数据分析从零到精通第七课快速面试与入职

22 提高效率：数据分析师知识构成及管理

这一节为你分享一些数据分析师良好的工作习惯，希望能帮助你在工作中提高工作效率。请跟我认真学习下面 6 个数据分析师应该养成的工作习惯。

1. 整理通用和常用代码，实现半自动化。

SQL 是数据分析师的必备技能之一，也是我们工作中最常用的工具之一。SQL 有一个很大的特点就是语法格式相对固定，这就意味着 SQL 脚本在很大程度上是可以复用的。工作中，我们可以通过整理 SQL 代码，减少重复敲代码的时间来提高效率。

整体通用 SQL 代码

比如常用的函数，row_number函数（row_number()over(partition by xxxx order by desc)）。这种用法比较长的函数，可以为它提前搭好 SQL 框架；比如 SQL 中的建表语句，下面的框架是完全复用的，没必要每次手动敲一遍。

常用的业务 SQL 代码

每家公司常用的指标其实并不多，对于这些指标对应的 SQL 框架，是可以提前搭好的。常用的表大概率包括日活表、用户画像表、点击日志、曝光日志等。这些会经常用到的表，表结构是固定的，常用的限制条件一般也不太会有太大出入，我们可以提前整理好 SQL 框架，然后在具体的业务场景下，再做修改。例如用户画像表：

根据日常分析中累计的经验和需求，自己建一些中间表

一般数仓清洗的表是分业务、分场景的，但是数据分析的过程中经常需要把不同业务或者场景结合起来分析。比如我们最常分析的日活用户数，通常需要分析不同维度的日活用户数，男性用户数、女性用户数，一线城市用户数、三四线用户数等。而日活明细表和用户画像表通常是两张独立的底表，经常需要关联分析，这种情况我们就可以自己建立日活-用户画像表，避免每次分析时都重复关联两张表来获取数据。比如电商 App，用户浏览商品、加入购物车、提交订单、支付成功等行为也分散在不同的表中，每次漏斗分析需要用到 4 张表甚至更多，我们也可以自己建立一张浏览商品到最后支付成功的漏斗表。

2. 管理时间，提高专注力。

一段代码敲了一半，需要去开另一个会；整理分析思路的时候，企业通信软件上弹出了新消息；一个需求做了一半，被要求先完成另一个还没开始的需求……如果我们不管理时间，可能随时处在被打断的边缘，无法专注。而同一个需求需要多次梳理思路，无法高效工作。

怎么管理时间呢？零碎的时间零碎用、整块的时间整块用。一方面 Check 一天的日程，确定哪些时间段需要开会会被打断、哪些时间段会比较完整没有人找，对一天的时间安排有个整体预期；另一方面，梳理我们手里的需求 List，合理评估每个需求所需的时间，需要较多时间才能完成的需求细分为几个模块，尽量保证在一个时间段内完成一个模块。最后需要把我们的时间和需求匹配起来，用零碎时间处理零碎需求、把整块时间投入到专项分析中，尽量一个时间段，专注在一件事情上，避免重复“开始”、重复“思考”，能大大减少疲劳感，还能提高效率。

3. 根据需求的轻重缓急，合理安排需求的优先级。

有一种说法是“选择比努力重要”。这句话并不是说努力不重要，而是说在对的方向上努力会更容易成功。数据分析师处理需求也一样。工作中我们经常需要并行处理多个需求，如果按照提需顺序依次处理，不评估需求的优先级，可能会导致我们工作出现这样的情状：努力花了时间，依次把处理完的需求交付给业务方的时候，反而得到一句“这个需求不着急，可以先处理xxx需求”。所以，处理需求前，务必根据需求的重要程度和紧急程度来评估处理需求的顺序。

对于重要且紧急的需求，比如活跃用户数突然下降 10%、App 使用时长下降 8%，这种核心指标的异常波动，是业务方、上至老板都关心的指标，必须给予最高优的处理。对于重要但是不紧急的需求，比如某个运营活动的复盘，对时效性的要求不高，但是一定要保证质量的交付分析报告，为下次活动可以获得更好的活动效果，提供一些优化方向。对于紧急但是不那么重要的需求，比如 App 马上要发版，需要明确某个功能的用户群体的属性特征来决定这次 UI 改动的方案（比如年轻人用户多，那么 UI 的色彩可以鲜亮一些），这种需求不需要花费精力去使得分析报表的呈现更漂亮，只需要提供相应的数据来支持决策即可。而不重要也不紧急的需求，可以视精力最后处理。

4. 分析结果的呈现和落地跟进。

数据分析师交付的结果一般以 PPT 或者 Word 文档的形式呈现。文档写的好不好会直接影响分析的结果是否会被认可。这里评价文档的标准，是指文档结构和逻辑清晰、话语表达顺畅、结论严谨并可靠。具体来说，好的文档结构清晰，可以是“背景->目的->数据 1 ->数据 2……->结论->建议”，示意如下：

分析背景：比如从10月1日开始，新增用户的次日留存率较9月日均次日留存率下降 5pp。
分析目的：明确新用户次日留存率下降的原因，找到一些可以提升次留率的建议。
数据 1：分渠道数据看……
数据 2：分析新用户新增当天的站内行为……
……
结论：新用户次留率下降是因为渠道变化……
建议：重点优化 xx 渠道新用户的质量……

文档结构也可以是结论前置的形式，直接呈现业务洞察，便于阅读者快速 get 分析的主要输出，示意如下：

结论一：
- 子结论1……
  - 数据1
  - 数据2
- 子结论2……
结论二：
- ……

推荐《金字塔原理》这本书，可以学习结论优先、层层深入的思维和表达方式。

另外，分析结论被认可、建议策略被采纳，只是第一步。很多分析师把大部分的精力放在取数、做报告上，其实是有些本末倒置的。要建立影响力，还需要靠分析建议的最终落地，或推进功能迭代、或优化运营策略，这些改变可以为业务带来某些指标上的收益，一个完整的分析才算结束。所以，对于分析后续的落地，我们更应该重视。

5. 思维转变，从被动到主动、从描述到洞见。

很多数据分析师会抱怨，自己变成了 SQL Boy 或是 SQL Girl。分析师的价值得不到体现，业务方不重视、领导不认可。SQL Boy 或 SQL Girl 的最大问题是把分析做成了“取数”，而“取数”并不是业务提需的目的。分析的价值更多体现在通过数据来洞察业务。所以，我们在日常工作中要有意识地训练从被动到主动、从描述到洞见的思维。

数据描述和业务洞见的区别在哪？我们用经典案例“啤酒和尿布”来说，对于停留在描述层的分析师得到的“结论”是，啤酒和尿不湿的销量会在周末一起出现成比例的增长，并且，增长的销量主要是由那些同时购买啤酒和尿不湿的用户贡献的。如果再深入一点，这些分析师也能发现，同时购买啤酒和尿不湿用户大部分是男性用户。但是，一直到这里，这些“结论”仍然只是对数据结果的描述，业务方（销售）并不知道这意味着什么、他们又能做些什么。业务洞见是指可以通过这些数据映射到具体的业务场景：周末体育比赛扎堆，年轻男性喜欢边喝啤酒边看比赛，所以他们在给孩子买尿不湿的时候，同时买啤酒。这个业务场景解释了为什么会出现周末啤酒和尿不湿同比例增长的原因。如果把啤酒和尿不湿放得近一些，可能还会增加啤酒的销量（同时为业务方提供了解决方案）。

业务洞见能力，可以帮助数据分析师走通“提出问题、验证问题、得出结论、提升业务”这条路，而不是被动地等待业务方给我们提出各种取数需求。而且，如果你的业务洞见能力被业务方发现并认可，他们会主动减少提取数据的需求，让你的时间花在产出更多的事情上。我们要意识到，业务方并不想知道某个具体的数据，因为数据单独看是没有任何意义的。业务方也是在通过数据验证想法，如果数据分析师能主动往前走一步，带来的价值将成倍增长。

6. 定期复盘和总结。

定期复盘最近一段时间的改变，个人的核心竞争力是否建立起来了或者壁垒增加、技术能力是否有所收获、与业务直接的信任是否有所加深、个人对业务的影响力是否在扩大等。具体执行层面，可以：

定期总结工作中常用到的分析方法和思路。
个人目标与业务目标是否 match，发力方向是否有偏离？
产出的分析报表，是否改变了某个产品功能、某个业务流程、某个业务指标？
与对接的同事，是否更顺畅，自己的分析报告对他们是否有说服力和影响力？
……

只有不断地复盘和总结，修正方向，才能帮我们更快地达到目标。

总结

以上是我从事数据分析师时摸索的工作习惯。如果你在当前工作中遇到相关问题不知道如何解决，欢迎在留言区提问；如果你有别的好的建议，欢迎在留言区与大家分享。也欢迎大家关注我的微信公众号（数据民工来取经儿）进行学习。非常感谢你的用心学习，加油！

23 简历优化：数据分析师简历要避免哪些问题

今天给你分享的应聘数据分析师岗位，如何写简历、避免采坑。我们分四步来讲解：

常见的简历内容；
简历的通用原则；
数据分析师必须遵循的几大原则；
不同职级的数据分析师，简历应该凸显哪些内容。

常见的简历内容

简历大体包含：个人简介、过往经历概述、能力总结及荣誉奖励几部分。

个人简介一般包括基本信息、教育背景、求职意向。

基本信息介绍：这里只需要简单介绍姓名、电话、邮箱、最多再介绍下籍贯，就可以了。事实上，年龄、婚姻状况等并不是特别重要，尤其当简历内容很丰富的时候，这些信息可以略掉。教育背景写清楚入学、毕业年份和相应的学校。求职意向，一定要明确是初级分析师，还是资深分析师。这个问题后面会详述。
过往经历：一般包括工作经历、实习经历、校园活动经历、项目经历等。务必写清楚每段经历的时间（时长）、所在公司（校园组织）、职务、主要业绩和工作内容。
能力总结：需要写与应聘岗位要求匹配的能力，比如 A 岗位要求熟练 SQL、那就不要重点写 Python，如果你掌握的技能较多，优先展示与应聘岗位要求的技能。
荣誉奖励：这个不是必需的。但是如果你在之前的公司获得过某项殊荣，就写上。一份与工作相关的荣誉可以帮你增彩不少。

简历的通用原则

无论应聘任何岗位，简历都必须注意以下原则：注明求职意向，时间线条清晰，内容精简明了，语言顺畅/逻辑自洽，简历格式简洁并清晰。

注明求职意向：简历附件的名称、简历内容里都需要写明所应聘的岗位。通常一个 HR 可能会负责多个岗位的招聘，而大部分 HR 可能并没有相关的专业背景。所以，如果你的简历好不容易入了 HR “法眼”，却在 HR 想和用人部门确认面试机会的时候，因为岗位错了而被淘汰，这就太可惜了！注明求职意向可以帮助 HR 把你的简历递给对的人，这也是在帮助你获得更多的机会。
时间线条清晰：保持一条清晰的时间线，可以帮助面试官清晰得了解你的经历。如果经历比较多，千万不要直接把自认为有价值的经历放在前面写。这会导致时间顺序错乱，让面试官怀疑你不能清楚的表达事情。你可以简写部分经历或者高亮你想突出部分的经历。
内容精简明了：尽量用一页纸写完你的简历，如果写不完，最多写两页。我们在看候选人简历时，主要看候选人与岗位的匹配度，不需要把你所有的细节信息都展现出来，突出你与岗位匹配的优势就可以了。如果简历写得过于翔实，可能会被判断为分不清主次、抓不住重点、总结概况能力差。你可能只是想更多地向面试官展示你的优势，却得到适得其反的结果。
语言顺畅/逻辑自洽：语言通顺无错别字，这个无须赘述。在此基础上，简历上展示的内容，也需要有逻辑。比如介绍一个项目经历时，需要先介绍项目背景，再提出项目面临的问题、对应的解决方案，最后是方案落地后的实际效果。其中少了任何一环（比如不介绍项目背景就开始洋洋洒洒写你在项目中做了哪些事情），都可能会让看简历的人不知所云。当然了，我们在保证介绍清楚的前提下，语言要尽量精简明了。
简历格式简洁并清晰：简历颜色不超过 3 种，我个人觉得 2 种最多了。也不要在网上找各种花里胡哨的模板，这样显得候选人特别不大方、不稳重。

数据分析师必须遵循的几大原则

除了上述所有简历都必须遵循的原则，数据分析师的简历还要遵循以下几点。

1. 明确求职定位。

这里的定位是指结合自我客观认知和职业规划，对此次的求职有相对明确的定位。简单说，需要明确应聘的是初级岗位还是高级岗位。这个会影响后续面试官对你的面试评级，尤其对工作几年的人，如果不注明，一般面试官会根据年限去评价候选人是否达到相应的水平，如果你工作 5 年了，面试官可能把你作为一个资深分析师来评价，但是你的自我定位其实是中级，那么很可能因为面试官和你的定位不一致而错过机会。实际中，我们常可以听到类似评价，“他工作 3 年了，但是对业务的理解能力可能跟工作 2 年的差不多，给不了中级职位”，或是“他工作只有3年，但是水平达到高级了，给中级 offer 没问题”。前一种情况，可能你与正在招聘的初级岗位是匹配的；后一种，可能会让你对 offer 给出的职级不满意。所以，为了避免这种情况，务必注明你的求职定位。

2. 客观、具体的描述专业技能。

如果你觉得自己的 Python 很厉害，最好也不要写精通 Python。因为你无法保证熟知所以 Python 的所有函数和包，万一面试官考到你的盲点，那么“精通 Python”可能反而会给你减分。你可以写具体精通 Python 的哪些方面，比如 NumPy、Pandas、Matplotlib 等。同样的，如果你擅长算法模型，可以具体写明你擅长随机森林、决策树、逻辑回归等。另外，擅长是指从理论到实践都精通，如果你只是“调包侠”，需要注明你只擅长算法模型的运用。

3. 量化业绩。

应聘数据分析师，比起应聘其他岗位要更擅长量化地讲述事情。“XX 分析指导策略调整，提升了 XX 指标”，这种不合格的表述千万不要出现在简历中。可以尝试改为“通过 XX 分析，优化了 XX 策略，使得 XX 指标从 x1 提升到 x2，相对提升了 xx%”。这种表述的业绩更有说服力。

4. 不同职级的数据分析师，简历应该凸显哪些内容。

本讲第一部分讲到，简历可以写的内容其实很多。但是简历又必须遵循精简的原则，这意味着需要根据个人情况，有针对性的突出部分内容、舍弃部分内容。分析师按照资历大致可以分为应届生、初级分析师、中级分析师和资深分析师。不同职级的分析师，简历的侧重点也是不同的。

对于应届生，如果教育背景突出+专业匹配，再突出下基本技能，基本就能达到 60 分的简历入选门槛。如果教育背景一般，可以优先突出相关实习经历。如果也没有实习经历，可以自己做一些 case，比如通过爬虫技术获取数据，做的一些有意思的分析或者在学校帮老师处理的一些项目经历。再次之，还可以辅助一些获奖荣誉来帮自己加持。最后，是在学校里的一些社团经历。
初级分析师一般对应工作时间在 2 年以内的分析师，他们具备了基本的专业能力和少量的业务理解能力。这种情况，最重要的是突出专业技能和上份工作经历（包括公司、部门、职位、工作内容）。专业技能可以是计算机技能、统计学知识，也可以是算法模型能力。对于初级分析师，用人单位希望你能跳过应届生的初级培养阶段，可以独立的处理简单的业务需求。所以，如果在具备专业技能的基础上，你如果还能展示一些业务理解能力的话，就锦上添花了。业务理解能力可以是对现在从事业务的商业价值的理解、产品&运营的运作机理和内在逻辑、对战术层面的业务有拆解、转化成数据思维的能力等。
中级分析师一般对应 2-5 年的分析师，此时基本的专业能力已经不是问题了，在此基础上，需要有相对系统的分析方法论、较强的业务理解能力、项目落地执行能力。如果说，初级分析师有点像 SQL Boy/Girl，那么中级分析师就需要把自己从取数的状态中抽离出来，形成自己的分析方法论，更多的贴近业务，解决业务问题。从面向 Hive 表编程，转变为面向业务问题编程。可以独立或半独立地在相应的业务方向上拿到一些落地效果，产生一些业务影响力。
资深分析师，除了有业务影响力，能独立推动项目落地并取得收益，最好还具备一些团队影响力。团队影响力既有团队内的影响力，也有团队外的。团队内，可以是针对大家的痛点，规范某个流程从而提高了整体团队效率，比如推动制定埋点流程。团队外的，可以是为了解决某个项目问题，推动产品迭代某个功能交互、推动策略优化某个模型、推动运营落地某个线上活动等，从而提升某项业务指标，或是影响某些关键业务决策等。

总结

简历是应聘某个岗位的敲门砖，我们需要从简历的格式、内容上避免犯简单错误，从而错失可以有的机会。如果你有更多问题，欢迎在留言区提问，也欢迎大家关注我的微信公众号（数据民工来取经儿）进行学习。非常感谢你用心学习，加油！

24 最佳选择：巧妙选择公司及投递策略

上节课我们学习如何写好自己的简历，这次经哥来分享下如何选择投递的公司，以及指定高效的投递策略。假设你已经完成了自己的简历，那么，接下来经哥分两部分来讲述本节课，希望对你找工作有帮助。

第一步，选公司。

第二步，投简历。

选公司

为什么要先选公司？

因为先确定公司会带来如下好处:

第一，它决定未来一段时间你主要工作方向。

第二，方向确定后，可以明确简历如何优化。

第三，可以有目的准备面试。

所以选择要进入哪家或哪些行业的公司对你非常重要。我们在投递简历前，就应该做好充分的分析，以确定要投递简历的公司类型。

下面我们分别说下这三个好处。

1. 帮助自己明确方向。

每家公司主营业务都对应着相关行业，选公司，其实就在选行业，选工作方向，从你在搜索引擎中搜索这家公司开始，你就已经着手开始通过网络信息了解这家公司以及公司所属的行业。举个例子，A 公司是旅游行业，但受疫情影响，旅游行业整体受影响非常大。尽管 A 公司是一家优秀的企业，但当前旅游行业可能不一定合适进入。相反，B 公司是一家互联网教育行业，今年疫情使得很多学生无法去学校上学，这反而让互联网在线直播课成为一种刚需，整个互联网教育反而成为利好行业，而教育市场在国内本身是万亿级的市场，当前相对人才需求量也会比较大，在行业快速发展的阶段进入可以获得快速成长，沉淀行业经验，未来随着教育行业发展，自己的经验也会得到更多的市场认可。

2. 有目的的优化简历，提高通过概率。

不同公司对相同岗位的要求也可能是不同的，这个取决于公司的业务类型。当确定要投递的公司后，在简历投递前要做点功课。

公司主要产品以及竞品研究，产出基础的研究分析报告。
仔细阅读公司招聘岗位描述信息，是否有强调某些经验或技术？
针对性地把简历优化，丰富相关性经验，缩减或删去不相关经验。

举个例子：假设，汽车工程专业毕业小明同学投递的是一家电商公司 A 的数据分析岗位。那么核心标签，就是电商、数据分析。但小明同学简历上，最显眼的位置留给了小明在学校汽车相关的项目经历，而且大部分是偏硬件的项目经验。这个项目确实是小明参加过的很重要也很能拿得出手的项目经验。但是，很可惜，这个跟电商无关，跟数据分析无关。投递过去，石沉大海，杳无音信是很正常的。

其实，小明在学校里有 1 年多兼职做微商的经历，搭建了十几个微信群，而且还为自己赚到了不少生活费。这个经历跟岗位会更相关，应该优先把该经历移动到最明显的位置，把做微商的经历，以及如何拉新、引流、定价、促销等整个过程写出来，这样的简历会更匹配，通过率也会大大提高。

可能 80% 以上同学，投递前并不用心优化简历，用相同的简历去投递每一家公司。这不是个好习惯，请你多加注意。

3. 有针对性地准备面试。

确定公司和岗位后，从优化简历开始就已经在有针对地准备面试了。

面试官大部分会针对简历内容进行提问，当把简历调整为和岗位相关的内容后，你只需要重点准备简历相关内容就可以。因为简历上只能简单写相关工作经历，所以需要把简历写的内容吃透，准备一些面试可能会问到的深度内容。

比如，小明微商的工作经历，简历上写了拉新、引流、营销。面试官可能会问的问题包括：

如何拉新？拉新投入的成本和效果是什么样的？将新用户沉淀下来都需要做哪些工作？
促销的方案怎么制定的？简单说下定价策略。

以上，简单说了为什么要先确定公司，当确定要投递的公司后，比较充分的准备，会让你整个找工作的链路转化率都有相应的提升，有投入肯定就会有收获。

知道了确定公司的重要性，下面讲下如何选公司。

如何选公司？

在合适的时候，选对合适的公司或者行业，可能会带来意想不到的财富回报。

比如，2013 年的今日头条，2016 年的拼多多，以及 2016 年直播行业和 2017 年的短视频风口。如果在对应的时间点进入对应的公司，哪怕是相关的行业，那么整个风口回报红利也会非常大。

我们来谈谈如何选合适自己发展的互联网公司，下面分别从所属行业、公司规模来展开说明。

1. 所属行业。

一句老话说，男怕入错行，女怕嫁错郎。有些时间成本真的是很大，有些机会成本回报真的很多。互联网公司也分很多行业。包括电商、互联网广告、直播/短视频、游戏、教育、金融、医疗等。每个行业都有巨头互联网公司，如果真的要对这些行业进行评分，确实会很不一样，下面是经哥自己经验评分的量化，仅供参考。

电商行业：电商行业，是互联网常青藤行业。因为盘子大，电商像将整个经济搬运到线上，包罗万象，行业年交易 GMV 也是 10 万亿量级。除了阿里、京东、拼多多等头部互联网企业。还有大量垂类小巨头，母婴类贝贝网、旅游类去哪儿网、图书类当当网等，就业机会多，围绕电商的周边产业也很多。一般公司拥有海量数据，对推荐算法、人工智能的应用也是跑在最前列。
互联网广告：互联网广告比较特殊，它占据整个互联网公司收入 80% 以上，是互联网商业化变现的核心力量。包括电商公司、搜索公司、短视频公司在内的不少公司，收入都很依赖广告进行变现。可以理解，每个互联网巨头都有对应的广告商业化研发、产品、运营、数据体系，都独立于非广告（我一般称为用户侧）体系，玩法也完全不同。互联网广告商业化部门是离钱最近的部门，用户侧负责拉新粗活防流失来扩大用户基本盘，最终是为了获得更大的商业变现资源位和未来商业空间。所以，互联网广告也是一个很不错的选择。
直播/短视频：
当下最火热的互联网行业，两大巨头抖音、快手，由于直播强大的带货能力，电商巨头也纷纷布局直播业务，比如淘宝、拼多多等。
游戏行业：游戏行业，一直是变现能力最强的行业。看看腾讯、网易两大巨头每年游戏带来的收入就知道了。不过游戏用户相对来讲比较垂直，没有电商、短视频能称之为国民化。
即使腾讯最火爆的王者荣耀，日活 1 亿左右，算是达到游戏目标人群的天花板。不可否认游戏是一个很有"钱景"的行业，但是头部玩家过度集中，中小玩被挤压的生存空间有限，另外，游戏发行，会受到政策的影响，所以，游戏行业评分相对前三个要低一些。
教育行业： 因为今年疫情原因，互联网教育，从学习辅助工具变成刚需，从而大火。极大地降低用户拉新成本，最大范围的普及了全国学生和爸爸妈妈对互联网教育的认知。新老教育公司猿辅导、作业帮、学而思、有道精品课、跟谁学、新东方等，还包括收购了很多垂类互联网教育公司，准备进军教育的字节跳动。教育的盘子很大，可以容纳不同领域的公司，除了 K12 还包括成人英语、IT 培训、美术、艺术等。但是，相对来讲，业务复杂度高，对老师、教研资源等依赖度高。数据上可以发挥的空间没有电商、广告、短视频大。
金融行业： 互联网金融行业，更像是 To B 和 To C 的融合。2014 年是国内发展高峰期，近两年很多互联网金融公司发展并不太好，尤其在这几年疯狂发展的过程中存在很多暴雷的 P2P 公司，国家监管也越来越严格。所以，金融行业综合分要低一些。
医疗行业：医疗行业数据是孤岛比较严重的行业，各个医院资源对接本身是一件很难的事情。
线上问诊的需求存在，但是盘子还是过小。作为一个细分小垂类，养活一些小而美的公司是可以的，但是相对其他行业，互联网医疗盘子要更小一些。互联网医疗，更像是对医疗的信息化建设，核心还是线下的医院和医生。

2. 公司规模。

公司规模不是越大越好，而是要看公司在所属行业的地位，以及你在该公司所属部门的重要性。头凤尾道理在公司选择上也同样适用。

大公司：优点是，可以享用大公司的资源，学习前辈留下的文档，培训体系成熟，大平台每个环节专业的互联网产品。
缺点是，工作模块划分较细，接触面窄，只是在自己所属的职责范围内发挥作用。有些人称为"拧螺丝"，说的并不夸张。
小公司：优点是，接触面广、学到东西会广、成长快、发展空间也相对大。缺点是，坑多、公司 IT 基础不完善，很多地方大公司直接用机器完成的事情，小公司可能要拼人力。耗费很多无用功，得不到沉淀。

所以，互联网公司选择主要看行业，对于公司规模，要综合衡量后来决策。

投简历

在确定公司后，并且完成上面的准备工作后，投递简历相对简单多了。尽管简单，但最为最后一个环节会非常的重要，如果投递策略不好，前面准备工作都白费。

好，我们简单说下如何制定有效的投递策略。

多渠道投递

以前，投简历的渠道，比较单一，HR 邮箱往往代表了一切。现在，投简历的渠道非常丰富，如以下这些。

专业找工作 App：如拉勾、Boss 直聘、猎聘、脉脉等。
内推：投递公司的朋友，专职做内推的公众号等。
猎头顾问：目前市面上的猎头公司良莠不齐，需要选择靠谱公司。

对应前两项大家可能比较熟悉，但对于猎头很多同学可能了解不多或者持观望态度。其实，一定要善待猎头。因为他们掌握的求职信息可能更新更全，是非常专业的匹配人力供需的人员。在投简历前中后，都可以找一些猎头了解相关信息，甚至直接问某公司对某岗位候选人的要求，投递竞争情况。很多时候你在招聘 App 看到某公司一直在招聘，但实际有没有真的在招聘，或者当前招聘只是长远储备候选人简历。而对应几个 HC，当前处于面试的候选数量以及在投的待筛选简历的情况等，这些信息，往往猎头更清楚。

投递时间

相信我，你投的简历，不一定会被 HR 看到。因为每个 HR 邮箱都会有很多封简历邮件。

投递可以选择周一早上，因为简历一般是按时间顺序倒序排列，周一早上发，一般邮件会在比较靠前的位置，这样会增加简历曝光的概率。

简历名称

最好是把关键信息写到简历文件名称上，比如：学校+学历+岗位等。有些同学简历就以自己名字命名或者直接以“简历”命名，这样会增加 HR 同学筛选简历的成本。可以想象下，HR 同学，收到 100 个简历，每个名称都一样，需要一个个区分简历谁是谁。这个工作量很大。HR 很可能直接选择简历文件名称信息清晰的同学，优先查看。

所以简历名称看起来是件小事，却可能最终决定你的简历是否被查看，如果前期简历写得很好，准备工作很足，最后因为简历名称问题没有被查看，那就太可惜了。

总结

关于，选择公司和简历投递策略就简单介绍到这里，希望本次课程能提升大家投递简历通过率。

如果当前工作中遇到公司选择和简历投递的问题，欢迎在留言区提问，也欢迎大家关注我的微信公众号（数据民工来取经儿）进行学习。非常感谢你用心学习，加油！

25 良好开端：新人入职第一周的工作清单

今天给你分享的新人入职第一周的工作清单，我们从了解公司、了解部门、岗位准备及其他工作四大部分出发，帮助你快速上手新岗位。

了解公司

了解公司包括了解公司的业务、规章制度、内网信息、加群等。

公司业务

一般情况下，候选人在面试前、接到 offer 时，会简单了解公司的业务内容。入职后，需要花时间对公司做出更全面的了解。了解包括公司主营业务、商业模式、行业所处位置、主要竞争对手等公司业务，建立对公司的基本认知。这有利于我们理解公司长短期的目标，后续处理业务时，可以与公司保持一致的决策意见，增加主人翁意识和归属感。每个上班的人，尤其是新人，都会因为在工作中遇到的问题而产生“离职”念头，增加归属感其实很有必要。

公司的规则制度

公司规则制度，大到员工制度、红线管理等规章制度，小到上下班时间、用餐时间、预定会议室流程。你都应该摸清，方便将来顺利开展工作。与个人紧密相关的晋升制度、调薪制度、休假制度等，这些在入职第一年用到的可能性不大，但可以尽早了解，进行规划。日常工作中用“升职加薪”的标准要求自己，不打没有准备的仗。

公司内网

一般公司会有自己的内网，内网里会及时公布新规章制度、放假通知、内部共享资源等。了解哪些渠道是常用的，可以及时了解最新的信息进行工作计划。

加群

工作群是信息更新最及时的地方。它包括小组群，部门群等。从群里的消息，你可能知道大家在做什么？遇到问题一般是如何解决的？甚至是自己遇到问题也可以直接在群里进行提问。

了解部门

如果了解公司可以帮我们熟悉所处的大环境，那么了解所在的部门可以帮我们适应小环境。了解部门包括了解部门的组织架构（业务方向）、工作流程等。

组织架构（业务方向）

有些公司为了信息保密，不会公布公司级的组织架构。但是我们身处一个部门，需要了解到所处部门的组织架构。了解部门架构，可以帮我们了解部门的业务范畴、分工等。比如，有些公司的数据分析师只负责业务分析，有些还需要负责制定埋点、开发报表等，提前了解工作边界，结合对个人能力的评估，及早查漏补缺。

在此基础上，我们可以初步了解领导的风格，比如有些数据分析 Leader 注重科学化的评估方式、有些 Leader 更重视通过数据对业务的解读。这对我们之后的工作顺利开展会很有帮助。

工作流程

了解自己的工作流程。比如做产品分析的分析师，需要了解公司的发版时间节奏：什么时间出产品方案、什么时间出埋点方案、什么时间提测发版、什么时间出分析结果......以便合理安排工作计划。此后，了解报表开发需求，了解从确认指标、业务口径、SQL 口径、指标开发、报表展示等流程，减少后续需求往复和 Delay 的风险。另外，选择性或通读部门的共享文档，了解部门文档的格式、风格，尽量向其靠齐。

组织架构和工作流程的重要性不用多说了，那么对于新人来讲，如何快速了解呢？

有些公司，会有很完善的文档体系（比如 wiki），或公司的 OA 系统。这些信息可能会记录在里面。如果文档或者网站上没有，那么还有一个比较实用的办法：问组里的老同事。当然，直觉问会显得有点唐突。最好的方式就是入职的第一周，争取中午饭都尽量跟组里的老同事一起吃饭，一起饭后溜圈。因为吃饭和溜圈的场景完全不同于工作场景，这时候大家讲的话题也会很分散，包括生活、工作。问问题的成本也会低很多。老同事一般会热心分享新同事分享公司的主要信息，包括日常工作流程需要注意的一些问题。

岗位准备

如果说，上面的准备工作离后续具体开展工作还有一些距离。那么这一部分的准备，将直接影响后续上手新岗位。岗位准备包括电脑硬件软件准备、权限申请/熟悉常用平台、了解业务通用指标定义及团队周报。

电脑硬件软件准备

电脑硬件软件方面，一般需要准备以下内容。

申请并登录公司邮箱：公司的重要通知、邮件日报/月报、权限申请审批等，可能需要通过公司邮件辅助完成。
连接公司 WIFI、安装远程办公 VPN：联网是办公的必备条件之一。VPN 则可以保证在家或是出差期间顺利联网办公。
企业即时通信软件：下载企业即时通信软件、加工作群。
安装本地编程软件：安装一些本地可用的编程软件。比如 Sublime Text Build ，它集编辑、储存、SQL 格式化等作用于一身。这样的本地编程软件可以帮我们提高工作效率。
Office：如果有作图需求，可以安装think-cell、Tableau 等辅助工具。
其他软件：比如 XMind，可以画思维导图，帮助展示分析框架。其他用得上的软件，也要及时安好。

申请权限，并熟悉常用平台

每个新入职数据分析同学，都会有一个权限申请清单。一般权限申请清单，包含以下内容。

数据查询权限： 查询权限，可能包括Hive、MySQL、ClickHouse权限，不同公司使用数据库可能会不同，但是作为数据分析师，第一周必须把业务数据库的查询权限开通，因为数据查询以后每天都会使用。
BI 数据平台： 一般互联网公司都会有自己的核心数据报表平台，有的甚至有多个 BI 平台，里面是各个业务线关心的重要业务指标。开通权限后，首先需要快速了解大盘数据，并对自己所在业务线的数据有一个基本的数据摸底，比如时间趋势对比、拆分核心维度数据等，这样整体对当前业务大盘数据现状会有一个整体认知。
A/B 实验平台：不一定每家公司都有现成的AB实验平台，但是如果有，尽量开通该平台权限。因为 A/B 实验平台能够非常方便和直观地告诉我们新方案的数据效果，让你第一时间了解结果是正向还是负向，最后是应该全量上线该方案，还是再继续迭代新方案后继续做A/B 实验等。
邮箱组：邮箱组是指，一个特定的邮箱名称。给该邮箱发邮件后，加入该邮箱组的所有人都会受到邮件。比如部门邮箱组，以及部门下面各个业务线或者项目组都会有自己的邮箱。加入邮箱组越早越好，比如，你所在小组的邮箱组，每周重要项目或者周报都会发送小组邮箱，越早加入，越早了解重要的工作内容。
wiki 权限：一般公司都有内部的文档系统，大部分公司部署的都是 wiki。这里面记录了全公司不同部门的主要工作内容，信息量很大，优秀的互联网公司都是拥有大量前辈的知识累积，这主要体现在wiki上面。如：不同部门 OKR 制定、不同部门工作周报、重点项目工作周报、产品优化方案、运营活动方案、公司每个人在 wiki 上更新的内容等。遇到问题，可以直接在wiki上搜索，基本能爬到相关内容
Git 权限：一般互联网公司都是在公司内部部署 Gitlab，不同小组都会创建自己的代码仓库，实现多人协作编程。有些数据分析师也是需要提交代码，这时候需开通自己小组所属的 Git 权限。

如果入职的公司已经有了上面相应的基础建设，那你需要提前申请相应的权限、熟悉这些平台的使用方法，减少后续工作 Block 的风险。比如有些公司的 SQL 取数平台，是通过 Web 网页的形式实现，不需要单独适配硬件环境；但是有些公司可能需要安装一些适配软件，才能跑通代码。

业务通用指标定义

数据分析师是通过各项指标来表征产品现状和变化情况。我们不排除有些指标在某个行业内是通用的，但是一般情况，不同公司常用的业务指标定义可能是存在差异的。比如作为短视频 App 平台，“人均观看视频个数”这个指标。它可以是 App 内用户观看视频的总次数/有观看行为的用户数，也可以是 App 内用户观看视频的总次数/App 活跃用户数。如果不提前了解通用指标的定义，很可能因为定义不同导致同一指标的数值不同，造成各方业务对产品现状的认知不统一。

团队周报

通过团队周报，既可以直观了解到未来的工作内容、用到的方法论，也可以帮助我们了解公司的业务现状、加深业务理解。

其他

除了以上与工作直接相关的准备清单，还需要解决居住/交通的问题及调整好心态。

新公司如果离居住地点较远，交通问题如何解决？是否需要改变居住地点，平衡好生活和工作？这些都需要进行考虑规划。另外，也需要重新调整心态，总结过往经验，在新工作中避免二次采坑。如果上一份工作取得了不错的业绩，可以暂时忘记过去的成绩，让心态归零，重新起航。

总结

入职第一周完成以上工作清单，可以帮你快速上手新工作。如果你有更多问题，欢迎在留言区提问，也欢迎大家关注我的微信公众号（数据民工来取经儿）进行学习。非常感谢你的用心学习，加油！

结束语数据化的未来值得我们为之奋斗

经哥的数据课程，已经更新完了。

你的数据探索之路可能才刚刚开始，有些感想和建议这里跟你一起分享一下。

第一，数据课程总结；

第一，提升数据认知；

第二，入行数据建议。

提升数据认知：数据化的未来

数据化时代，你对以下场景的感触是否深刻？

我们的每一次消费行为，几乎都记录在支付宝、微信当中。

我们一天 24 小时，抛去睡觉，有大几个小时是在使用各类 App，微信用来社交，抖音、快手用来娱乐，头条用来获取资讯。游戏、小说、购物、旅行这些都诞生了许多 App 来分销我们的时间，记录我们的在 App 的使用行为。

哦，对了，可能我们走路和睡觉的时间也被一些公司盯上了。比如说智能手环，睡觉健康监控等，它们时时刻刻记录着我们的数据。

最近，社区团购风生水起，可以想象下数据在里面扮演什么角色？供应链优化，库存优化，价格和补贴策略，团长招募，App 推广营销......甚至借机申请支付牌照，依赖买菜高频交易打造新的支付通道。

人的关键行为，正在接受被这个时代数字量化，数字化的背后是不同的商业组织。数据的潜力仍然被不断地挖掘和放大，一切商业都开始围绕数据展开，我们需要清醒地面对数字化时代的现在和未来，无论是否选择进入数据行业工作，了解数据和掌握数据技能以及基本思维，是非常必要的。

数据课程总结

这套课程，是面向工作来编写的。我尽量实用做到实用，主要从数据技能和数据思维两部分介绍。但对于不同背景的同学，阅读难度可能不太一样，由于中间不少同学问到这个问题，这里我有必要统一来回答一下：

对于前面技术部分可能对一些计算机基础小白的同学阅读起来会比较费力，如果你是这种情况也不要过于担心，因为这部分内容可能对于 1~3 年数据工作经验的同学比较合适，可以作为数据分析师技能的简单认知。
对于后面业务部分，主要帮助你了解数据分析师的工作日常，这部分对于每个人阅读起来不会有太大障碍，希望你主要关注里面业务问题的拆解思路，可以复用到实际工作中去。

入行数据建议

由于经哥是转行进入到数据行业，对于入行过程有比较深刻的体会，这里再次分享给你。

入行要准备的知识体系。

入行准备知识体系

第一，数据处理技能是基础。尤其对于 Excel、SQL 这个是刚需，不用多说，需要熟练掌握。

第二，业务知识。这里主要指某个行业的业务背景知识，比如用户基础数据指标，电商行业的数据指标，短视频行业数据指标，信息流广告的核心指标。

想了解这部分指标性知识，网络上已经很丰富，也相对比较容易，不过深入理解可能需要有一定工作相关工作背景。不要怕踩坑，慢慢来，从错误中吸取经验教训，一分耕耘一分收获。

第三，逻辑思维和表达能力，这部分能力会更重要些。对问题的拆解能力，并把拆解的逻辑清晰地表达出来，这种软能力很重要，日常生活可以尝试多训练这部分能力或者学习别人如何分析和解决问题的。可以从周围同学，书本上，电影里等任何场景来学习。

没有项目背景怎么办？

这是大部分准备入行的同学面临的最大的问题。如果解决没有相关数据工作经验这个问题呢？我这里有几个可行性的建议给大家。

第一，如果是在校生，一定要尝试找相关工作实习的机会。没有数据，找运营或产品的岗位。目的是破圈，在新圈子里，如何吸取丰富的业务知识，那就要看你自己的努力了。

第二，找网上数据相关的比赛项目，如果决定难度大，不参加比赛也可以，但是需要选一两个项目，把数据源下载下来，把要解决的业务问题自己深度梳理一遍，然后在论坛上学习相同项目其他同学的解法。最后将自己解决问题的过程梳理成一篇报告，主要证明自己数据处理和数据分析的能力。

第三，App 产品分析。针对任何一款 App 为研究目标，深度分析产品设计框架、推荐机制、冷启动机制、商业变现场景。或者，仅针对某一点进行分析，比如会员体系，针对不同视频 App 会员体系分析，找到它们运营的套路和数据策略。

第四，如果动手能力不好，又希望尝试下这个行业，可能找靠谱的培训机构，付费经历一些课程实战培训，或许能帮助这类同学更快的入行。

对于入行，其实并不难，你也不要把它想象的太难。难得的是找到合适的发展方向，匹配到有钱景的行业，并在该行业上达到的深度。

数据化的未来，值得你我去关注，甚至参与到其中来，经哥会持续投入在数据行业上，希望课程对你有一点启发或者让你对数据行业有一点认知，之后有数据职业相关的咨询或问题，欢迎一起交流想法。

也非常欢迎你关注经哥的微信公众号(数据民工来取经儿)，随时沟通交流。

最后，感谢你的支持。

经哥的数据课程，到今天已经更新完了。这里有一份有关课程改进的问卷，为了课程的改进，也请你抽出宝贵时间填一下。