前言

      2019年毕业大军达到900万人，校招，春招是国内，国外，应届生的战场，随着就业形势一年比一年严峻， 越来越多的岗位对应聘者提出了多元化需求，其中被众多求职者诟病的即是“数据分析岗位”，在如今在大数据时代，凡是和数据沾一点边的人都想应聘这个岗位，它不下雨算法，机器学习岗位的聪明的大脑，但也是分析岗位，这也造成了这个岗位在不同公司需求也不同，并且随着算法的普及，机器学习也成为了数据分析岗位的求职点。 

       言归正传，本科双非，硕士中等985，生化环材专业，有点工程方向，但是学什么都是根据导师的项目走，没有明确的技术路线，近些年医疗大数据火的不行，使用过几个机器学习算法处理过一些电子病案，项目水的不行，其他时间全在申报项目，吐血。硕士期间没有实习，只有本科一段数据分析实习，还是做Excel数据分析，研究生主要是有一个医疗数据挖掘项目， 和很多人比，真的是简历都拿不出手。

       当时想的是最起码做过数据挖掘，也是大言不惭，想着找数据挖掘，算法工程师，春招试水的时候有幸拿到某小厂的信号处理offer，可惜不让实习，那段时间天天在牛客上刷要不要去实习，最后还是怂，没去保毕业。春招的时候就已经看到算法已经是神仙打架，大家肯定知道算法转的比较多的就是开发和数据分析，开发自己确实不感兴趣，对于数据很感兴趣，而且自己要paper没有，要技术不行，因此果断考虑转数据分析岗位。（这里提醒大家一定要有侧重吖，有时间的话两个都可以准备，没有时间的话最好有侧重，我当时就是芝麻西瓜都想抓，结果发现自己上不成下不就。。）

 5月准备

 差不多春招结束就已经5月底了，这个时间就已经在准备数据分析了，看了很多方面的博客和书籍，主要有3个维度如下

1）数据分析工具（Excel+SQL +python+R，数据仓库）

1. 工具

常用的数据分析工具有Excel+SQL+Python/R，有的公司要求会一种就可以，有的要求都会，所以根据你应聘职位的不同自由选择学习就可以。

1）Excel

需要掌握的核心技能有：常用函数的使用，基础图表的制作，数据透视表，vlookup

2）SQL公司的内部数据存储在数据库中，作为数据分析师要能够从数据库中获取数据并进行分析。需要掌握的核心技能有：

会利用SQL操作开源数据库mysql进行增加、删除、查询、修改

存储过程数据库的分组、聚合、排序最常见的考SQL的方法给你一个虚拟的数据库表结构，然后让你按给出的条件查询出数据，并用手写的形式写出在纸上。所以面试前把常用的语句记清楚就行了。可以买一本《SQL必知必会》放在手边，随时翻看。

此外现在多数都以Hadoop 或者hive要求

3）编程语言Python或者R

一般情况下，这两种语言会一种就够了。如果是学习Python的话，需要掌握的核心技能：

Python基本语法、基本数据类型、常用的数据结构、条件和循环、函数、模块

Python数据分析的包（numpy, pandas, matplotlib)

能够用python操作结构化数据，进行数据清洗，数据抽取，数据可视化等，把对应的平时一些数据处理和模型构建的代码背熟final apply

使用python操作数据库

一般不会在代码上问得太细，毕竟写工作的时候不会的就用搜索引擎搜呗，面试官重要的想知道你究竟有没有用过这个技能。可能会手写代码

2）理论知识（概率统计+ML）

1）统计概率

这是数据分析必须要学的，不然很多统计指标看不懂，统计方法也不了解，怎么做数据分析呢？

需要掌握的核心技能有：

描述性统计（平均值，标准差，中位数，变异系数，）

概率（独立事件，相关事件，期望，包括贝叶斯）

概率分布（离散概率分布，连续概率分布）

统计推断（抽样，置信区间，假设检验）

例如面试官可能会这样问：置信区间 （Confidence Interval） 是更怕I型错误还是II型错误？更怕I型错误，这两个是矛盾的存在，一般a越小，I型错误出现概率越大

设置ab testd的时候需要注意什么？某一天的车流量更像哪种数据分布等

2）机器学习（加分项）

机器学习这一块其实应该算是数据分析岗位的加分项，不一定是必须的，要看具体岗位。

需要掌握的机器学习算法：

分类算法：逻辑回归，贝叶斯、决策树、随机森林

回归算法：线性回归

聚类算法：K-means

需要掌握的核心技能：

特征工程

模型评价

交叉检验（用已有的数据监测算法的预测力）

能够熟悉常见算法的基本原理、了解各类算法的优缺点和使用场景即可，如果是学到Python，要会使用Python的机器学习sklearn包应用这些算法解决具体的问题。这方面多做几个kaggle项目可以解决：Kaggle如何入门？ 

3）业务逻辑（数据分析思路-搭建数据指标体系）

数据分析师每天要关注大量数据指标，而数据指标又与具体的领域业务相关，掌握常用的数据指标可以灵活应对面试中提出的业务问题。

比如面对新的数据需求，能否将它拆分成具体的指标进行计算? 各个指标如何衡量，比如app的转换率，是点击算转化还是注册了算转化还是购买产品后算转化？

需要掌握的核心技能：

某一领域的知识概要(只需要大致了解)

数据分析思维：漏斗思维，分类思维，平衡思维，A/B test等

相关性和因果关系的区别，

通过案例可以分析出来

如何习得这方面能力呢？

掌握常用的数据分析指标体系，可以看《增长黑客》《增长黑客实战》。这个话题比较长，我后面会专门写一篇文章聊聊具体数据的分类，常用的指标体系，以及如何通过一个项目来熟练应用并向面试官展示你有这方面能力。---

 2）如何做数据分析报告？

数据分析的最终产出是一份份报告，可能是PPT，也可能是PDF等，或者使用python的notebook来生成。

上面每个技能的熟练程度划分为5个等级，依次分别是：

了解基本概念

了解基本概念/会简单操作

熟悉基本概念/熟练操作

精通逻辑论证/能改进优化

对于找数据分析师实习或者初级数据分析师的工作来说，上面这几个知识大多只需要掌握到第2个等级就可以了。