数据分析老司机给新人们的四点建议

曾经面试过很多家公司，面试过很多岗位，如今沉淀一下仔细想想，有很多地方可以给一些建议，这一篇写给想入门、想转行的同学。

一、职业方向

谈面试之前，先聊聊数据的职业方向如何，大数据方向根据目前的行业情况主要有：

1、岗位：数据分析师（BI/BA） 

方向：数据分析、运营、商业分析

2、岗位：数据开发工程师（大数据开发） 

方向：报表开发、模型设计、ETL、技术支持

3、岗位：平台开发工程师（负责平台运维开发）         

方向：数据平台开发、运维、工具开发

4、岗位：数据产品经理（数据方向）                           

方向：产品设计、推广、需求对接

5、岗位：数据挖掘工程师（算法工程师）                    

方向：算法实现、算法改良、数据应用

6、岗位：机器学习、人工智能（高端方向）                 

方向：人工智能应用、图像、语音、文本等方向

以上几个岗位（5、6一般都要求研究生学历，有些会要求985、211），大家熟悉的话 ，应该也能自己理出来，每个岗位都有细分，比如数据开发工程师下面会细分：ETL、模型设计、报表开发等。很多人都知道现在大数据相关职业赚钱，所以大家都想入行，入行前你可以参考上面的岗位选择自己对应的方向。

二、优劣及选择

选择方向之前，再三确认一下，你是否喜欢这个方向？想做这行吗？如果答案是确定的话，那么你可以考虑入行了，要说入行不得不先说两个词：专业壁垒和行业壁垒（学历壁垒暂时不谈）。

专业壁垒：一般来说岗位招聘都会写一个要求：专业为计算机、数学、统计学等相关专业，有这个要求并不奇怪，因为经过大学这几年的培养，这类专业的人相对其他专业的人有优势，企业培养这个方向的人成本低，会优先考虑这一类人。

行业壁垒：就拿金融和互联网来说，招聘时会带有行业色彩，一般来说跨行进入的人员不会太受欢迎，所以互金的人很吃香。

如果你不存在这些壁垒，那么恭喜你，比其他起点高。如果你存在这些壁垒，那么也不要气馁，后期学习更重要。

以我自身为例，本科学过c、学过sql，再说我是统计学出身，那我觉得我入行数据分析没问题，考考我sql我可以过，至于后来为啥转开发了，因为部门缺开发（泪奔，被迫的~）。

那么如果你不是科班，也没有学过sql编程怎么办？那么你可以选择：1、网络课程，2、面授班进行学习，有一定的基础这是前提，学习过程一定要能匹配岗位要求，现在的课程基本也是匹配岗位要求的，如果心里没底，那么你可以看第三项职位简述。一般网络课程是自我驱动，面授班都是被金钱驱动的多，自己边学边实践，到火候了就可以多投几家公司开始试试水，好好准备面试，不要怂，一定要把自己学习能力、积极向上的一面表现出来。

在此说一句良心话，所有的学习不如实践来的重要，所有的面试都会看重这一点，有机会尽量在工作中实践，入门前自己多搭环境自己实践，不要被自己的学习所框住，学的东西只有在用的时候才知道什么时候不行，什么时候能行！

三、职位简述

做好了准备，明确了自己的选择方向，那么就可以好好准备你的职业成长方向了，找几个大公司的招聘JD(职位介绍)，会细分到岗位里面的具体要求，这些要求其实就是对应这些岗位你所能匹配的能力选项，如果你能到这些选项都匹配，那么恭喜你，你已经是个牛人了。一般匹配度60%，匹配项3项以上基本就可以开始面试看看了。

这几个岗位里面，算法、机器学习有学历要求，不是科班难度很大。分析、产品、平台基本要求工作经验，数据开发要求学习和编程能力，相对而言，1-4这几个岗位是比较好入门的，后面成长要看学习能力和自我驱动能力。

数据分析：

1、本科及以上学历，2年以上工作经验，数学、计算机专业优先；

2、有一定的创新能力，在以往的数据分析、挖掘等工作中有自己独特的见解；

3、具有较强的逻辑思维能力、数据洞察能力和沟通协调能力，拥有强烈的责任心和团队合作精神；

4、具有探索精神，从数据中发现价值用以支持决策；

5、拥有电商行业背景、或财务、品类管理背景优先。

数据开发：

1.计算机，软件等相关专业；具有较强的编程能力（Java/Python）；

2.具有海量数据计算，实时流式计算等相关项目经验；

3.熟练应用Hadoop、Hive、Spark，Storm等大数据相关技术并了解其原理； 

4.优秀的分析问题和解决问题的能力，能够把理论成功应用于实践；

5.有极强的责任心和工作主动性；

6.有数据分析和BI系统研发背景者优先。

数据产品：

1、3年以上互联网产品相关经验，其中2年以上大数据产品经验，对于数据平台搭建、数据体系建设有实战经验以及成熟的思路，可考虑大数据相关研发人员的转岗；

2、熟练使用Axure、XMind、MindManager、Visio等产品工具，清晰表达产品流程和交互流程；

3、具有较强的逻辑思维能力和沟通能力，对产品设计，产品生命期管理等有成熟的经验和思路。

4、文字呈现和执行能力强，能够快速的生成方案；

5、熟悉Hadoop、Java，R、Python、Spark等主流技术，有业务建模和数据挖掘经验者优先;

6、良好的业务理解能力、逻辑思维和沟通能力、跨团队沟通协调能力；做事积极主动，有较好的自主学习能力;

7、有大规模数据挖掘、推荐系统、机器学习的产品设计经验者优先

数据平台：

1.两年以上大数据平台设计和开发经验，具备优秀的编程能力和良好的开发习惯。

2.具备独立架构设计、内核开发、测试与运维的能力，有过大规模系统设计和工程实现的经验。

3.熟悉Spark、Spark SQL和Spark Streaming内核原理；了解Hadoop生态组件相关技术，例如Hadoop、Hive、Storm等。

4.精通Java、Scala语言，熟悉Linux 操作系统，熟练使用Python、Shell脚本语言。

5.具有认真的技术态度，良好的团队沟通和协作能力。

数据挖掘：

1.硕士及以上学历，计算机科学或数学相关专业毕业；

2 了解LR，聚类，分类，神经网络，强化学习等相关机器学习理论和算法；

3.熟悉linux平台，掌握C/C++/Java某一种编程语言，具有良好的编程习惯和算法基础；

4.熟悉hadoop,spark等平台上面向海量数据的算法实现及数据分析技能；

5.出色的问题分析及解决能力，能自我驱动，持续面对新挑战。

机器学习：

1.硕士或博士，应届生或工作经验1-3年；

2.计算机、统计、电子、数学、数理统计等相关专业，机器学习/数据挖掘/信息检索/自然语言处理/统计分析相关背景； 

3.掌握常用的分类、回归、聚类、预测、关联规则、序列模式等挖掘算法，了解数据挖掘前沿技术；  

4.熟练使用一种或多种数据挖掘工具，使用python/shell/scala等脚本语言； 

5.具有很强的学习和研究能力，英语熟练，能够熟练阅读英文技术资料，积极创新、乐于协作、善于沟通。

四、多交流、勤学习

如果你成功入门，那么恭喜你，进入了所谓的高薪行业，其实，里面的坑太多了，那么你得找几个群和同行业的我们多交流、多踩坑，那么慢慢的你会发现你也可以diss人了。