本人基本情况：

学校及专业：厦门大学经济学院应用统计

实习经历：快手数据分析、字节数据分析、百度数据分析

Offer情况：北京某央企数据分析、中移信息大数据分析师、中核集团数据分析师、中国工商银行山东省分科技、朴道征信数据产品

最终去向：北京某央企数据分析

数据分析这个行业是我一直在关注，也很感兴趣的行业。很多人会好奇，数据分析究竟是做什么的。所以在进入正文前，我先简单说下自己的看法。

1、数据分析岗有哪些？

数据相关的岗位大致有四类：数据分析师、数据科学家、数据产品和算法。

数据分析的大致工作内容是基于统计方法与数据挖掘技术帮助业务做出更科学的决策，起到辅助支持作用。具体所需技能大致有SQL、EXCEL等工具以及统计学原理；

数据科学是对数据分析的深化与拓展，不仅需要精通统计学，还需要运用深度学习或机器学习等技术挖掘数据价值。需要具备Python、R等扎实的编程能力以及机器学习等算法的理解应用能力；

数据产品主要聚焦于数据产品的全生命周期管理，从产品规划、设计到实施，在理解业务需求基础上不断优化产品，具体要求除基础数据分析能力外，还需具备良好的产品设计和项目管理能力以及掌握Axure、墨刀等原型图绘制工具。

2、数据分析师是做什么的？

我认为数据分析工作大概是分三个模块：

第一个模块是做日常的数据监控，即看数。比如定期（日、周、月等）监控数据看板，并产出月报、周报、日报等。当出现数据异常时，比如GMV下降，需要进行归因分析，多维度拆解数据，精准定位问题并解决。

第二个模块是满足业务数据需求，特点是交付周期较短。比如业务提需求，希望得到某些数据的支持。我们首要了解业务需求背景，接着寻找数据源，取数并验证数据准确性，最后基于此向业务进行交付。

第三个模块是由数据分析团队自主驱动的专题分析，特点是周期较长，项目难度较大。比如自主探究如何去提升GMV的办法。

3、我的主要工作内容

目前我所在央企主营业务是数字医疗、数字医保、数字医药，致力于推进三医领域的协同发展。公司按照产品线划分不同的数据团队，我主要负责的是医保方面的数据分析。

关于秋招，公司近年的整体招人规模为个位数，应聘者均来自北大、清华等海内外顶级学校，存在一定竞争压力。

一、关于实习经历

我的第一段实习是快手主站核心部门的数据分析师，这段实习中我主要学到了数据分析在实际工作中的一些应用，包括具体工具、数据源查询等。期间我遇到的团队成员都非常好，总体来说我的感受还是比较好的。

我的第二段实习是在字节跳动，岗位是电商数据分析。相对快手来说，快手对于数据源以及数据指标等有成型的文档来严格规范。但是字节跳动则更倾向于自由发展。同时它的培养制度偏放养型，要求具备较高的自主性与主动性，这也锻炼了我的独立思考和问题解决能力。

我第三段实习是百度的广告数据分析岗位，但综合考虑自身感受和部门发展，我最终放弃了这份暑期实习。

最后我又回到快手的海外部门进行暑期实习。快手海外部门的架构调整非常之快，我的工作内容不断发生变动，需要不断去熟悉新的工作内容，这对我的心态产生了一定的影响。所以综合考虑以后，我最终决定去寻求银行或国央企等更为稳定的工作环境。

1.数据分析岗实习过程中遇到过哪些挑战？

在实习的过程中，我遇到的大多是专业能力方面的挑战，比如一些业务指标的理解，这和理论知识不同，它们没有清晰明确的定义，所以需要自己主动向人请教学习。

对于应对专业能力方面的挑战，首先，我建议大家去梳理自己的问题，明确自己的需求。首先尝试自我努力，看是否可以通过一些部门知识库文档或项目前期的背景文档来解决。如果还有疑惑，我觉得可以勇敢地去跟你的领导或者同事去表达你的疑惑，不要害怕，大家都非常愿意倾听我提的问题，并且非常积极地回答。

其次还有人际能力方面的挑战，人际能力是情商在职场上的体现，比如是否能在沟通中明确地把控项目的关键点、是否能用专业术语来表达问题等等。对于这些方面，只能少说、多看、多听。如果遇到与你的价值观不太契合的人和事，也不要内耗，不要去怀疑自己，做好自己就好。

2.没有数据分析经验如何找到第一份实习？

首先，数据分析需要具备一些硬技能，这就需要刷题和锻炼，比如SQL、Python等，以及需要系统整理统计学的相关知识。

第二个我认为比较重要的是要积极扩大信息来源，不仅仅局限于官方渠道，也要多关注招聘软件、社交媒体等多元化信息，比如一些急招的招聘信息，如果能抓住机会的话可以大大提升拿到实习的概率。最后就是要广撒网，投递的越多得到反馈的概率越大。

在投递简历的过程中也要摆正心态，当简历投递或面试没有得到正反馈时，不要把所有问题归咎于自己，及时调整心态，不抛弃不放弃，最终肯定会得到顺心的结果。

数据分析涉及很多知识点，而且比较零散，对于没有系统学习过知识点但又想从事数据分析岗的小伙伴，建议考过CDA数据分析师，CDA数据分析师一级考察的内容除了指标体系、数据解读外，还包括用户画像分析等，集中学习后对能力提升很大。

学贵在行，需要我们在以后的学习工作中不断地积累经验掌握工具，学以致用。能站在多方角度，发现问题，分析问题，解决问题，总结问题。

二、面试求职经历

关于面试求职，我认为最重要的两点，一是尽可能多渠道去掌握和了解信息；二是多实践，不断积累面试经历。

1.多渠道获取信息

首先，要尽可能地去搜集实习或秋招信息。对于实习，可以搜集一些微信的秋招群或实习群等，这些群里会发布工作岗位，可以直接投递到他们的邮箱，或者直接微信递交一下简历，流程相对较快，当然，也可以在小红书上找这些信息来源。

对于秋招，一方面大家可以在小红书上加一些秋招群，或是看一些秋招博主他们怎么投的，他们投了什么等，进行查漏补缺；另一方面，针对目标就业地（如北京），那可以去关注当地知名高校（如北大、清华、人大等）的就业微信公众号，往往他们的信息是更多的、更全的，而且是更及时的。

其次，我建议大家去做文档记录，做好公司、投递链接、岗位及基本信息、面试时间线等的记录，可以有助于总结求职历程。此外，也可以积极利用社交平台（如小红书等）来追踪所投岗位的进展，比如国央企它会有群面单面等三轮面试，基本上很多人会去分享面试进程，比如说他收到了下一轮，你也可以去找这些信息来判断自己还要不要等，及时调整自己的求职策略。

2.关于面试实践

对于互联网，一般是三面，甚至四面，面试节奏比较快，快的可能一周内就能走完面试流程。一面一般考察专业能力，包含但不限于SQL笔试、自我介绍、项目经历。二面重点在于项目经历，会挖掘得比较深，答得好是很出彩的。三面可能就是见大领导。

国央企战线一般拉的比较长，先是简历投递，可能过半个月后笔试，然后一般是两到三面。第一面基本上是无领导小组，形式大概是：比如说有10个人，然后他会抛出一个问题，可能给一些选项，去商讨怎么排序，并说明排序的依据是什么；或者是热点问题或辩论题等等。对于无领导小组，可以自己总结一些热点题目（比如数字化转型等等）以及通用的话术，积极表现自己。二面一般是半结构面试，需要提前对公司、岗位内容有一定的了解，也会涉及到一些实习项目问题，以及包括学校经历、统计学知识以及个人相关的问题，认真回答即可。三面的话可能就是HR。

对于所有面试，在前期准备时，都可以从项目经历、统计学基础知识、代码等层面来准备资料库，每次面试完及时总结，并对资料库进行更新。

如果您也想做数据分析类的工作，可以测测自己的数据分析能力，欢迎挑战。

三、为什么选择数据分析行业？

由于我本硕都是统计相关专业，且了解到与统计相关工作位基本是上面提到的四类，于是在研二上，想逐一尝试，不断试错。但在进行第一份数分实习后，我坚定了这是我想要做的方向。期间，我也会跟身边同学了解其他岗位的工作内容，但发现我还是更享受专注分析数据、产出报告的过程。

其实每个岗位的技能都具有可迁移性，如果有机会，我的建议是多去尝试不同岗位，尝试后才能摸清楚自己的内心想法，了解自己真正想从事的工作内容，在研二下学期时才能精准投递，避免无用功。

选择数据分析这个行业还有一个重要的考虑，是因为我对这个行业的发展前景很有信心。虽然近来市场下行，但是数据分析师的需求量是非常高的。

2023世界经济论坛发布的《未来就业报告》，预测了未来五年内增长最快的十大岗位，其中就包括了数据分析师和科学家和数字化转型人员。

在很多企业内部，数据分析师一般都拥有清晰且广阔的晋升路径。从初级数据分析师做起，随着经验的积累和技能的提升，可以晋升为高级分析师，负责更复杂的数据分析项目和团队指导工作。

对技术有更深入追求的分析师可以转型为数据科学家，参与到前沿的算法研究和模型开发中。这种从技术到管理的多元发展路径，为数据分析师的职业生涯增添了丰富的可能性。

总的来说，选择数据分析行业一方面纯粹是因为专业和兴趣，但另一方面却也是基于现实的考虑。对于想初入职场的学弟学们来说，建议在进入一个行业前一定要深入思考自己的兴趣，全方面调研和了解行业情况。第一份工作非常重要，大家一定要认真对待。

最后，想和大家说：允许一切发生，真正的强大不是对抗，而是允许和接纳，接纳挫折，接纳无常，接纳情绪，接纳不同。每个人都会有一段特别艰难的时光，不必害怕，日升月落总有黎明，给自己一点时间，相信大家都有光明的未来！

抓住机遇，狠狠提升自己

随着各行各业进行数字化转型，数据分析能力已经成了职场的刚需能力，这也是这两年CDA数据分析师大火的原因。和领导提建议再说“我感觉”“我觉得”，自己都觉得心虚，如果说“数据分析发现……”，肯定更有说服力。想在职场精进一步还是要学习数据分析的，统计学、概率论、商业模型、SQL，Python还是要会一些，能让你工作效率提升不少。备考CDA数据分析师的过程就是个自我提升的过程。

CDA 考试官方报名入口:https://www.cdaglobal.com/pinggu.html