• 本站分享从数据采集到数据应用全链条知识,包含数据仓库搭建、数据分析、模型算法、数据平台系统、数据产品等。
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

对数据分析师跳槽面试的新思考

全部文章 hey 4年前 (2020-12-21) 509次浏览 0个评论 扫描二维码

初级阶段:闭门造车

 

这个阶段往好了说叫“以我为主”,往坏了说就是“闭门造车”。一般在这个阶段的同学做面试准备,都会特别细心+有逻辑的把自己过往工作履历收拾归纳一番,把每个项目的背景、价值、过程和成果反复推敲,并在心中默念,追求那种面试过程中一问一答、对答如流的快感

 

可能会有同学心里嘀咕了:“妈蛋~我连你说的初级都还没到啊!那我得先学会如何标准化结构化的表述自己的过往经历了”……别急,该补课您下去慢慢补,今天咱们要说的可远不止如此。都说台上一分钟,台下十年功。台下的功夫都是要给台上做出足够的提前量的,您不会台下就只练一分钟吧?~

 

好了咱们继续,如果您只做到了这些,那就仅仅是初级阶段。因为这种准备是一场没有目标的努力,好比我们仅凭借自己的喜好和擅长、吭哧吭哧辛苦一下午做了一顿饭,但丝毫没有考虑吃饭的人他的口味。万一你做了一堆大鱼大肉,可吃饭的人就想吃些清淡的,你说你怎么办……

 

所以,咱们还是要面向目标来做准备,不能脱离实际闭门造车

 

 

中级阶段:照猫画虎

 

很好,你从心态上已经进入了中级阶段,开始关注对方的看法、要求和感受了

 

教你应对这个阶段的文章也会多起来,他们说的都没什么毛病,归根结底就是按照你对这个岗位要求的理解,有的放矢的重新编排组织你的履历内容,让你看起来就像是为这个岗位而生一样!

 

但是,这里面潜藏着一个巨大的风险:如何保证你对这个岗位要求的理解是正确无偏的?似乎所有文章都将宝押在了岗位招聘需求的描述上,这是很危险的……

 

凡事只要脱离了实际情况,仅做理想状态下的考虑,就必定存在风险。作为偶尔的招聘方,古牧君可以很负责任的告诉你,市面上挂出来的岗位招聘需求,有相当比例的内容压根儿就是互相抄来的

 

这里面有太多的不确定:有可能招聘部门也没怎么想清楚要找一个什么样的人,但就是有名额不用完亏的慌,就让 HR 去市面上参考大厂同岗位的招聘需求,然后快速挂一份到线上先收着简历面试着;也有可能是招聘部门相对清晰,但负责的 HR 业务知识不达标,赶上面试官们又比较忙,只好自己硬着头皮上阵编纂一份招聘需求

 

总之,就是你看到的岗位招聘需求,很可能跟招聘方真正想要的,完全不~一~样~那我们的所有准备,不就成了照猫画虎了么!这可咋整?!

 

 

高级阶段:仰望星空

 

结构化的整合个人履历没错,但容易闭门造车脱离实际;按照招聘方的要求重组简历也没错,但容易照猫画虎被不靠谱的招聘方坑;最后我们还能做点儿啥?貌似就是那句老话了:以不变应万变~

 

但这不意味着干等着什么也不做,而是说需要我们明确一个更高阶的目标,让那个目标指引我们的方向。而这个目标也应该像北极星一样,是放之四海而皆准的,这样才能以不变应万变。下面就是古牧君斗胆整理的目标:

 

对数据分析师跳槽面试的新思考

 

理想中的数据分析师,应该是类似上图的全能战士,在上述 9 个维度都是满格儿的!当你真的无限接近于这种状态后,不论面试官搞什么飞机,你也就都能泰然自若了

 

因为篇幅限制,这次先简单介绍下每个维度👇

 

业务知识:既了解业务场景的知识,又洞悉公司内相关合作方,清楚的知道自己在做的事情在公司中是什么定位价值

 

分析思维:能够将实际问题转化为可被量化研究解决的数学问题,并最终以友好的形式展示结论

 

数据管理:熟练掌握各种数据加工提取的技术方法,能够将数据变成资产进行妥善的清点管理

 

数据探索:能结合业务场景了解将要分析的数据集的各种内部结构和特征

 

数据可视化:能按照目标,通过合理的运用图形可视化工具,简单高效的传达数据价值,讲述数据故事

 

技术素养:面向业务场景选取合适的技术工具,并能不断迭代优化技术方案

 

战略思维:运用创新思维和系统思维支持决策

 

领导力:通过专业能力打造影响力,并以此培养团队、推动组织内的数据建设

 

分析产品管理:把每次数据分析的产出当成一个产品,规范化流程化的把控产品生产交付的每个环节,确保该产品能顺利落地发挥效果

 

至于上述每个维度的具体解析,比如怎么才能达到这种水平、有哪些更适合自己的发展模版(毕竟全能战士是不现实的),古牧君都计划在下周的推送中详细解释~

 

 


 

 

关于跳槽,能说的其实特别多。我会在下面放一些相关的旧文供你参考,如果还有问题,可以直接给古牧君留言咱们一起讨论哈~回见了您内~

 


版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:对数据分析师跳槽面试的新思考
喜欢 (0)

您必须 登录 才能发表评论!