉及到更⾼级的岗位级别 ⾯试，还会经历 CEO 或者 CTO 的⾯试。当然，还有的公司如阿⾥可能还会经历过更多的⾯试环节。本次分享的内容主要是应对前 2-3⾯，为什么重点强调前 2-3⾯？即⼀线技术⾯试 - 主管 - 总监。因为⼏乎 80%以 上的⾯试者在前 2-3 个环节就被淘汰了，留下来的是不到 20%的候选⼈被推到⾼管和最后 HR⾯试。 分享七部曲： 1. 赢在开场 3 分钟 2. ⾯试官喜欢考到你的⼀些硬核技能 3. 成败在于项⽬ 4. 永远不要忽略你的⼯作价值 5. 你可能遇到的⽐较尖锐的问题 6. 不容忽略的细节 7. 总结和重塑信⼼ 一、赢在开场 3 分钟 开场三分钟重要吗？⾯试多的⼈可能觉得这块并不重要，甚⾄是说，⾯试官拿着简历就可以知道⾃⼰的 ⼀些基础信息，但是实际上告诉⼤家，这块其实是有⼀些技巧可⾔的，那么，短短 3 分钟我们应该讲到什么内容？ 三分钟的内容主要分为这⼏块：个⼈信息、⼯作技能、项⽬经历和综合能⼒。 不同的⼈，对这三分钟的把控，是不⼀样的。我们下⾯来看⼀个例⼦：⽐如说我是简，我是⼀个⾯试者，⼤家看⼀下，3 分钟介绍⾃⼰的时候，这样的⼀个表达⽅式有没有什么问题？ “⾯试官好，我叫简。18 年数学专业硕⼠⽣毕业，毕业后⼀直从事者数据分析，上家公司是中国电 信。在其中主要针对电信⽤⼾的数据进⾏清洗，清洗可视化，并且提供经营分析报表，主要擅⻓的 是⼀个 EXCEL SQL、python 和 tableau。“ 如果你是⾯试官，你会给这样的⼀个这样的⼀个三分钟的⾯试评多少分？ 说实话，这样的⾃我介绍，我给她的这样的⼀个印象分就是 6 分，没有成果，没有项⽬经历，没有亮点， 太平淡了，只是说了绝⼤多数据分析师都会做的事情。 如果换⼀种表达⽅式呢？ ⾸先介绍⾃⼰的学历背景，然后说⼀下⾃⼰的⼯作经验，最关键的是你要提到什么？如何短时间内更有 效传达⾃⼰的意向和意愿？⽐如，简在介绍时可以重点强调：1. 我的数据处理能⼒并且尽可能量化，如 下描绘 PB 级别数据处理能⼒； 2. 系统学习统计学知识；3. ⾃⾝和这个岗位匹配的关键词。 ⼤家注意！简本⾝并⾮统计学专业的，但她强调了"后续利⽤了业余时间系统地学习了统计学知识，并运 ⽤到了⼯作当中"， 这点她是在向⾯试官强调⾃⼰有系统的学习，有扎实的基本功。 最后，简在上⼀家公司做了什么呢？做了⽤⼾价值分群，留存分析和个性化推荐 3 个项⽬。这⾥，要强调 “我”与岗位的⼀个匹配，也为后续的⾯试官可能⾯试到你的问题做⼀个铺垫。如果你这样说了，后续的 问题，⾯试官⼤概率的会在你给的这样的⼀个范围内去考查你。 3 分钟，我们要明⽩⾯试官的意图是什么？ ⾸先，⾯试官在⾯试过程中，由于应试⼈数众多，除⾮你⻓相奇特（奇丑⽆⽐或者美若天仙）或者有突出成绩，否则多数情况很难仅凭简历就对你有如此深刻印象。短短的⼏分钟，很难快速能够 GET 你简历当中的关键点。所以，⾯试官是想跟你进⾏这样的⼀个交流，那么，⾯试官让你⾃我介绍的意图不外乎 以下⼏点： 1. 你的简历和⾯试那个是不是有明显的出路？ 2. 他要看⼀下你这三分钟你的控场能⼒怎么样？你的表现，你的沟通⼒怎么样？ 3. 你的技术和你的岗位匹配度是怎样的？ 4. 后续他应该怎么样问你？ 这就是⾯试官希望在这三分钟⾥⾯得到的信息。 ⽽对于你来说，你应该在这 3 分钟表现出来什么呢？⾸先，⾃信，不能说，我叫 ***，后⾯声⾳就越来越小了，这个就是不⾃信的表现。所以⼤家在这个时候，尤其是对于⼀些⽐较内敛的⼈，三分钟的开场，要⾃⼰好好锻炼⼀下⾃信。第⼆就是⾔简意赅，⼀定要这个重点突出你的技能，以及你跟这个岗位的匹配度.，包括重点的项⽬和业绩。最后，就是引导⾯试官后续的发问。刚才的例⼦其实就是朝着对你有利的⽅向去尽量给⾯试官进⾏了⼀个引导或者说铺垫。 三分钟相当重要，它就是⾯试官对你的第⼀印象。就像是我们相亲⼀样，第⼀印象是相当重要的。包括 ⻅未来的岳⽗、岳⺟⼤⼈对吧？那么我们是不是要好好准备⼀下呢？ 二、⾯试官喜欢考到你的⼀些硬核技能 ⾸先，对于⼀个⼊⾏级别的数据⼈员来说，通常在⾯试当中，分为基础的技能⾯试以及业务知识⾯试， 这个⽐例约 4：6 。随着经验提升，也就是你所⾯岗位的 LEVEL 提⾼，对业务知识的掌握度这块⽐例是越来越⼤的，甚⾄到后期技能：业务=2：8，也就是业务知识占据绝对优势。 我们先说⼀下基础技能部分。基础技能部分需要怎么样的⽔平以及⾯试官在考察的时候⼤致把你定位在 ⼀个什么⽔平。对于数据⾏业从业⼈员来说，经常考的技能⼜是有什么？ Excel、 Sql、Python R finebi tableau 可视化⼯具，还有统计学的原理以及机器学习⽅法，当然这个不是必备项，⽽是加分项，对于绝⼤多数分析岗非挖掘岗来说，机器学习⽅法是加分项。 那么我们具体看⼀下基础的评分 -- 6 分（如下图），需要掌握的 EXCEL 能⼒，基础的⼀些常⻅函数作 图的能⼒。到了 7 分，那么就是对透视表与 VLOOKUP 等⼀些⾼级函数的掌握。8 分以上.，就需要懂得⼀ 些 vba 的编程代码，能够处理数据并进⾏⾃动化报表展⽰，当然如果你会用 python 也可以替代 vba。 再就是 SQL 考题，简单的 SQL 查询语句会考的，还有两层嵌套（⾄少是两层的嵌套），或者是表的关联，另外就是开窗函数也是⼀个经常考到的。到 8 分的⽔平，那就是要有⼀些熟练度了，包括项⽬经历， 以及你处理的数据量级，包括，思考怎么样去提升这个 SQL 的效率，包括你的数据库底层设计以及数据 倾斜问题怎么解决。9-10 分的⽔平，那就是要考到⼀些项⽬的经历。 对于 Python, 可能还有同学看到其他的⼀些诸如爬⾍之类的经验，但是对于⼤部分同学，python 这类编程能⼒达到 7 分左右就是⼀个差不多的⽔平了。也就是对于⼤多数的数据分析师，包括其他的岗位，数 据运营也好，产品也好，产品运营也好，python⽬前都是⼀个加分项，并不⼀定要掌握，但是，对于资深数据岗的来说，python 已经不再是⼀个加分项，甚⾄作为候选⼈的必备项。 那么，下⾯就是 tableau 和 Finebi/poweBI 可视化分析，基本上我们要掌握到什么呢？ 我们⽤他们能够完成⽇、周、⽉报的更新并实现⾃动化。 如何达到 8 分⽔平，建议⼤家去⼀些数据社区⾥⾯去参赛，积累⼀些社区荣誉。另外，最关键的还是你的项⽬经验、业务经验。 什么叫做项⽬经验呢？你能够⽤tableau 进⾏⼀些基础的数据分析以及做⼀些数据洞察，提供可⾏性的⼀些建议，这个就是 8 分的⼀个 baseline。再⾼级⼀些的，可能你要给⽼板做⼀些报表看，另外就是能够给这个项⽬带来⼀些价值，如我这个做完这个洞察以后，我真的是能够提升最后的 KPI（GMV、 复购等）。 统计学原理，⼤家可以看⼀下这个 7 分的⽔平⼤概是什么样⼦。最基本的，应该掌握⼀些常⻅的统计 量与应⽤场景。究竟什么是常⻅统计量呢？其实，就是我们常⻅的⽅差，标准差，中位数，众数，峰 度，样本偏度，随机抽样...等等。另外，还要掌握如何处理缺失值，还有什么呢？卡⽅分布，T 检验 /Z 检 验 /F 检验，置信区间，I 类错误 /II 类错误等。 上述，统计学的原理可以跟我们的 ab 测联系起来，尤其是当你说到这个项⽬经历的时候，可以说到这个 统计学的原理。⽽8 分的⽔平就是掌握统计学的⼀些基本的模型，⽐如说我们的多元线性回归。9-10 分还 是要结合项⽬经验，真正是落实到实际应⽤当中的⽅法才是卓越的⽅法。 最后就是机器学习⽅法，7 分的⽔平，⼤概就掌握到懂得如何应⽤聚类和分类算法，包括我们的 kmeans 和 SVM。8 分的⽔平就是要了解⼀些⽐较有深度⼀些的算法，深度学习，还有⼀些包括个性化推荐这类。至少⼤家可以掌握基本原理。然后知道如何⽤在这个实际的⼯作当中。 数据分析师 1-3 年是怎么样的⼀个⽔平呢？ 我在下面图片种列了三份 JD，分别是今⽇头条，饿了么和⼩红书，⼤致的总年薪在 30 万左右。 再看⼀下职位要求⼤概是怎样的：研究⽣以上学历，计算机、统计、数学等相关专业优先；精通 SQL， 或者⾄少⼀种脚本语⾔；熟练使⽤常⻅的数据分析⼯具。 第⼀份 JD 要求：埋点⽇志分析，数据仓库建模，数据可视化以及数据分析建模，这份今⽇头条的， 第⼆份 JD 要求：其实跟第⼀份 JD 差不多，只不过是在熟练度上⾯有所增加。具体是熟练掌握 SQL，并且应⽤；Tableau、PPT 报告等； 第三份 JD 要求：需要熟练掌握 SQL，能够⾼效的和 bi、产品、技术、 算法去进⾏⼀些协同的⼯作。 上述除了红线的部分的基础技能，⼤家发现我们画了⼀些绿⾊的线条，划线部分就是我们需要掌握的业 务经验，包括：⽇常数据可视化,对数据的解读，运营建议，商业逻辑和洞察，商业分析，这个就是跟刚 才我们看到的 JD 不⼀样的地⽅。 到了这⾥，我建议⼤家可以根据⾃⼰的需要选择技术发展⽅向： excel+sql Excel 可以达到⼀个 9 分的⽔平，sql 是⼀个基本技能，达到 8 分左右，再则就是 7 分统计学原理。 tableau+sql 这类选型的⼩伙伴，可以⽤sql 进⾏⼀些数据清洗，tableau 可以做数据洞察以及可视化。 Python+sql 如果⼤家的编程基础⾮常好，建议⼤家使⽤python+sql。为什么这么说呢？因为，越往后市场只会对这项技能掌握程度的要求会越来越⾼，⽽且选择 Python 之后往机器学习、深度学习发展也是相当不 错的。 另外，⼤家还会发现这⾥每⼀个选项当中，都加了统计学原理，那么，统计学原理⾄少你要掌握到什么 程度呢？我做过⼀些归因分析，做过⼀些异常监控。⽽对应的，统计学的掌握程度是什么呢？了解逻辑 回归、归因分析、时间序列模型⼀些基础的模型。 当你成为⼀个资深的专家的时候，你需要掌握什么样的硬性的以及软性的技能？ ⼤家可以看⼀下下图的⼏份 JD：⼀个是坤宏捏合，另外⼀个是⽹易，还有⼀个是 Mobtech。这三个公司薪资，⼤家可以了解⼀下，⼤致都在 50 万左右，尤其是中间⽹易上百万左右。 可以看⼀下 JD 有什么不⼀样，在第⼀份 JD 上⾯： 它的要求是什么呢？统计学数学，计算机背景。⼤家看到这个会不会慌了？因为有⼀些小伙伴不是这样科班出⾝的，没有关系，统计学理论知识的缺乏，通过后天的学习也是可以弥补跟上的。 第⼆项要求数据分析技术以及 sql、python 等⼯具的掌握。再看⼀ 下，第五项要求是统计学建模和机器学习算法，⼤家发现没有第⼀个和第三个最低都有这块的要求：机器学习算法。那么其实也应合了我前面所说的数据分析⾏业，对资深 / 专家分析师来说，掌握⼀些机器学习的算法已经成为了⼀个必备项，已经不是加分项了，⽽是⼀个必备项。除了这个硬性的技能以外，其实对资深分析师来说，是⾮常需要⼀些⾏业的经验的沉淀，那怎么体现呢？就体现在你做的项目当中。 重点再说⼀下⽹易的这个 JD，⼤家可以看到，基本上通篇都没有提到硬性技能，但其实硬性技能涵盖在岗位描述中：⽹易集团数据资产、全域⽤⼾画像的梳理，另外还需要致⼒于业务精准拉新促活，并周期性给运营策略提供⽀持，策划用户画像，跨域用户行为特征。这些要求的意思需要你有⽤数据去推动业 务落地.，⽽这恰恰对我们数据分析师最⼤挑战。 四、成败决定于项目 项⽬介绍实际上是⼀个展⽰⾃⼰的绝佳机会，既然如此，⾯试官喜欢怎样的⼈呢？我们 应该展⽰哪⼀些⽅⾯呢？ 第一、我们展⽰的内容要突出我们个⼈和该应聘岗位的匹配度。尤其是岗位匹配度⾼，且有过⼏个⾮常成功的案例的简历，往往会受到⾯试官的重视。 第⼆、业务 Sense。很多⼈都会败在这个业务 Sense 上，最后以业务 Sense 不够为由拒绝⾯试者的情况真的不在少数。可能⼤家会疑问，业务 Sense 是什么呢？这点其实也在说你的⼀个⼯作经验或者⾏业敬业，仍旧停留在初级阶段，没有紧跟业务，⽐如，假设应聘岗位跟产品这块打交道⽐较多的话，那你可能就是不太懂产品，所以业务 Sense 可能是缺乏⼀些和数据有关的产品、运营⽅⾯经验。此外，例如商业分析师这个岗位，做商业数据分析的定位⼜是什么呢？是对商业的嗅觉，市场洞察⼒，用户洞察⼒， 这些这⼀系列说到就是业务 sense。 怎么体现你的业务 sense？在项⽬当中可以体现，你具体做什么事情。例如，用户端，我做过⽤⼾ 运营，那我是不是与用户端⾮常地紧密？我是不是跟产品结合⾮常紧密？是不是跟运营结合⾮常紧密？ 我如何去推动了产品优化，推动了我的项⽬运营，以及取得了哪些成绩？思考问题的⽅式⽅ 法...... 第三，就是全局思维。这个也很重要。特别是在应聘这个 senior 岗位的时候，你要体现⼀下你的全局 思维，你需要从公司的⻆度出发，从⾏业的⻆度出发去考虑问题。 第四点，问题拆解的思维，怎么样拆解⼀个问题？把⼤的问题变成⼩的问题，把⼤的 KPI 变成⼩的 KPI， 以及怎样去解决问题。这⽅⾯思维，在⼩数点特训营分析思维的课程中也给⼤家提到⼀些常⻅的指标拆解维度和⼀些具体场景，拆解问题的⽅法。 最后，就是我们的闭环思维，从⼀个问题的抛出到解决，再到我们进⾏复盘、优化。 补充第一点提到的匹配度，什么是⾼匹配度？因为匹配度⾼的岗位，拿下 offer 概率更⾼。⽐如，精细化运营⽅向的数据分析岗，那么，跟精细化化运营⽅向相关的经验是什么呢？是渠道分析，⼤ 型促销活动，用户价值分层以及流失⽤⼾召回。再看⼀个例⼦，产品⽅向的数据分析相关经验是什么 呢？埋点整理分析；为提⾼⾸⻚信息流推荐的效果，分析⽤⼾的⾏为和偏好，并且有⼀些专题分析报告 输出以及配合产品进⾏AB 测试，这些都是可以列在你的项⽬当中并在⾯试中着重强调的。 1、什么是才是成功的项目 项⽬⼀定要去量化，包括曝光提⾼，拉新成本降低，ROI 增加，这都算是项⽬的成功体现。另外，还有⼈说我做的项⽬没有运营或产品结合这么紧密，如此的话，可以怎么说呢？建议可以从整体上说，我帮助提⾼了团队效率，我带给⼤家⽤什么降低了⼈⼯成本等，也是尽量量化，做到有理有据。而不是简单的概括为⼤⼤降低、很⼤程度上、提出宝贵建议、决策⽀持、数据⽀持（⽆论简历还是⾯试，千万别这么做），会让⾯试官觉得你的描述很虚，猜测你的⼯作很没有含⾦量。 2、如何介绍项目 ⾸先，介绍项⽬的背景 / 大小，涉及的⼈员，这其实就是体现了项⽬的⼀个⼤⼩与经营规 模，你在这个项⽬当中是什么样的位置，在这个项⽬当中使⽤了什么技能，最关键的是项⽬中遇到了什 么问题，你是怎么样解决的？以及你在这个项⽬中得到了什么？这⾥最最关键的还是成绩单，即你带来 什么样的⼀个突破，取得什么样的成绩。假如，确实没有这样的项⽬突破怎么办？或者说这个项⽬原本 就没有落地，那也可以说说你在项⽬中的思考等，但最好这样的项⽬不要出现在你们的讨论中。 ⼀般来说项⽬，建议⼤家可以采⽤两种⽅式： 第⼀种是⼀般陈述型。这类型其实适⽤于技术含量⽐ 较⾼的项⽬。可以从以下⼏点出发：第⼀点，要先说⼀下，项⽬出发点，你解决 了什么问题；第⼆，也是较为关键之处，你在这⾥⾯做了什么，⽤的什么⽅法，结果⼜怎么样？最后， 你还是需要突出⼀下你在这个项⽬中并不是⼀帆⻛顺的，你遇到了哪些问题？采⽤什么⼿段去解决了这 些问题，这也是⾮常关键的⼀点。此外，在叙述项⽬的过程中，⼤家表述的时候尽量的⾃然⼀些。 第⼆种就是可以⽤故事的⽅式去介绍你的项⽬。以讲故事的介绍项⽬经历的⽅式适合什么样的场景呢？⽐较适合⽤你的软性能⼒去推动项⽬的岗位⾯试当中。 这时候有的⼈可能会疑问，我的项⽬经历特别少，怎么办？我的项⽬跟这个岗位没有关系，怎么办？这 样的疑问，也没有什么普适的解决⽅法，尽可能地去思考怎样能贴近岗位描述，贴近⾯试官关⼼的 Key Point。 另外，部分小伙伴感觉⾃⼰经历的项⽬特别⼩，没参加过什么⼤型项⽬。这其实就是定位问题，可能是应届⽣或职场经验只有不到 1 年的从业者，尤其应届⽣，其实对项⽬规模要求没有太过苛刻，你也可以 说⼀说你在学校跟数据相关的项⽬， 如果你已经在数据岗工作 5 年以上，还没有拿得出手的项目经历，你思考的不是怎么求职资深 / 专家分析岗，而是保住你作为数据分析师长久的饭碗了。 四、永远不要忽略你⼯作中的价值 可能你现在还只是一线的数据分析师，日常工作内容都很普通，也千万不要忽略你⼯作中的价值。⼤家需要⾸先确⽴⾃⼰的⼤致层级，然后定位⾃⼰，找到⼀个合适⾃⼰的岗位。然后对症下药， 破解技巧就是：尽可能想⼀下⾃⼰在⼯作中的价值。 ⾸先，你在⼯作中完成⼯作的能力和效率以及有没有特别的⼀个项⽬可以突出你对能⼒和效率？ 第⼆，在⼯作当中，有没有进⾏更加深⼊ 的思考？可以说说你对某些未完成或者结果不尽如意的项⽬的个⼈思考，这些内容有的时候在某些场景 下（⽐如，刚好应聘岗位也在做同⼀件事情）也是可以在跟⾯试官沟通中去体现出来的。 第三，在某⼀ 些事情上，你是不是有惊⼈的熟练度？有小伙伴跟我说他做了成百上千张的报表，其他⽅⾯也没有⼀些独特 ⾼效的技能？在这种情况下，你可能做报表的时间只需要⼀天，其他⼈的时间可能要⼀周，那这也是你 的⼀个特⻓。 第四，有没有主动尝试解决⼀件事情并且取得了不错的效果。最后，你有没有在你的⼯作的岗位中主动给其他⼈培训与知识分享经历，这个其实也是⼤家的⼀个加分项。 铭记，千万不要忽略你的⼯作价值。之前有的同学跟我交流的时候（这些同学希望我帮他看看简历存在的问题），我就发现在撰写简历的时候，把所有的他做过的事情都放⼀个解决⽅案四个字上，⽽通过深挖"解决⽅案"四个字，发现他其实其实真的做了⾮常多的事情，他做过之前说过的用户分层，异常监控。但让他写在简历上，他就⽤了四个字：解决⽅案。就此可以说明他可能不太了解数据⾏业，他需要 有⼀个什么样技能。另外，这个候选⼈可能不太擅⻓发现⾃⼰的优势。 所以，⿎励⼤家还是要尽量去想⼀想⾃⼰⾝上究竟有哪些优点，去挖掘它。 五、你可能遇到⽐较尖锐的问题 在面试过程中，有的⾯试官可能会问： 你⽤了 A⽅法为什么不尝试 B⽅案，这个时候你要想到你怎么样去回答？ 是不是你已经尝试过但是最终没有采⽤？ 你觉得在项⽬中，除了沟通协调，你的主要价值在于什么？ 这样的问题其实对于很多数据分析师来说，除了少数沟通，很多时候⼤家都找不到⾃⼰的价值点，这⼀个问题希望⼤家也需要想⼀想。 我认为你在这个项⽬中就是取数，可以这么理解吗？假设⾯试官这样问你，你该怎么回答？ 还有⼀些就是对职业⽣涯的⼀些思考⽅⾯的问题。 你为什么转型，是因为数据分析是⽐较⽕吗？是因为数据分析师能挣钱吗？ 当然是，⼜或不完全是。我们要表现积极的⼀⾯，表现出我们⾃⼰也是对数据分析这个领域的热爱。 相⽐于其他应聘者，你的优势在哪？ 其实当⾯试官问到这个问题的时候，⼤家其实应该要庆幸。 为什么这么说呢？因为⾯试官在给你的留下 留机会，就是你可能处在⼀个要你也⾏，不要你也⾏的位置，那这时候你怎么办呢？你怎么样扭转形势呢？这个也是⼤家要好好想⼀想的问题。 你觉得技术重要还是业务重要，你更看重哪⼀块？ 随着我们对这个经验的要求越来越⾼，其实很多这个公司都会⽐较注重这个问题。⼀般来说，数据分析师就是在取数，很少关⼼业务做了什么。在⾯试的时候，从⾯试官的⻆度来说，他其实是希望知道你能做什么？你是不是在能⽤数据说话，是不是致⼒于⽤数据推动业务前⾏？如何和业务部⻔沟通，怎么让业务部⻔⽀持你的想？ 法其实是跟第三点有异曲同⼯之处。 30 岁了，遇到中年危机，你怎么看待？ ⼯作态度这⾥可能会被问到怎样的问题呢？ 怎样看待⼯作加班？ 尤其是现在的互联⽹，互联⽹经常会遇到这样的问题啊。 你是如何和上司相处的啊？ 这个问题，通常在⼤家辞职的时候问到的会⾮常多，尤其是裸辞的时候。 你是如何看待公司⽂化和价值观，这个只要不答差，⼀般没有什么问题。 最后就是⼼理篇，⽐如说，⽣活中你有哪些不愉快的事情？你是怎样处理的？你在这个同事⼼⽬中的地位是怎样的呢？你觉得⼤家是怎么看待你的呢？这些问题其实只要⼤家稍微想⼀下，往积极的⽅⾯想就没有什么太⼤的问题，关键的还是我们的⼯作思考和职业思考。 下图帮助大家整理，各位可以保存，然后把这里面的问题自己写出答案，不断打磨答案，反复训练自己表达，做到面试遇到时，对答如流 六、不容忽略的细节 第一点，我们的⾯试礼仪 包括我们的着装，⾔⾏举⽌以及⾃信是非常重要的，大家不要忽略了这一点。经常会听到⼀些⾯试官会说：这个⼈不⾏，因为 Ta 的沟通能⼒从 xx 地⽅体现出来有所⽋缺。因此，在⾯试中，你是不是⾜够⾃信，你能否 get 到⾯试官的意图？都是需要去注意的。 举个几个例子： 抢答，在⾯试的时候其实是⾮常忌讳抢答的，尤其是⼈家没说完你就抢答，这是⼀个⾮常不礼貌的⾏为。 拐弯抹⻆，如果过分拐弯抹⻆，会被定义为沟通能力不行，连⾯试官想问的问题都 get 不到，那么⼤概率就会失败了。所以我们最好单⼑直⼊，直奔主题。 ⼤量使用专业术语，除⾮是⾯试同⾏业，且提到的⾏业 常识或专业名词（你的常识不等于别⼈的常识）。 因为小细节被刷掉的例⼦屡见不鲜。 亲⾝经历过的例⼦，有⼀位⾯试者，他在参加⾯试的时候，其他的都符合要求，包括他 的⾔⾏、成绩、表现都是优秀的，但是他有⼀个⼩动作。隔⼏分钟，就看⼀下⼿机。然后⾯试官其实也挺好奇地去看了⼀下他在⼲什么。结果发现他对着屏幕照镜⼦，其实这样的⼀个⾏为是⾮常不好的。 另外，还有⼀个例⼦，是⾝边经历过的事情，有⼀位资深⾯试者已经基本决定被录⽤了，但是由于在⾯试过程中⼀直抖腿，就被刷掉了。以上绝⾮杜撰出来的案例。 第⼆点、可以在恰当的时候提出⼀些疑问 在面试官讲一些有深度的话时，适当的表⽰赞同，但是千万不要频繁地点头，适当地表示赞同是最好的。那么怎么去提问呢？⾸先在你没有⼀下⼦get 到⾯试官的提问的时候，你可以适当的去 问⼀下：是不是可以这样理解，刚才没有听清楚你表达的意思，能否重复⼀下问题呢？这样的提问都是 没有关系的，⽽且⾯试官都是能够理解的，并且他可能还会更详细的复述他的问题，你也有更多时间思考。 第三点，⾯试的过程中还可以问哪些问题 ⼤家应该都经历过：在最后，你陈述完后，⾯试官会问你对 公司或者是其他⽅⾯还有什么问题吗？这个时候其实⼤家就可以抓住这个机会去问。问什么呢？可以问 ⼀下公司内部的⼀些架构，如，数据底层建设已经达到了什么样的程度，平台建设是什么样的？这样通过提问的⽅式，既可以加强你和⾯试官的沟通，⼜可以给她留下⼀些印象，通过这样的提问，你也可以更好地了解你所应聘的这家公司⽬前到底是出于怎样的状态。此外，还可以询问今后⼊职了以后，你能 做什么？岗位需要你做什么？这些问题都是很好的。 七、总结和重塑信⼼ 面试结束后一定要进⾏⾯试复盘。个⼈认为这个环节是⾮常重要的。复盘总结的内容包括在⾯试后，需要了解到我们期望的岗位跟⾃⼰的⼀个差距。是技能上的差距，还是业务知识上的差距。如果是技能上的差距，哪些是可以通过努⼒去快速加强的？如果是业务知识，那么期望岗位的⾯试经历，实则时给我们的 职业⽣涯再次定位。 另外，在⾯试当中。还有哪⼀些做得不⾜或者是哪⼀些技能是在⾯试时候没有想起来。这些都是我们在在⾯试之后去复盘，去思考总结的经验。技能缺失就去补⾜技能，往往技能的缺失可以通过快速查阅资料快速补⻬。 ⾯试还需要调整⼼态，对于部分经历过很多的失败的⾯试者，或者正在经历很⻓时间的求职期的伙伴们，这个时候调整⼼态是⾮常重要的。 在这⾥就简单说⼏个点：⾸先，不要轻易地否定⾃⼰。因为可能有的⼈会说：“唉，我以前不是这个⾏业 的......”。但是你的学习能⼒很好呀，在短时间之内，就能掌握数据分析的⼀些技能。另外，就是我们不 能成为⼀个全能的选⼿。因此，我们不可能把所有的⾯试都⼀次性通过，这是不可能的，所以说在⾯对失败的这个过程当中，我们⼀定要好好的去衡量⼀下⾃⼰，到底这次⾯试是在挑战⾃⼰还是说我期待但有明显实⼒差距的岗位没有拿到。总的来说，就是我们需要找准⾃⼰的定位。第四点就是，我们要将跳槽当成职业⽣涯涯的⼀个重新定位。 最后的最后，有时候我们需要⼀丢丢阿 Q 精神：不要我是你企业的损失。 阅读原文
