作为一名在数据行业摸爬滚打了十余年的老人，我面试过很多人，也参加过一些面试。所以在数据分析求职这块，我还算是有些经验，了解业内的用人需求情况。不过之前只零零散散地回答过一些相关的问题，这次赶上金九银十的招聘季，我就系统地整理了一套数据分析求职指南。
下面我会从以上三个方面来聊聊在求职数据分析岗位时应如何准备，以及数分面试时的常见套路，希望能给大家一些帮助。如果觉得老李这篇文章对你有帮助，别忘了点个赞。
数据岗位的简历怎么写?
数据岗的简历主要分为以下几个模块
1、基本信息
挑重点信息写，用正式的照片，花点钱去拍个最美证件照不亏，千万别整个自拍就往简历上放;
学历方面，一定要实打实地写，可以把最高学历放第一位，但别刻意隐藏弱势学历。我见过有些专升本、或者硕士学历的候选人可能觉得自己第一学历没有优势，就没写，这样一不诚实，二给人不自信的印象。这种情况就算面试过了，HR在发offer环节或者入职审核环节都会严格审查，发现之后很可能就会淘汰。
2、技能
作为数据分析师，大家多少都会一些工具，但每个公司重点要求的分析工具和能力不一样，比如很多国企喜欢用FineBI，外企则喜欢用Tableau，再比如业务方向的分析师会SQL、BI、基础的Python就可以，但技术方向的得会机器学习模型，所以在写技能时，一定要根据你投递的公司岗位要求来写，岗位要求里提到的往前放。
这里多说一句，除非水平确实强，有证书，否则不要随便在简历里写“精通”二字，不知道其他面试官会不会这样，反正我看到精通二字的时候，就喜欢重点考察，在我看来，大部分面试者给我的回答反馈，达不到我认为的精通水平。推荐按照水平写掌握、熟悉、了解会比较安全。
3、工作经验
岗位对口的：
数据岗位的细分方向很多，工作经验首先要往你投递岗位的要求上去靠，需要体现出自己所做的职责范围、工作内容以及在职期间取得的工作成果，尽量使用总结性的语言，重要和细节的项目内容，可以放到项目经验里进行重点描述。
建议使用STAR法则进行描述，情境(situation)、任务(task)、行动(action)、结果(result)，划重点：工作成果能量化就量化!
岗位不对口的：
尽量挖掘你之前的岗位中利用数据、分析数据的内容，或者能够体现你分析思维和逻辑思维的内容。
比如运营转数分，可以重点强调一下你从事运营岗位时，怎么通过分析、通过了哪些分析手段最后促成了运营目标的达成。
这里也分享一下大厂数据分析师赵小洛曾经总结过的一份正反面示范，写得很不错，给大家进行参考：
错误示范：x
负责分析指标异常的原因，多维度拆解，并反馈给业务方;
写了xx个底层hive表，搭建了xx个数据可视化看版;
分析xx数据，得出xx策略;
正确示范：√
核心指标异动分析：(行动)对每日核心数据进行监测分析，在平日核心数据的异常波动的专项分析中提炼出可沉淀的(效率提升)固化分析框架，搭建智能数据监控体系，(结果)大幅降低了异常问题定位的时间成本，及时了解指标异动原因，并反馈推动，提升信息获取效率;
专项策略输出：(目标)以用户拉新和促活为目标，深度参与业务策略设计。(分析方法)基于多元线性回归、用户行为漏斗分析、决策树等建模分析方法，拆分量化用户各行为价值，挖掘促进用户价值的关键行为，寻找业务提升潜力。(结果)并输出业务洞察，协同产品、运营和技术团队设计业务策略并推动落地，达成了xx;
4、项目经历
简历中放2-3个重点项目经历为佳，尽可能是你主导或者主要参与的，时间跨度长、涉及人员部门多、能够充分体现你各项能力的项目，比如常见的有指标体系搭建项目、xx专题分析项目，写项目经历的时候要注意以下4点：
项目描述不是说废话，而是用简短的几句话证明你有某方面的能力。依旧可以遵循上方的STAR原则，比如通过XXX方法、解决了XXX问题，获得了XXX样的效果;或者为了xx目标，通过分析xx，搭建了xx，优化提升了某指标的xx% 适当的给面试你的人挖坑。简历的核心作用是“争取到面试机会”，不要把自己的底牌都放在简历里，适当的挖坑，引导面试官问你擅长的问题。重点展示项目的成果数据，但是具体是如何做的，等到面试时再详细说。 如果有能够脱敏对外的项目成果，最好能放到简历里。比如你做过分析报告、可视化看板，可以脱敏整理成链接放到简历中，搞数据的一看是蓝色还有下划线，就默认知道是超链接，证明你确实做了，而不是糊弄他。 不要去抄袭别人的项目或者编项目!我们面试官问点细节的内容就有可能露馅，当然如果你真能糊弄过去，也是你的本事。
3个注意的点：
以上模块，除了基本信息，其他都可以调换顺序，机灵点，把自己最有优势的地方放在最显眼的地方，优点和工作产出，该加粗就加粗; 数据岗的简历和其他岗位简历结构差不多，直接套用网上的模板进行编辑即可，我本人喜欢简洁的的简历，能清楚看到各个模块的内容; 作为数据从业者，写简历一定要严谨，我在看简历时，如果看到错别字，这位候选人我直接不予考虑; 数据分析的面试会问哪些问题?
在数据分析师岗位的面试中，面试的问题一般来说可以分为五个方面：常规面试问题、分析工具问题、分析思维问题、学习能力问题和案例验证问题。
1、常规面试问题
一般就是针对简历上的信息问一问，个人的基本情况，对岗位的认知，项目经历陈述等等。在回答项目经历相关的问题时，一定要回答到点子上，很多应聘者的简历中写了各种各样的项目经历，但面试官一问，发现说的东西和数据分析相关的内容很少，基本是在数据统计、数据整理、数据表格的输出这样一个阶段。
以前有个应聘者在项目经历里写了这样一句话：“负责项目整个过程的数据分析并定期输出分析报告”，当时我就根据这句问他“你能详细阐述下你的分析报告中包括哪些内容吗，你的报告有脱敏版本可以给我看的吗?”结果发现他所谓的分析报告，其实就是基本的数据统计和数据堆积，连发现问题和导致原因都没有达到。
从面试官的角度，我问这个问题首先是想看看他的这个“分析报告”属于哪个层次，真实性有多少，其次也是想给他一个展示能力的机会。所以，面试当中有成果的展示是最具说服力的。
2、分析工具问题
面试数据分析岗位，工具的考察肯定是少不了的，以Excel为例，如果你重点写了Excel，那面试官就可能会问“常用的函数”、你用过最复杂的函数嵌套解决什么问题”、切片器、超级透视表等等问题，几个问题下来，基本就能知道你的Excel能力在哪个水平。
并且也不排除现场让你操作工具的情况，有次我隔壁部门招一位BI分析师，需要熟练使用FineBI，正式面试前就进行了一场笔试，现场给了一份数据，让候选人在一个小时内基于这份数据用FineBI做一份数据看板。最后面试时会根据你做的东西考察你的工具操作、数据处理、分析思路等能力。
3、分析思维问题
分析思维考察，同样是数据分析师的必备，也是薪水差异最主要的地方。思维考察，一般会贯穿整个面试过程，通过应聘者回答问题的思维条理性、完整性、清晰性等考察，当然也会抛出1-2个案例来，看看应聘者的应试能力。
比如指标异动问题：“x产品的x项指标下降了x%，你会怎么分析?”，或者一些常见的分析需求场景”某业务部门在上周结束了为期一周的大促，你会怎么进行评估?”
之前我们的数据分析群里也会不定期组织大家进行这类的讨论，分享一些之前讨论的内容：
某电商APP上个月的交易总额下降了20%，该怎么分析?来看优秀回答
如何高质量分析一场促销活动的效果?
4、学习能力
这是是不论面试什么岗位都要具备的，一般面试官会问问应聘者在平时的工作过程中进行了哪些自我充电，主要考察的应聘者是不是擅长学习以及学习什么方面的知识。
5、案例验证问题
除了上面的系列问题之外，部分企业还会有一个案例考察的环节。
对初级数据分析师，一般考察的是excel工具知识，包括函数、透视表、图表、基础的数据分析解读等，主要考察应聘者的抗压能力、数据敏感度、是否仔细等。
对有经验的数据分析师，一般考察重点会放在分析思维方面，会给一些实际的案例题，比如评估一个某个产品的市场规模，演练一下一个项目的看能不能达到盈利，你的切入框架是什么样子的?
如果应聘者没有策略性偏向或者熟练的分析思维，一般都达不到希望的要求。这个环节综合考察应聘者的工具应用能力、分析思维能力、图表制作能力、问题挖掘能力、可行性方案能力
作为面试官，我最关注什么? 1、硬技能 岗位介绍上我写明需要掌握的技能，候选人必须要能熟练使用，虽然“我不太会，但我可以学”这种话听起来确实很真诚，但是竞争是激烈的，我希望求职者进到公司后能快速进入到工作状态，除非候选人有特别打动我的地方，能让我愿意花时间去培养。 此外，统计学也是我特别看重的一个技能，我一直认为统计学是数据分析的基础，假设检验、回归分析等要了解，我面试也喜欢问点相关问题。 除了分析工具，PPT做的好在我这里也非常加分 2、软实力
软实力方面我重点会看以下几点。
经验对口
这是我第一考虑的。比如我的岗位要求里有搭建指标体系这一项，那么有过指标体系搭建经验的候选人一定更有优势;
业务思维
这里看中的是行业和业务理解。我老东家是干零售的，所以我当时在招聘分析师时会希望候选人有零售行业的工作经验，起码你要熟悉零售行业“人货场”这套流程体系。
逻辑分析思维
当扔完一个问题后，我会重点关注候选人的反应，我更青睐接受完问题会思考30秒-1分钟，在纸上简单列好回答框架的人，这种候选人给出来的回答，通常不会太差;
沟通能力
这是数据分析师的重要能力之一，毕竟经常要跟业务人员沟通需求，所以沟通时自信大方、能合理坚持自己观点，在我看来是很加分的行为。
以上，就是我这么些年的经验总结，希望能够帮到各位。
