从8月中旬开始跨行找数据分析的工作，直到10初拿到一份金融风控的offer，非常感谢猴子带我入门，以及帮我修改简历和内推，感谢社群会员蒙太奇的猫、周荣技、凌岸对我面试的帮助。
始于今年年初制定的转行计划告一段落，接下来的目标就是在金融数据分析方面的精进。
这篇文章是自己求职面试的经验总结，希望能为后来者寻求数据分析工作有所帮助。
一开始在51job、智联招聘和拉勾网上投简历，采用的是海投策略。到最后发现是遍地撒网，颗粒无收。
事实上，源于我没有想清楚数据分析的工作方向，这属于边走边试的低效策略。当然还有借鉴别人的经验，少走弯路的高效策略，这时想起刘润老师的第一句“前人的思考，我们的阶梯”。
海投简历没能做到个人与企业匹配，自然而然面试通知的概率就很低。所幸的是，捡漏了三家公司的面试。
第一家是国际贸易公司，主要从事客户画像分析，属于传统行业的数据分析，与互联网行业的数据分析还是有很大不同的。项目负责人与我是同一个专业毕业的，看到我的简历后就给了面试的机会。
他讲到传统行业的数据分析从数据收集、数据量、工作方式、结果导向等方面与互联网行业的差别，还说到从事数据分析工作的都是从销售、运营等方面半道转的，面试过程更多的是传授经验。
第二家是平安人寿新渠道管培生，管培生需要在市场营销、数据分析、管理等职位轮岗，轮岗结束后再定岗。我们那批人是最后一批的面试者，由于公司招聘急切，需要当天（周六）下午走完技术面和人事面。
我面试那天下午有二十多个面试者，阵容很强大，其中有6位美国留学和1位澳洲留学的统计学硕士，还有1位是复旦毕业的。知道大家的身份后没法淡定了，焦灼的等待着面试。
技术面是两位面试者一起，与我一起面试的是校友，华理数学系毕业的，而且他之前做的就是数据分析的工作，意外的是校友没能过技术面，而我的技术面过了。接着等人事面，眼看着下午六点了还剩下八个人没有面试，
最后通知四个人一起人事面试，在这场4V2的人事面试中感到沟通力有待提高。
第三家是今日头条的运营数据分析师，最终因对互联网广告业务了解不充分被拒。
这份面试让我明白了数据分析是用来与业务结合使用的。因此如果想找数据分析的工作，优先找自己所在行业的数据分析职位，毕竟自己之前积累的工作经验能增添求职机会，为以后的工作奠定根基。
其实这三家公司都是急缺数据分析的岗位，才给了面试的机会。有机会但没能把握住，三家公司面试折戟沉沙，挫败感指数直线上升。
不过面试的过程让我对自己以及市场需求有了清晰地认识。自己走过的弯路，再结合别人的经验，为下一步的求职指明方向，应采用精耕细作的模式来找工作。
1.是选行业。通过对招聘职位的分析，发现移动互联网运营和金融这两方面有很大的需求。
再结合自己的兴趣就选金融行业。随着趣店在纽交所上市带来的负面影响以及国内几家互联网金融公司即将赴美上市，感觉互金尤其是现金贷将迎来国内的严厉监管。互联网运营是一个不错的选择。
2.是解决没有经验的问题。前面讲到了优先选择自己所在的行业，减少跳槽的成本和降低求职的难度。
如果所在行业实在没有机会，那如何展示自己的能力说服面试官？只能多做几个相关行业的数据分析案例。
经验不够，项目来凑，让你的简历看上去很丰满，才会有面试的机会。
3.是充分了解求职的企业。做到手上有粮，心中不慌，面试沟通的过程才会顺畅。
通过以上三点筛选企业，投简历，我最后顺利拿到offer。
根据工作需求，需要你平日做以下三方面的训练：
1.工作主要以Python为主，需训练Python相关的库pandas、sklearn的熟悉。有R语言打下的基础，学习Python顺畅轻松很多。如果你刚开始准备跳槽数据分析，可以先看你想从事的岗位需求，哪一种语言为主，就先学对应的语言。如果还不确定，Python和R先学一门即可，不必纠结。
2.机器学习的熟悉。不只是知道机器学习有哪些分类，适用范围，还需了解底层的算法，这点不太容易。
3.行业经验的积累。脱离了行业的数据分析，如空中楼阁，水中看花。
想起几个月前，我还什么都不会，第一次开始制定学习计划，到现在转行成功。
我当时写下了为什么学习数据分析：
16年毕业后从事化学医药研发，工作很轻松，但是看到从事该行业工作七八年同事的现状感到不如意，同时受学历限制毫无发展空间，只能苦苦地摇瓶子（哈哈，只有该行业才懂得梗）。
与房价相比，目前的工资收入相距甚远；即使在本行业工作几年后，工资也是寥寥，为了以后不再抱怨，只能现在果断转行。
从吴军老师的《智能时代》了解到趋势变化，即从过去逻辑性较强的因果关系转变成强相关关系。计算机硬件和软件的提升，再加上数据的极大丰富，使得大数据和人工智能越来越强大，其中的数据分析也越来越重要。
现在回头想想：时间和知识真的可以改变一个人的命运。祝求职数据分析的各位顺利。
本文来自猴子数据分析社群会员的实践文章（知乎：野马）
网友评论