链家数据分析员怎么样

‘壹’ 数据分析员是什么职业，未来前景如何

数据分析师职位具有鲜明的时代特点和巨大的需求，在大学本科阶段统计专业积极探索培养大学生的数据分析能力，进而为社会提供合格的数据分析师人才的有效对策，具有重要的研究价值和实践意义。

一、数据分析师培养的意义

（一）数据分析师的培养符合国家战略

为适应世界经济一体化的进程，彻底改变我国“项目数据分析”专业技术人才紧缺的现状，2005 年 4 月，全国第一家数据分析事务所在陕西成立，到目前，我国相继已有北京、陕西、江苏、新疆、甘肃、山东、浙江、上海、黑龙江等 14 个省、市、自治区约 80 家项目数据分析专业机构进入中国市场经济舞台，涉及项目已从最初的分析评估业和金融业，扩展至会计师、投融资机构、政府审批和企业管理等众多领域。随着大数据时代的来临，构建大数据研究平台、整合创新资源、实施“专项计划”等成为各个省市的工作重点之一。

（二）数据分析师的就业前景光明

在被视为“数据元年”的今天，数据分析师以待遇优厚和地位尊崇而闻名国际，曾被Times时代杂志誉为“21世纪最热门五大新兴行业”。今天，国内数据分析行业专业人才每年以千位数非速增长着，同期各行业领域空缺岗位已达近二十万，未来中国对数据分析师的需求更是呈井喷之势。

在数据分析人才培养上，国外已经将数据分析师人才作为国家战略。据统计，目前世界 500 强企业中，有90% 以上建立了数据分析部门。大数据时代对数据分析师的巨大需求也大大刺激了高等院校的培养热情。

二、数据分析师职业素养的培养

通过对各大招聘网站数据分析师、市场调查分析师等职位招聘信息的搜集整理和深入分析，挖掘并归纳出社会用人单位对数据分析师职位的知识技能和道德素质等方面的具体要求如下：

（一）数据分析师的职业内涵

数据分析师是指在不同行业中，专门从事数据搜集、整理、分析，并依据数据做出行业或市场研究、评估和预测的专业人员；是以实际数据为依据，对项目现状及远期进行统计、分析、预测并转化为决策信息的专业人才。数据分析师可以通过掌握的大量行业数据，运用科学的计算工具，将经济学原理与数学模型结合，进行科学合理的定量分析，数据分析师可以预测企业未来的收益及风险，为企业经营决策提供科学量化分析的依据。

目前数据分析师的认证主要有 2个：一是注册数据分析师（CDA），由CDA注册数据分析师协会Certified Data Analyst Institute）在顺应大数据、云计算的潮流下发起成立的职业简称；二是项目数据分析师（CPDA），由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证，证书是申请成立项目数据分析事务所的必备条件之一。

（二）数据分析师的知识要求

掌握多元统计分析、应用回归分析、时间序列分析、计量经济学、经济预测研究等统计建模方法，了解本行业统计方法的新进展；掌握 SQL/oracle 等数据库的数据整理、查询、提取等方法；熟练使用相关的统计软件，准确解读软件的运行结果；了解相关行业的业务知识和数据构成。

（三）数据分析师的能力要求

对信息、数据敏感，具备较强的文字功底，能独立撰写研究报告；能熟练使用 SPSS/SAS/Eviews 等统计分析软件，具备数据分析或数据挖掘的综合能力；掌握数据库体系结构及数据架构，具备 Excel/SQL 或 Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力。

（四）数据分析师的岗位职责

承担行业、企业有关信息、数据的调查、搜集、整理、分析研究和发布工作；参与专项研究、课题和调研咨询项目，撰写行业分析文章和研究报告；对大数据进行深入挖掘，建立相关模型进行预测、分析，找出相关的联系，揭示内在规律，为行业、企业决策提供依据。

三、数据分析师的培养方案

培养方案是高等教育办学思想和办学理念的集中体现，为突出数据分析的培养特色，统计专业应在深入分析数据分析职业需求的前提下，最终制定出符合数据分析师培养要求的课程体系。

（一）培养目标

为学生毕业后能够成为各行业中数据分析领域的专门人才，确定了统计专业学生在本科教育阶段的培养目标：一是具备良好的经济学、管理学和财务管理等基本素养；二是了解相关行业知识、公司业务流程；三是掌握统计学的基本理论与方法，具备熟练使用 SPSS/SAS 等统计分析软件进行数据分析或数据挖掘的综合能力；四是掌握数据库体系结构及数据架构，具备 Excel/SQL 或Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力；五是具备较强的文字功底，能独立撰写数据分析研究报告。

（二）课程体系设立原则

在本科教育阶段，培养数据分析师的课程设置应贯彻“三结合”的原则。

1. 多门学科相结合。数据分析工作是多个学科、多门专业在企业决策中的综合应用，要成为优秀的数据分析师，必须做到多门学科的融会贯通。需熟悉或了解数学、统计学、经济学、金融学、管理学、营销学等学科的相关知识。

2. 理论研究与实践应用相结合。高等学校一般都建有比较成熟的教学实践基地和实习基地，学生在理论学习后，可以到企事业单位或财政、金融、保险等行业进行针对性的实习实践，了解相关行业的业务知识和数据构成，运用所学知识进行数据分析，独立或合作完成数据分析研究报告。

3. 专业教育与技术资格教育相结合。通过学习，学生可获得统计学专业理学学士学位或者经济学学士学位；通过参与社会上的技术资格考试，可获得数据分析、统计师、调查分析师等专业技术资格证书。两者的结合，更有利于学生从封闭校园走向开放社会，增加技能的同时，更好地融入社会、适应社会。

（三）课程体系的基本框架

在整个教学过程中，可以将每个学期分为长、短两个小学期，短学期内设置一些与就业岗位相关的、以技能培养为目标的短期集中实践教学环节，主要是岗位实训课程。长学期课程分为4个系列：基础课程、方向课程、综合实践课程、职业拓展课程。通过整合相关知识，优化课程结构，强化实践技能，突出岗位技能实训等手段构建课程体系，以达到培养学生具有数据分析师的基本技能和素养的目的。

四、数据分析师培养过程中的策略

（一）教学内容整合策略

在课程体系和课程设置的总体构建下，按照课程模块化的思路，重新梳理课程教学内容、教学进度和深度，剔除陈旧、重复的内容，加强理论联系实际内容，增添培养综合运用能力内容，实现教学内容的整合优化。例如，《应用回归分析》与《计量经济学》的内容多有重复，可以将《应用回归分析》并入《计量经济学》；又如，《描述统计学》《数理统计》《计量经济学》和《统计预测与决策》等课程有部分重复内容，必须在对知识的审慎梳理基础上，整合相应的教学内容，重新制定教学文件。

（二）实验环节设置策略

找准专业知识方法与实际问题的结合点，并分析研究当前的热点和难点问题，充实和丰富实践教学内容，编写具有应用背景、切实达到锻炼效果的实验指导书和指导材料，以明确实验的具体环节、目的与要求。每个实验项目应包含实验性质、实验目的、实验要求、实验内容、实验步骤和结果分析等部分。所有课程的实验内容由浅入深，循序渐进，实现实践教学规范化。

（三）软件教学安排策略

为使学生充分掌握相关的统计软件，熟练使用恰当的软件从事数据的整理、分析，将统计软件的教学分为三个层次：一是单独开设 SPSS、SQL Server 数据库课程；二是课堂内开设Lingo、Eviews、SAS 等软件实验；三是短学期和综合训练开设 Latex、R 等软件课程，实现软件教学层次化。

（四）实践课程操作策略

为了强化学生的实践能力和就业竞争力，在短学期实践开设职场礼仪与沟通实、PPT 制作、统计模型、实训统计调查方法与实务、办公自动化实训等项目；各学期综合训练分别开设统计流程与分析写作、会计实践软件、统计分析案例等项目，实现综合实践职业化。

（五）拓展课程设计策略

聘任有丰富实践经验的统计师、调查分析师和企业家为兼职教授或校外导师，强化校外实践；结合第二课堂，开展与专业教学相结合的、丰富多样的课外活动；同时利用大学生统计建模大赛、大学生市场调查分析大赛、大学生数学建模竞赛等学科竞赛锻炼学生综合能力，实现职业拓展多样化。

五、数据分析师培养的保障措施

（一）整合各种教育资源，提高教学效率

没有经费的保证，数据分析师的培养只能纸上谈兵。所以，学校、二级学院应设立加大资金投入，从软硬件两方面大力支持，保证经费落到实处。利用学校现有资源 , 筹建开放实验室与实习基地，创造培养数据分析师的良好环境。

数据分析师培养必须实行产学结合，坚持开门办学，与企业联合培养的方式。创立高校与行业企业联合培养人才的新机制，改变目前高校人才培养和行业企业需求脱节的现象。通过联合办学、共建等方式利用社会资源设立实习、实验基地。

（二）建立导师制，强化教师的指导作用

为提高学生数据分析的水平，进入大二后 , 二级学院应推行本科“导师制”；到了大三 , 已经具备了一定的科研能力的本科生可以在导师的指导下参加各种与数据分析有关的专业竞赛和创新实践活动，亲身体验数据分析活动的整个过程 , 提高数据分析的基本技能与创新意识；在导师的全程参与和指导下，完成大四阶段的校内综合实训、校外毕业实习和毕业论文的撰写工作，使实践锻炼全程得到有效监控，保证教学质量。

（三）充分利用各级社团组织，

开展第二课堂的活动第二课堂是课堂教学的延伸和补充。在各级社团组织的规划和部署下，加大人力、物力的投入，将第二课堂与第一课堂进行系统性、综合性考虑与设计，实施规范化管理与组织运作，制订好一系列的活动方案，为培养数据分析师通过更多的锻炼途径和方式。

（四）改革评价机制，激发学生的学习兴趣

评价是引导师生的指挥棒，大多数学生和教师总会在现行的评价体系引导下来寻求“佳绩”。要培养出未来的数据分析师，必须增强学生的学习主动性，提高学生的实践能力。通过各种活动、各种途径加强对学生能力的培养，必须要靠科学的评价体系来衡量。为此，建立“N+2”过程考核评价体系 , 对学生能力培养、训练的全过程进行跟踪调查，通过测试、信息反馈的结果来反映教育、培训的效果和评价学生创造力的变化。

总之，项目数据分析（师）事务所在国内正迅速增长，并为政府、金融机构、企业的决策提供着日益重要的参考信息，具有良好的成长和发展空间。如何在信息海洋中找到有效的信息，如何通过有效的数据来科学决策变得尤为重要，因此数据分析师的前景必定辉煌。

‘贰’ 数据分析师好找工作吗，待遇怎么样

数据分析师的薪资待遇不一般来说要比同级的职位高很多，大多数都是在两成到三成。同时，数据分析师备受企业的重视。在众多的一线二线城市中，数据分析师的年薪都很高，所以想进入数据分析行业的朋友们不必担心数据分析的薪资高低。

并且现在科技发展的越来越快，使得数据分析发展的方向更多，数据分析人才会更加稀缺。尤其是在发展飞快的中国，会大力发展数据分析行业。由此可见，数据分析师的前景优渥。同时数据分析师的地位也不低，无论是在哪个行业都是如此，并且数据分析师是通用职业，很容易适应各行各业的数据分析职位。

数据分析师工作的流程简单分为两部分，第一部分就是获取数据，第二部分就是对数据进行处理。

获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下其中细节的语法，基本就可以到很多数据了。当每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。

想转行的话，可以先评估一下自己的基础和专业背景，一般数学、统计学和计算机专业的，转行是最有优势的，其次是市场营销、电子商务、经济学等专业，这些专业也有一定的数据分析基础能力，转行也能比较快上手。

(2)链家数据分析员怎么样扩展阅读：

数据分析师要求：

1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。

‘叁’ 做数据分析员前景如何

可以先来看几个数据，据猎聘数据显示，数据分析师的平均薪资在20k+，应届生的平均月薪都在10k+。目前数据分析能力已成为各行业必备的通用能力。研究显示，有数据分析能力的人工资比一般人多30%，而没有数据分析能力的人失业率是一般人的2倍。

数据分析师不仅在薪资上有巨大优势，这个职位在未来将会持续有巨大的缺口。据麦肯锡咨询权威预测2025年中国将需数据人才高达220万。

初级数据分析师如果选择技术方向发展，可选择的职位也有很多，例如算法工程师、大数据开发、数据科学家等等。对这些岗位的职责，可以参考下列的解释。

1、算法工程师

运用数理统计知识、编程和业务思维建立数学模型，是当之无愧的产品灵魂。

2、数据开发工程师

数据工程师属于技术岗，负责搭建数据库、处理数据、维护数据安全等工作，主要是服务于数据的使用者，比如上文中的数据分析师、数据产品经理以及数据建模师。

3、数据科学家

数据科学家属于综合性人才，集数据分析能力（＞数据分析师）、统计学基础、业务能力（＞数据产品）、算法（＞算法工程师）与沟通能力于一身。这类人才属于数据分析行业中的顶配，各方面的能力都超一流，不过这类人才相当稀有，在行业中基本是可遇而不可求。

最后说完了数据分析师的职业发展方向，再回归到最重要的行业本质吧。选择一个行业或职位最本质的因素就是赛道。这个道理很简单，人需要在一个天花板不断上升的行业，个人职业的发展的天花板才能跟着往上走。我们都知道只有在路很宽，人不挤的赛道上才能够跑得快，也只有在一个资本都涌入的市场上才挣到更多钱。

综上所述，数据分析师的就业前景是非常好的，如果你想要成为一名优秀的数据分析师，要先找到自己的方向，确立一个职业目标，再逐步掌握数据分析师的必备技能，在软件的基础操作上不断提升自己的应用。

‘肆’ 数据分析师前景如何

随着大数据技术在各行各业应用的越来越广，数据驱动智能产品和精细化运营已经成为企业经营的制胜法宝，相应地，数据分析师这个岗位也越来越受到关注，越来越多的小伙伴也转行做数据分析，因为大家不仅看到的是未来数据分析的发展前景，而且数据分析师的薪资待遇也很不错!

岗位缺口大，就业薪资高，而且这个岗位对学历的要求不是特别高，对经验的要求也不算严格，从而数据分析师，在大数据时代，迎来了黄金就业期。

通过搜索BOSS直聘和领英，发现其上面有上有10万+个数据分析师职位空缺，其中绝大部分是互联网行业的需求。值得注意的是，虽然国内现有很多数据分析师员工，但其数量占比依旧很少，职位空缺却占到了市场的50%之多。大多数热门岗位都会在招聘JD中，给出“具备数据分析能力”这样的招聘条件。

‘伍’ 数据分析师的就业前景如何

数据分析师是一个发展前景非常好的工作，时代的发展决定了在未来，数据分析师将成为必不可少的一个工作岗位，如果大家能够有幸进入到这个行业，那么就好好珍惜，而对于那些还没考虑未来就业方向的朋友来说，数据分析师绝对是一个不错的选择。

数据分析师在进阶的道路上有多种选择，可以成为数据技能超强的产品经理，也可以成为数据指导业务的运营VP，更可以进入到管理或者战略层，而这些，都是在工作的过程中，开阔视野所带给人们的。

技能要求

1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

‘陆’ 数据分析专员，女生做这个怎么样，会很高压、很累吗。有没有做过的人讲一下经验。谢谢谢谢

女生还是很适合做数据分析的，数据分析师因为敲的代码少，相比起天天敲代码的职业更适合女生一些，没那么辛苦。现在最基本的就是用excle来处理数据，在这基础上又使用了新的统计软件spss，主要是需要一定的分析思维能力，还要掌握数据库的原理操作。

岗位职责

1、有结构化的数据分析思维。

在接手一个新项目时，能够快速梳理清楚业务流程，并且基于业务流程确定需要哪些数据，明确数据之间的逻辑关系。

注意：

1、工作能力： 有严谨的逻辑思维能力、学习能力、言语表达能力、管理能力。

2、工作态度：积极主动、工作认真、工作严谨。

‘柒’ 数据分析这个岗位的前景如何

数据分析这个岗位的前景肯定是好的，但是对于个人来说，想要在这个行业就业，还是更看重是否具备这种能力。

之所以会怎么说，是因为现在是一个大数据的时代，很多的商业活动都会涉及到数据分析这个领域，可以说它是创业或者开展某项商业活动的基础，只有通过分析数据，才能更好的开展商业项目。正是如此，对于数据分析员岗位专业性要求还是很高，所以对于个人来说，如果想要在数据分析领域有所发展，提升自己的能力更加重要。

一、重点培养数据分析员。

为了适应大数据的经济体系，改变我国目前项目数据分析专业技术人才缺席的现状，在很早我国就已经开始针对这一问题进行重点培养数据分析人才。在多省连续开展培养这方面人才的计划，05年第一家数据分析事务所在陕西成立，随后有14个省市相继引进了大概共有80家项目数据分析专业机构，而且涉及的行业也越来越广泛。

‘捌’ 数据分析师这个职位怎么样

前景蛮好，因为大数据时代，什么都要靠数据说话，所以数据分析师比较重要，世界500强企业90%都有数据分析部门。其次，数据分析人才目前比较缺乏，薪资待遇非常高。是个不错的职位。

‘玖’ 数据分析师这行业好做吗

无论哪个行业，没有一个岗位是简单的，必须付出一定的努力。这一点是肯定的。现如今越来越多的人们从事这一行业，是由于市场空缺较大，薪资较高。当然付出与回报都是成正比的。

数据分析师的考核是一个比较困难的事情，因为分析报告的结论和最终的产出之间有一定延迟。另外一些数据基础建设，比如指标体系、报表体系，它对于业务到底带来的价值，很难说清楚。所以数据分析师经常头疼怎么做工作汇报。

数据分析师对分析能力的要求比较高，分析师的日常工作就是拿到一个复杂的问题之后，梳理清楚问题的脉络，通过各种思维模型最终找到问题的根源和解决方案。生活中，分析能力也能够帮助你更好地生活。

另外，也正是最主要的，就是技能过硬，对很多信息又比较敏感，能很快发现数据间的内在联系，给出有指导性的建议，那么，在这个行业，就能有比较快的成长，并且能越做越轻松。

总之数据分析师作为应届生的第一份工作是还是比较好的。未来的选择比较多样，而且掌握了通用的分析能力，人生会更加顺畅。

想了解更多关于数据分析师工作方面的信息，推荐到CDA数据认证中心看看，CDA（Certified Data Analyst），即“CDA 数据分析师”，是在数字经济大背景和人工智能时代趋势下，面向全行业的专业权威国际资格认证， 旨在提升全民数字技能，助力企业数字化转型，推动行业数字化发展。 “CDA 数据分析师”具体指在互联网、金融、零售、咨询、电信、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、 提供决策的新型数据分析人才。

‘拾’ 转行数据分析的亲身经历

转行数据分析的亲身经历

今天和大家聊一个非技术性的话题：转行。全篇无代码，但是我想对于这个话题，很多朋友都非常感兴趣，毕竟工作伴随着我们的一生，也是主要的收入来源，谁不想找一份高薪又有前景的工作呢？

是否要转行？

有些朋友对于是否该转行一直抱有迟疑态度，转行会不会有风险啊，转行以后万一后悔了怎么办啊，转行是不是要重新学啊，等等一系列的问题。这些问题大多数人都想过，博主也想过。毕竟工作是人生大事，转行当然也需要万分的谨慎。但是，一切事物都是有风险的，谁又能够预测未来怎么样呢？有时候人是需要一些果断的（不是冲动），但是需要自己想清楚，想好了就不犹豫。下面，博主结合自身，谈一谈要自己转行的几点考虑吧，供大家参考。

现所处行业的未来发展
分析现在所在行业在未来10或者20年里是否有很好的发展前景，说实话这个是不好判断的，但就目前而言，传统制造等行业一直处于萎靡状态，而互联网和金融行业是比较热门的领域。但这些都是见仁见智吧，每个行业做到极致都会有不错的发展，每个人的理解也不一样，但是博主选择了互联网金融行业。

现所在公司的发展状况
一个公司的发展好坏可以直接从领导CEO身上反映出来。领导是否有长远眼光，有管理能力，以及领导是否认真干事，会直接影响公司未来发展。博主所在公司领导层不断更换，并且内部管理非常差，不重视技术水平，工作效率巨低，所以导致一直在走下坡路，这种情况就没理由呆下去了，毕竟要考虑个人的发展。当然，很多小伙伴本来的工作可能就很好，那就要权衡一下利弊了，看你是否真的热爱这个行业。

现所在公司的学习环境
对于职场菜鸟而言，选择一个公司其实是在选择一个好的学习环境。如果有机会去一个好的团队即使薪水低，那也是值得的，因为你锻炼的是学习能力，有了这种能力，你才会有更高的价值。当然，就目前而言，如果你觉得现在的公司已经没有什么可以让你学习的了，或者说遇到了瓶颈，那我觉得也可以考虑换换环境了。

自己的生活需求
对于很低的薪水无法满足生活需求，那么这时候迫于生存也只能考虑转行。各种房贷车贷款的压力如此之大，通过转行增加收入也是一个有效解决问题的途径，但也是需要结合其它考虑而慎重选择。

兴趣爱好
是否对转行的行业感兴趣。兴趣是最好的老师，如果自己本身对这份职业不感兴趣，仅仅是因为薪水等一些外部因素而转行，那么可能也不会太发展的太久远。

基于以上问题，博主进行了认真的思考并最终做出了转行的决定，因为对于我而言，每个问题都说的很通。当然这里绝非误导大家转行，只是给大家多提供一个参考。

我的转行经历

博主从开公众号起前2个月开始接触Python语言，然后接触到了数据方面的技术，包括爬虫，数据分析，数据挖掘，机器学习等，一直到现在仍然在坚持自学，我相信只要坚持结果总不会太差。直至今日，我可以说自己算是入门了，但需要学的东西还有很多。虽然这个过程比较艰辛（白天上班，晚上学习），但是由于兴趣的激励，也并未感觉太累，反而觉得很有成就感。

前一阵子，博主觉得自己可以尝试着找找这方面的工作了，于是开始在网上投递简历。很多网投的小伙伴肯定有过类似的经历，那就是石沉大海（其实是我太菜）。你会发现投递的几十份简历一个回应的都没有，于是在这个过程中开始对自己有了一些怀疑，尤其是对于像博主一样的转行求职者们，因为相比于科班出身的竞争者，我们没有太多优势。在这种情况下压力是很大的，曾经想过裸辞，但这是很不明智的。但没有办法，既然踏上了这条路，就必须坚持下去。好在目前数据分析，数据挖掘这些岗位的市场需求量很大，所以机会还是很多的。

十份不行，就投二十份，二十份不行就投三十份（当然在这个过程中是需要不断反思修改简历，并同时不断学习巩固，不然还是徒劳）。还有，一定要寻找身边的一切资源争取内推机会，内推面试的成功率还是蛮大的。慢慢的，开始有公司邀请面试了，虽然不是BAT，但是都是规模还算比较大的公司。

博主在过去的两周里一共面了5家公司，数量不多，岗位是数据分析/数据挖掘（根据招聘职位而定），其中3家给了offer。其实，这对于一个从零学起转行的求职者来说，结果我还是非常满意的，同时也给自己增加了一些信心。下面介绍一下面试公司的概况以及面试结果。

声明：这是我的个人经历，只供借鉴参考，并非适用于所有人。

面试结果

博主这里只列出其中三个给offer的公司。

面试公司一（offer）

规模：上市公司(互金)

岗位：数据分析师

月薪：13K

面试公司二（offer）

规模：上市公司(地产商)

岗位：数据产品经理

月薪：15K

面试公司三（offer）

规模：初创公司(移动APP)

岗位：数据挖掘

月薪：20K

面试总结

总的来说，所有面试的经过还算顺利，但博主每一次面试后都发现了自己的许多不足的地方，下面总结一下。

面试预约
接到的大多数电话面试都是下午快下班的时候，如果公司对你感兴趣，会问你明天是否愿意来面试（记得给HR回邮件）。博主每次都爽快的答应了第二天面试，但这其实并不一定太好，因为自己根本没有太多时间来准备。如果你特别中意这家公司，我认为最好还是准备充分再去面试效果会更好。我自己一般会留一天时间来进行面试前的准备。

面试准备

利用面试前的时间来仔细研究一下这个公司的发展状况，组织架构，运营模式以及岗位的需求，最好能够在面试公司的业务或者技术上提出一些好的建议。技术细节上可准备的东西很多，这些更多在于平时的积累。这时候就没必要再去研究具体的技术细节难点了，而应该把控整体，我一般会把写在简历上的内容，比如项目经历等都过一遍（需要自己真实的做过才行），以免被问到细节问题尴尬。

谈话技巧

可以说这部分也占了很大的权重，如果你可以侃侃而谈，和面试官聊的很high，那基本也就成了。我认为最重要的就是不紧张，保持常态，即使被问道了不会的内容也别慌，虚心请教面试官，一来可以让他感觉到你的学习热情，二来会让面试官感到很有面儿。第二个就是观察，可以通过观察面试官的表情来判断面试官是否满意你的回答或提问，然后及时改变回答策略。其中一个面试，HR英语特别好，博主硬是用英语陪她聊了10多分钟，这也让HR很满意（当然前提是你的英语水平也不错）。第三个是多提问题，与面试官的互动是非常关键的，如果面试官说到一个点上恰巧你能够紧接着很好的提问，那么整个谈话的气氛就活跃起来了，面试官会认为与你想法很契合（博主拿下了三个面试官的微信）。

技术内容

几个面试中多数面试官都会针对项目经历仔细提问，问的很细，目的在于考察自己是否真实做过项目，认真思考过问题。当然也会问道一些细节的知识点，有很多基础的问题博主并没有回答的很好，这部分还需加强只能慢慢积累了。也问了一些其他问题，比如某个机器学习算法的优缺点，给你一个应用场景，你会倾向于选择哪个模型算法来解决，再比如给你一个场景，如何进行A/B测试等问题。对于数据分析而言，机器学习和爬虫等并不是必须，但是加分项。就像博主在简历中提到用爬虫爬取链家全网数据，然后做数据分析挖掘，没想到在几个面试中都有加分。关于这部分，博主会另开一篇详细介绍。

公司选择

对于最终公司的选择上肯定要考虑多方面的，待遇，发展，上升空间等。我的建议是选择公司要把眼光放长远，寻找一个好的团队，毕竟是转行，还是要以能学到东西为主。以下是几点选择公司的考虑：

大公司 or 小公司
大公司一般规模比较大，每个岗位分得比较细，平台大，资源好，格局大。小公司一般岗位划分很粗糙，一般一个人要干所有的活儿，每个环节都能接触，进步成长速度会非常快。作为转行人员，我个人倾向于大公司，但是如果小公司有不错的机会也是可以考虑的。

风险 or 稳定
一些初创公司的未来发展其实是很不明朗的，像很多P2P公司看起来不错，但是几个月倒闭的也比比皆是。这时候需要评估一下自己是否可以承受这种风险，高风险也就有高回报，所以很多初创公司提供的薪水才会比大公司高很多。可以尝试性的问问公司的现金流，融资情况，是否考虑上市等相关问题，来评估一下风险度。我个人倾向稳定发展的大公司，即使是初创公司最好在D轮融资之后是比较稳健靠谱的。

团队专业水平
这个其实通过与面试官的谈话过程就能看出这个公司的技术水平怎么样，如果面试官的水平很一般，一些问题还没你清楚，那么你想想你来这能学到啥，可能薪水很高，但是你未来的价值却没有提升。

薪水高 or 薪水低

傻子都知道薪水高好，但是还需要把握以上提到的一些原则性问题，不能因小失大。在符合自己基本标准的情况下当然薪水越高越好了。

这段时间里，博主深刻体会到转行的不易，所以把自己转行的经历给大家做了一个简单分享，希望对正在转行或者准备转行数据分析，数据挖掘方向的朋友们有所帮助。一句话，坚持就是胜利。