鏈家數據分析員怎麼樣

『壹』 數據分析員是什麼職業，未來前景如何

數據分析師職位具有鮮明的時代特點和巨大的需求，在大學本科階段統計專業積極探索培養大學生的數據分析能力，進而為社會提供合格的數據分析師人才的有效對策，具有重要的研究價值和實踐意義。

一、數據分析師培養的意義

（一）數據分析師的培養符合國家戰略

為適應世界經濟一體化的進程，徹底改變我國「項目數據分析」專業技術人才緊缺的現狀，2005 年 4 月，全國第一家數據分析事務所在陝西成立，到目前，我國相繼已有北京、陝西、江蘇、新疆、甘肅、山東、浙江、上海、黑龍江等 14 個省、市、自治區約 80 家項目數據分析專業機構進入中國市場經濟舞台，涉及項目已從最初的分析評估業和金融業，擴展至會計師、投融資機構、政府審批和企業管理等眾多領域。隨著大數據時代的來臨，構建大數據研究平台、整合創新資源、實施「專項計劃」等成為各個省市的工作重點之一。

（二）數據分析師的就業前景光明

在被視為「數據元年」的今天，數據分析師以待遇優厚和地位尊崇而聞名國際，曾被Times時代雜志譽為「21世紀最熱門五大新興行業」。今天，國內數據分析行業專業人才每年以千位數非速增長著，同期各行業領域空缺崗位已達近二十萬，未來中國對數據分析師的需求更是呈井噴之勢。

在數據分析人才培養上，國外已經將數據分析師人才作為國家戰略。據統計，目前世界 500 強企業中，有90% 以上建立了數據分析部門。大數據時代對數據分析師的巨大需求也大大刺激了高等院校的培養熱情。

二、數據分析師職業素養的培養

通過對各大招聘網站數據分析師、市場調查分析師等職位招聘信息的搜集整理和深入分析，挖掘並歸納出社會用人單位對數據分析師職位的知識技能和道德素質等方面的具體要求如下：

（一）數據分析師的職業內涵

數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，並依據數據做出行業或市場研究、評估和預測的專業人員；是以實際數據為依據，對項目現狀及遠期進行統計、分析、預測並轉化為決策信息的專業人才。數據分析師可以通過掌握的大量行業數據，運用科學的計算工具，將經濟學原理與數學模型結合，進行科學合理的定量分析，數據分析師可以預測企業未來的收益及風險，為企業經營決策提供科學量化分析的依據。

目前數據分析師的認證主要有 2個：一是注冊數據分析師（CDA），由CDA注冊數據分析師協會Certified Data Analyst Institute）在順應大數據、雲計算的潮流下發起成立的職業簡稱；二是項目數據分析師（CPDA），由中國商業聯合會數據分析專業委員會以及工信部教育考試中心共同考核認證，證書是申請成立項目數據分析事務所的必備條件之一。

（二）數據分析師的知識要求

掌握多元統計分析、應用回歸分析、時間序列分析、計量經濟學、經濟預測研究等統計建模方法，了解本行業統計方法的新進展；掌握 SQL/oracle 等資料庫的數據整理、查詢、提取等方法；熟練使用相關的統計軟體，准確解讀軟體的運行結果；了解相關行業的業務知識和數據構成。

（三）數據分析師的能力要求

對信息、數據敏感，具備較強的文字功底，能獨立撰寫研究報告；能熟練使用 SPSS/SAS/Eviews 等統計分析軟體，具備數據分析或數據挖掘的綜合能力；掌握資料庫體系結構及數據架構，具備 Excel/SQL 或 Access 的查詢語句運用技能與知識，有良好的數據處理、建立統計模型能力。

（四）數據分析師的崗位職責

承擔行業、企業有關信息、數據的調查、搜集、整理、分析研究和發布工作；參與專項研究、課題和調研咨詢項目，撰寫行業分析文章和研究報告；對大數據進行深入挖掘，建立相關模型進行預測、分析，找出相關的聯系，揭示內在規律，為行業、企業決策提供依據。

三、數據分析師的培養方案

培養方案是高等教育辦學思想和辦學理念的集中體現，為突出數據分析的培養特色，統計專業應在深入分析數據分析職業需求的前提下，最終制定出符合數據分析師培養要求的課程體系。

（一）培養目標

為學生畢業後能夠成為各行業中數據分析領域的專門人才，確定了統計專業學生在本科教育階段的培養目標：一是具備良好的經濟學、管理學和財務管理等基本素養；二是了解相關行業知識、公司業務流程；三是掌握統計學的基本理論與方法，具備熟練使用 SPSS/SAS 等統計分析軟體進行數據分析或數據挖掘的綜合能力；四是掌握資料庫體系結構及數據架構，具備 Excel/SQL 或Access 的查詢語句運用技能與知識，有良好的數據處理、建立統計模型能力；五是具備較強的文字功底，能獨立撰寫數據分析研究報告。

（二）課程體系設立原則

在本科教育階段，培養數據分析師的課程設置應貫徹「三結合」的原則。

1. 多門學科相結合。數據分析工作是多個學科、多門專業在企業決策中的綜合應用，要成為優秀的數據分析師，必須做到多門學科的融會貫通。需熟悉或了解數學、統計學、經濟學、金融學、管理學、營銷學等學科的相關知識。

2. 理論研究與實踐應用相結合。高等學校一般都建有比較成熟的教學實踐基地和實習基地，學生在理論學習後，可以到企事業單位或財政、金融、保險等行業進行針對性的實習實踐，了解相關行業的業務知識和數據構成，運用所學知識進行數據分析，獨立或合作完成數據分析研究報告。

3. 專業教育與技術資格教育相結合。通過學習，學生可獲得統計學專業理學學士學位或者經濟學學士學位；通過參與社會上的技術資格考試，可獲得數據分析、統計師、調查分析師等專業技術資格證書。兩者的結合，更有利於學生從封閉校園走向開放社會，增加技能的同時，更好地融入社會、適應社會。

（三）課程體系的基本框架

在整個教學過程中，可以將每個學期分為長、短兩個小學期，短學期內設置一些與就業崗位相關的、以技能培養為目標的短期集中實踐教學環節，主要是崗位實訓課程。長學期課程分為4個系列：基礎課程、方向課程、綜合實踐課程、職業拓展課程。通過整合相關知識，優化課程結構，強化實踐技能，突出崗位技能實訓等手段構建課程體系，以達到培養學生具有數據分析師的基本技能和素養的目的。

四、數據分析師培養過程中的策略

（一）教學內容整合策略

在課程體系和課程設置的總體構建下，按照課程模塊化的思路，重新梳理課程教學內容、教學進度和深度，剔除陳舊、重復的內容，加強理論聯系實際內容，增添培養綜合運用能力內容，實現教學內容的整合優化。例如，《應用回歸分析》與《計量經濟學》的內容多有重復，可以將《應用回歸分析》並入《計量經濟學》；又如，《描述統計學》《數理統計》《計量經濟學》和《統計預測與決策》等課程有部分重復內容，必須在對知識的審慎梳理基礎上，整合相應的教學內容，重新制定教學文件。

（二）實驗環節設置策略

找准專業知識方法與實際問題的結合點，並分析研究當前的熱點和難點問題，充實和豐富實踐教學內容，編寫具有應用背景、切實達到鍛煉效果的實驗指導書和指導材料，以明確實驗的具體環節、目的與要求。每個實驗項目應包含實驗性質、實驗目的、實驗要求、實驗內容、實驗步驟和結果分析等部分。所有課程的實驗內容由淺入深，循序漸進，實現實踐教學規范化。

（三）軟體教學安排策略

為使學生充分掌握相關的統計軟體，熟練使用恰當的軟體從事數據的整理、分析，將統計軟體的教學分為三個層次：一是單獨開設 SPSS、SQL Server 資料庫課程；二是課堂內開設Lingo、Eviews、SAS 等軟體實驗；三是短學期和綜合訓練開設 Latex、R 等軟體課程，實現軟體教學層次化。

（四）實踐課程操作策略

為了強化學生的實踐能力和就業競爭力，在短學期實踐開設職場禮儀與溝通實、PPT 製作、統計模型、實訓統計調查方法與實務、辦公自動化實訓等項目；各學期綜合訓練分別開設統計流程與分析寫作、會計實踐軟體、統計分析案例等項目，實現綜合實踐職業化。

（五）拓展課程設計策略

聘任有豐富實踐經驗的統計師、調查分析師和企業家為兼職教授或校外導師，強化校外實踐；結合第二課堂，開展與專業教學相結合的、豐富多樣的課外活動；同時利用大學生統計建模大賽、大學生市場調查分析大賽、大學生數學建模競賽等學科競賽鍛煉學生綜合能力，實現職業拓展多樣化。

五、數據分析師培養的保障措施

（一）整合各種教育資源，提高教學效率

沒有經費的保證，數據分析師的培養只能紙上談兵。所以，學校、二級學院應設立加大資金投入，從軟硬體兩方面大力支持，保證經費落到實處。利用學校現有資源 , 籌建開放實驗室與實習基地，創造培養數據分析師的良好環境。

數據分析師培養必須實行產學結合，堅持開門辦學，與企業聯合培養的方式。創立高校與行業企業聯合培養人才的新機制，改變目前高校人才培養和行業企業需求脫節的現象。通過聯合辦學、共建等方式利用社會資源設立實習、實驗基地。

（二）建立導師制，強化教師的指導作用

為提高學生數據分析的水平，進入大二後 , 二級學院應推行本科「導師制」；到了大三 , 已經具備了一定的科研能力的本科生可以在導師的指導下參加各種與數據分析有關的專業競賽和創新實踐活動，親身體驗數據分析活動的整個過程 , 提高數據分析的基本技能與創新意識；在導師的全程參與和指導下，完成大四階段的校內綜合實訓、校外畢業實習和畢業論文的撰寫工作，使實踐鍛煉全程得到有效監控，保證教學質量。

（三）充分利用各級社團組織，

開展第二課堂的活動第二課堂是課堂教學的延伸和補充。在各級社團組織的規劃和部署下，加大人力、物力的投入，將第二課堂與第一課堂進行系統性、綜合性考慮與設計，實施規范化管理與組織運作，制訂好一系列的活動方案，為培養數據分析師通過更多的鍛煉途徑和方式。

（四）改革評價機制，激發學生的學習興趣

評價是引導師生的指揮棒，大多數學生和教師總會在現行的評價體系引導下來尋求「佳績」。要培養出未來的數據分析師，必須增強學生的學習主動性，提高學生的實踐能力。通過各種活動、各種途徑加強對學生能力的培養，必須要靠科學的評價體系來衡量。為此，建立「N+2」過程考核評價體系 , 對學生能力培養、訓練的全過程進行跟蹤調查，通過測試、信息反饋的結果來反映教育、培訓的效果和評價學生創造力的變化。

總之，項目數據分析（師）事務所在國內正迅速增長，並為政府、金融機構、企業的決策提供著日益重要的參考信息，具有良好的成長和發展空間。如何在信息海洋中找到有效的信息，如何通過有效的數據來科學決策變得尤為重要，因此數據分析師的前景必定輝煌。

『貳』 數據分析師好找工作嗎，待遇怎麼樣

數據分析師的薪資待遇不一般來說要比同級的職位高很多，大多數都是在兩成到三成。同時，數據分析師備受企業的重視。在眾多的一線二線城市中，數據分析師的年薪都很高，所以想進入數據分析行業的朋友們不必擔心數據分析的薪資高低。

並且現在科技發展的越來越快，使得數據分析發展的方向更多，數據分析人才會更加稀缺。尤其是在發展飛快的中國，會大力發展數據分析行業。由此可見，數據分析師的前景優渥。同時數據分析師的地位也不低，無論是在哪個行業都是如此，並且數據分析師是通用職業，很容易適應各行各業的數據分析職位。

數據分析師工作的流程簡單分為兩部分，第一部分就是獲取數據，第二部分就是對數據進行處理。

獲取相關的數據，是數據分析的前提。每個企業，都有自己的一套存儲機制。因此，基礎的SQL語言是必須的。具備基本SQL基礎，再學習下其中細節的語法，基本就可以到很多數據了。當每個需求明確以後，都要根據需要，把相關的數據獲取到，做基礎數據。

想轉行的話，可以先評估一下自己的基礎和專業背景，一般數學、統計學和計算機專業的，轉行是最有優勢的，其次是市場營銷、電子商務、經濟學等專業，這些專業也有一定的數據分析基礎能力，轉行也能比較快上手。

(2)鏈家數據分析員怎麼樣擴展閱讀：

數據分析師要求：

1、懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

2、懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，並能靈活運用到實踐工作中，以便有效的開展數據分析。

『叄』 做數據分析員前景如何

可以先來看幾個數據，據獵聘數據顯示，數據分析師的平均薪資在20k+，應屆生的平均月薪都在10k+。目前數據分析能力已成為各行業必備的通用能力。研究顯示，有數據分析能力的人工資比一般人多30%，而沒有數據分析能力的人失業率是一般人的2倍。

數據分析師不僅在薪資上有巨大優勢，這個職位在未來將會持續有巨大的缺口。據麥肯錫咨詢權威預測2025年中國將需數據人才高達220萬。

初級數據分析師如果選擇技術方向發展，可選擇的職位也有很多，例如演算法工程師、大數據開發、數據科學家等等。對這些崗位的職責，可以參考下列的解釋。

1、演算法工程師

運用數理統計知識、編程和業務思維建立數學模型，是當之無愧的產品靈魂。

2、數據開發工程師

數據工程師屬於技術崗，負責搭建資料庫、處理數據、維護數據安全等工作，主要是服務於數據的使用者，比如上文中的數據分析師、數據產品經理以及數據建模師。

3、數據科學家

數據科學家屬於綜合性人才，集數據分析能力（＞數據分析師）、統計學基礎、業務能力（＞數據產品）、演算法（＞演算法工程師）與溝通能力於一身。這類人才屬於數據分析行業中的頂配，各方面的能力都超一流，不過這類人才相當稀有，在行業中基本是可遇而不可求。

最後說完了數據分析師的職業發展方向，再回歸到最重要的行業本質吧。選擇一個行業或職位最本質的因素就是賽道。這個道理很簡單，人需要在一個天花板不斷上升的行業，個人職業的發展的天花板才能跟著往上走。我們都知道只有在路很寬，人不擠的賽道上才能夠跑得快，也只有在一個資本都湧入的市場上才掙到更多錢。

綜上所述，數據分析師的就業前景是非常好的，如果你想要成為一名優秀的數據分析師，要先找到自己的方向，確立一個職業目標，再逐步掌握數據分析師的必備技能，在軟體的基礎操作上不斷提升自己的應用。

『肆』 數據分析師前景如何

隨著大數據技術在各行各業應用的越來越廣，數據驅動智能產品和精細化運營已經成為企業經營的制勝法寶，相應地，數據分析師這個崗位也越來越受到關注，越來越多的小夥伴也轉行做數據分析，因為大家不僅看到的是未來數據分析的發展前景，而且數據分析師的薪資待遇也很不錯!

崗位缺口大，就業薪資高，而且這個崗位對學歷的要求不是特別高，對經驗的要求也不算嚴格，從而數據分析師，在大數據時代，迎來了黃金就業期。

通過搜索BOSS直聘和領英，發現其上面有上有10萬+個數據分析師職位空缺，其中絕大部分是互聯網行業的需求。值得注意的是，雖然國內現有很多數據分析師員工，但其數量佔比依舊很少，職位空缺卻佔到了市場的50%之多。大多數熱門崗位都會在招聘JD中，給出“具備數據分析能力”這樣的招聘條件。

『伍』 數據分析師的就業前景如何

數據分析師是一個發展前景非常好的工作，時代的發展決定了在未來，數據分析師將成為必不可少的一個工作崗位，如果大家能夠有幸進入到這個行業，那麼就好好珍惜，而對於那些還沒考慮未來就業方向的朋友來說，數據分析師絕對是一個不錯的選擇。

數據分析師在進階的道路上有多種選擇，可以成為數據技能超強的產品經理，也可以成為數據指導業務的運營VP，更可以進入到管理或者戰略層，而這些，都是在工作的過程中，開闊視野所帶給人們的。

技能要求

1、懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

2、懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

『陸』 數據分析專員，女生做這個怎麼樣，會很高壓、很累嗎。有沒有做過的人講一下經驗。謝謝謝謝

女生還是很適合做數據分析的，數據分析師因為敲的代碼少，相比起天天敲代碼的職業更適合女生一些，沒那麼辛苦。現在最基本的就是用excle來處理數據，在這基礎上又使用了新的統計軟體spss，主要是需要一定的分析思維能力，還要掌握資料庫的原理操作。

崗位職責

1、有結構化的數據分析思維。

在接手一個新項目時，能夠快速梳理清楚業務流程，並且基於業務流程確定需要哪些數據，明確數據之間的邏輯關系。

注意：

1、工作能力： 有嚴謹的邏輯思維能力、學習能力、言語表達能力、管理能力。

2、工作態度：積極主動、工作認真、工作嚴謹。

『柒』 數據分析這個崗位的前景如何

數據分析這個崗位的前景肯定是好的，但是對於個人來說，想要在這個行業就業，還是更看重是否具備這種能力。

之所以會怎麼說，是因為現在是一個大數據的時代，很多的商業活動都會涉及到數據分析這個領域，可以說它是創業或者開展某項商業活動的基礎，只有通過分析數據，才能更好的開展商業項目。正是如此，對於數據分析員崗位專業性要求還是很高，所以對於個人來說，如果想要在數據分析領域有所發展，提升自己的能力更加重要。

一、重點培養數據分析員。

為了適應大數據的經濟體系，改變我國目前項目數據分析專業技術人才缺席的現狀，在很早我國就已經開始針對這一問題進行重點培養數據分析人才。在多省連續開展培養這方面人才的計劃，05年第一家數據分析事務所在陝西成立，隨後有14個省市相繼引進了大概共有80家項目數據分析專業機構，而且涉及的行業也越來越廣泛。

『捌』 數據分析師這個職位怎麼樣

前景蠻好，因為大數據時代，什麼都要靠數據說話，所以數據分析師比較重要，世界500強企業90%都有數據分析部門。其次，數據分析人才目前比較缺乏，薪資待遇非常高。是個不錯的職位。

『玖』 數據分析師這行業好做嗎

無論哪個行業，沒有一個崗位是簡單的，必須付出一定的努力。這一點是肯定的。現如今越來越多的人們從事這一行業，是由於市場空缺較大，薪資較高。當然付出與回報都是成正比的。

數據分析師的考核是一個比較困難的事情，因為分析報告的結論和最終的產出之間有一定延遲。另外一些數據基礎建設，比如指標體系、報表體系，它對於業務到底帶來的價值，很難說清楚。所以數據分析師經常頭疼怎麼做工作匯報。

數據分析師對分析能力的要求比較高，分析師的日常工作就是拿到一個復雜的問題之後，梳理清楚問題的脈絡，通過各種思維模型最終找到問題的根源和解決方案。生活中，分析能力也能夠幫助你更好地生活。

另外，也正是最主要的，就是技能過硬，對很多信息又比較敏感，能很快發現數據間的內在聯系，給出有指導性的建議，那麼，在這個行業，就能有比較快的成長，並且能越做越輕松。

總之數據分析師作為應屆生的第一份工作是還是比較好的。未來的選擇比較多樣，而且掌握了通用的分析能力，人生會更加順暢。

想了解更多關於數據分析師工作方面的信息，推薦到CDA數據認證中心看看，CDA（Certified Data Analyst），即「CDA 數據分析師」，是在數字經濟大背景和人工智慧時代趨勢下，面向全行業的專業權威國際資格認證， 旨在提升全民數字技能，助力企業數字化轉型，推動行業數字化發展。 「CDA 數據分析師」具體指在互聯網、金融、零售、咨詢、電信、醫療、旅遊等行業專門從事數據的採集、清洗、處理、分析並能製作業務報告、 提供決策的新型數據分析人才。

『拾』 轉行數據分析的親身經歷

轉行數據分析的親身經歷

今天和大家聊一個非技術性的話題：轉行。全篇無代碼，但是我想對於這個話題，很多朋友都非常感興趣，畢竟工作伴隨著我們的一生，也是主要的收入來源，誰不想找一份高薪又有前景的工作呢？

是否要轉行？

有些朋友對於是否該轉行一直抱有遲疑態度，轉行會不會有風險啊，轉行以後萬一後悔了怎麼辦啊，轉行是不是要重新學啊，等等一系列的問題。這些問題大多數人都想過，博主也想過。畢竟工作是人生大事，轉行當然也需要萬分的謹慎。但是，一切事物都是有風險的，誰又能夠預測未來怎麼樣呢？有時候人是需要一些果斷的（不是沖動），但是需要自己想清楚，想好了就不猶豫。下面，博主結合自身，談一談要自己轉行的幾點考慮吧，供大家參考。

現所處行業的未來發展
分析現在所在行業在未來10或者20年裡是否有很好的發展前景，說實話這個是不好判斷的，但就目前而言，傳統製造等行業一直處於萎靡狀態，而互聯網和金融行業是比較熱門的領域。但這些都是見仁見智吧，每個行業做到極致都會有不錯的發展，每個人的理解也不一樣，但是博主選擇了互聯網金融行業。

現所在公司的發展狀況
一個公司的發展好壞可以直接從領導CEO身上反映出來。領導是否有長遠眼光，有管理能力，以及領導是否認真幹事，會直接影響公司未來發展。博主所在公司領導層不斷更換，並且內部管理非常差，不重視技術水平，工作效率巨低，所以導致一直在走下坡路，這種情況就沒理由呆下去了，畢竟要考慮個人的發展。當然，很多小夥伴本來的工作可能就很好，那就要權衡一下利弊了，看你是否真的熱愛這個行業。

現所在公司的學習環境
對於職場菜鳥而言，選擇一個公司其實是在選擇一個好的學習環境。如果有機會去一個好的團隊即使薪水低，那也是值得的，因為你鍛煉的是學習能力，有了這種能力，你才會有更高的價值。當然，就目前而言，如果你覺得現在的公司已經沒有什麼可以讓你學習的了，或者說遇到了瓶頸，那我覺得也可以考慮換換環境了。

自己的生活需求
對於很低的薪水無法滿足生活需求，那麼這時候迫於生存也只能考慮轉行。各種房貸車貸款的壓力如此之大，通過轉行增加收入也是一個有效解決問題的途徑，但也是需要結合其它考慮而慎重選擇。

興趣愛好
是否對轉行的行業感興趣。興趣是最好的老師，如果自己本身對這份職業不感興趣，僅僅是因為薪水等一些外部因素而轉行，那麼可能也不會太發展的太久遠。

基於以上問題，博主進行了認真的思考並最終做出了轉行的決定，因為對於我而言，每個問題都說的很通。當然這里絕非誤導大家轉行，只是給大家多提供一個參考。

我的轉行經歷

博主從開公眾號起前2個月開始接觸Python語言，然後接觸到了數據方面的技術，包括爬蟲，數據分析，數據挖掘，機器學習等，一直到現在仍然在堅持自學，我相信只要堅持結果總不會太差。直至今日，我可以說自己算是入門了，但需要學的東西還有很多。雖然這個過程比較艱辛（白天上班，晚上學習），但是由於興趣的激勵，也並未感覺太累，反而覺得很有成就感。

前一陣子，博主覺得自己可以嘗試著找找這方面的工作了，於是開始在網上投遞簡歷。很多網投的小夥伴肯定有過類似的經歷，那就是石沉大海（其實是我太菜）。你會發現投遞的幾十份簡歷一個回應的都沒有，於是在這個過程中開始對自己有了一些懷疑，尤其是對於像博主一樣的轉行求職者們，因為相比於科班出身的競爭者，我們沒有太多優勢。在這種情況下壓力是很大的，曾經想過裸辭，但這是很不明智的。但沒有辦法，既然踏上了這條路，就必須堅持下去。好在目前數據分析，數據挖掘這些崗位的市場需求量很大，所以機會還是很多的。

十份不行，就投二十份，二十份不行就投三十份（當然在這個過程中是需要不斷反思修改簡歷，並同時不斷學習鞏固，不然還是徒勞）。還有，一定要尋找身邊的一切資源爭取內推機會，內推面試的成功率還是蠻大的。慢慢的，開始有公司邀請面試了，雖然不是BAT，但是都是規模還算比較大的公司。

博主在過去的兩周里一共面了5家公司，數量不多，崗位是數據分析/數據挖掘（根據招聘職位而定），其中3家給了offer。其實，這對於一個從零學起轉行的求職者來說，結果我還是非常滿意的，同時也給自己增加了一些信心。下面介紹一下面試公司的概況以及面試結果。

聲明：這是我的個人經歷，只供借鑒參考，並非適用於所有人。

面試結果

博主這里只列出其中三個給offer的公司。

面試公司一（offer）

規模：上市公司(互金)

崗位：數據分析師

月薪：13K

面試公司二（offer）

規模：上市公司(地產商)

崗位：數據產品經理

月薪：15K

面試公司三（offer）

規模：初創公司(移動APP)

崗位：數據挖掘

月薪：20K

面試總結

總的來說，所有面試的經過還算順利，但博主每一次面試後都發現了自己的許多不足的地方，下面總結一下。

面試預約
接到的大多數電話面試都是下午快下班的時候，如果公司對你感興趣，會問你明天是否願意來面試（記得給HR回郵件）。博主每次都爽快的答應了第二天面試，但這其實並不一定太好，因為自己根本沒有太多時間來准備。如果你特別中意這家公司，我認為最好還是准備充分再去面試效果會更好。我自己一般會留一天時間來進行面試前的准備。

面試准備

利用面試前的時間來仔細研究一下這個公司的發展狀況，組織架構，運營模式以及崗位的需求，最好能夠在面試公司的業務或者技術上提出一些好的建議。技術細節上可准備的東西很多，這些更多在於平時的積累。這時候就沒必要再去研究具體的技術細節難點了，而應該把控整體，我一般會把寫在簡歷上的內容，比如項目經歷等都過一遍（需要自己真實的做過才行），以免被問到細節問題尷尬。

談話技巧

可以說這部分也佔了很大的權重，如果你可以侃侃而談，和面試官聊的很high，那基本也就成了。我認為最重要的就是不緊張，保持常態，即使被問道了不會的內容也別慌，虛心請教面試官，一來可以讓他感覺到你的學習熱情，二來會讓面試官感到很有面兒。第二個就是觀察，可以通過觀察面試官的表情來判斷面試官是否滿意你的回答或提問，然後及時改變回答策略。其中一個面試，HR英語特別好，博主硬是用英語陪她聊了10多分鍾，這也讓HR很滿意（當然前提是你的英語水平也不錯）。第三個是多提問題，與面試官的互動是非常關鍵的，如果面試官說到一個點上恰巧你能夠緊接著很好的提問，那麼整個談話的氣氛就活躍起來了，面試官會認為與你想法很契合（博主拿下了三個面試官的微信）。

技術內容

幾個面試中多數面試官都會針對項目經歷仔細提問，問的很細，目的在於考察自己是否真實做過項目，認真思考過問題。當然也會問道一些細節的知識點，有很多基礎的問題博主並沒有回答的很好，這部分還需加強只能慢慢積累了。也問了一些其他問題，比如某個機器學習演算法的優缺點，給你一個應用場景，你會傾向於選擇哪個模型演算法來解決，再比如給你一個場景，如何進行A/B測試等問題。對於數據分析而言，機器學習和爬蟲等並不是必須，但是加分項。就像博主在簡歷中提到用爬蟲爬取鏈家全網數據，然後做數據分析挖掘，沒想到在幾個面試中都有加分。關於這部分，博主會另開一篇詳細介紹。

公司選擇

對於最終公司的選擇上肯定要考慮多方面的，待遇，發展，上升空間等。我的建議是選擇公司要把眼光放長遠，尋找一個好的團隊，畢竟是轉行，還是要以能學到東西為主。以下是幾點選擇公司的考慮：

大公司 or 小公司
大公司一般規模比較大，每個崗位分得比較細，平台大，資源好，格局大。小公司一般崗位劃分很粗糙，一般一個人要干所有的活兒，每個環節都能接觸，進步成長速度會非常快。作為轉行人員，我個人傾向於大公司，但是如果小公司有不錯的機會也是可以考慮的。

風險 or 穩定
一些初創公司的未來發展其實是很不明朗的，像很多P2P公司看起來不錯，但是幾個月倒閉的也比比皆是。這時候需要評估一下自己是否可以承受這種風險，高風險也就有高回報，所以很多初創公司提供的薪水才會比大公司高很多。可以嘗試性的問問公司的現金流，融資情況，是否考慮上市等相關問題，來評估一下風險度。我個人傾向穩定發展的大公司，即使是初創公司最好在D輪融資之後是比較穩健靠譜的。

團隊專業水平
這個其實通過與面試官的談話過程就能看出這個公司的技術水平怎麼樣，如果面試官的水平很一般，一些問題還沒你清楚，那麼你想想你來這能學到啥，可能薪水很高，但是你未來的價值卻沒有提升。

薪水高 or 薪水低

傻子都知道薪水高好，但是還需要把握以上提到的一些原則性問題，不能因小失大。在符合自己基本標準的情況下當然薪水越高越好了。

這段時間里，博主深刻體會到轉行的不易，所以把自己轉行的經歷給大家做了一個簡單分享，希望對正在轉行或者准備轉行數據分析，數據挖掘方向的朋友們有所幫助。一句話，堅持就是勝利。