京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师 出品
编辑:Mika
放眼2022年,整个就业市场将有1000多万应届生,再加上各行业的一些人才结构变化,预计来年整个就业市场大概有2000万到3,000万的求职人群。
那么,该如何更好帮助这些求职者呢?
今天我们就邀请到了三位资深的HR,她们分别来北京、上海的不同行业。看看结合企业的定位,针对数据分析相关的招聘和求职,如何能给到求职者比较好的建议。
因为篇幅限制,今天先分享上部分内容,敬请期待下部分内容。
嘉宾 1 坐标上海
汽车大数据企业资深HR
嘉宾 2 坐标北京
多元化公共服务型集团企业资深HR
嘉宾 3 坐标北京
头部大型保险公司资深HR
问题1:
在招聘数据分析相关人才的过程中,比较看重哪些关键素质?
嘉宾 1:
从我们公司的角度来看,会关注这四点职业素养。
第一点,交付能力。求职者要把个人当成一个公司,能够输出可以交付、且可行可用的成果。
第二点,学习能力。不仅仅是要去学习,而且还能有学习的成果。另外要有终身学习的意识,这不仅有助于员工的本职工作,对其一生都是受用的。
第三点,专业能力。不仅具有在职岗位所需的扎实专业技能,还能不断延伸并做深入的研究。
第四点,职业道德。有些员工可能会犯数据泄露,缺乏保密意识等职业危机事件。
以上这四点就是我在日常招聘中特别看重的四点,这也是对求职者比较共通的四点要求。
主持人:
的确,因为数据部门算是公司的核心部门,公司涉及到人力、财务、成本、销售等数据都是需要过数据部门的。如果数据部门的人,在职业操守方面出了问题将会是很严重的职业道德问题,将威胁到公司的一些核心利益和价值。
很多公司在面试时,可能会非常关注这一块的问题,想验证求职者的实际职业素养水平达到怎样的层面。
嘉宾 2 :
因为我们公司是一个多元化公共服务型企业,也是基本上服务于客户的,因此对求职者我们第一点看重的就是交付能力,即对项目整个的交付能力。
第二点,因为我们是属于服务型企业,所以在与客户沟通过程中,比较看重这个人的沟通协调能力,这可能也是我们与其他公司在数据分析岗位上要求有些不同的地方。
第三点,要求有独立完成数据分析报告的能力。我们认为,数据分析师岗位不仅要有处理数据的能力,还要有基于数据方面的分析。基于本身的数据,真正能分析出里边的问题,并且能给予真正的参考意见,大概就是以上这三点。
嘉宾 3:
我们是一家大型保险公司,平常比较多的业务是在金融和保险这方面。我们在招聘数据分析岗时,比较看重求职者的勤勉度、聪慧度以及执行力。
关于当中的勤勉度,因为我们的数据分析岗人员主要分析的是一线作业流程存在什么样的问题,首先需要对一线作业的模式,以及整个流水线的工作内容有比较清晰的了解。前期会对他的学习能力有较高的要求,而且学习时间大多要利用个人的碎片化时间。
问题2:
不同行业针对数据分析岗,在专业技能方面有哪些要求呢?
嘉宾 3:
我们对求职者在SQL上的要求会比较多;还希望应聘人有一定的大数据平台使用背景;此外还希望有可视化的展示能力,也需要有Excel等基础工具的技能要求。
此外,除了要求应聘人具备底层数据挖掘的能力,分析问题的能力以外,我们还有一个比较重点的工作项目就是数据分析报告的撰写。
同时,对沟通能力要求也会比较高。因为写了数据分析报告之后,他们面对的是公司核心的管理岗,输出的数据分析报告要能清晰地传递给领导以及一线员工,要具备非常高的逻辑性。
嘉宾 2 :
我们这边还会涉及到一些对政府或者对公的数据,基本上比较看重于整个报告的撰写。
我们对数据分析整个技术上的要求可能没有其他公司那么高,基本上涉及到函数的掌握以及Python等语言工具的使用。
嘉宾 1:
我们这边专注的是汽车大数据的细分领域。平常的客户以汽车行业为主,我们公司大概有60%以上都是大数据人才,因此岗位也比较多。数据岗工种主要分成这几种:
问题3:
企业在针对年龄35+的求职人群时,会犹豫吗?
主持人:
好的,刚刚我们讨论了具体面试中对求职者的技能要求。
从现在来看,我们会发觉国内行业对人才结构方面在年龄还是有一定的限制的,尤其是前一段时间一些头部互联网企业进行了一定程度的裁员,而裁掉的基本上都是35周岁以上的这拨人。
这里就想问问几位嘉宾,对于平时招聘有没有年龄的明确界限,比如说做数据分析岗位会不会出现35岁危机,企业在选择年纪相对大一点的职业人时是否会比较犹豫呢?
嘉宾 1:
其实35+这个现象是不可避免的。但是我觉得年龄其实不是问题,关键是在于求职者有没有符合年龄所要的技能和职位,以及对应的阅历。
在我们公司就有这么一个数据分析师,他是本科学历,本来是教培行业的数学老师。大家也知道去年教培行业是多么的惨烈,当时他有半年时间找不到工作,之后他经过职业转型选择了做数据分析师。他在35岁这个年龄,基于自己个人的优势,做了合适的职业转型,也在公司得到了适合的工作岗位。我觉得他就是很好的35+的代言人。
比起其他入行转行的人员来说,他入行相当的快,而且工作态度也非常的好,不仅如此,他还报考了研究生学历的考试。我觉得这位同事的话他是一个比较正能量的代表。
因此在这里我想对35+或年纪比较大的求职者说,如果感到自己处于职业瓶颈,或者担心自己进入了职业的低谷期,大可不要去焦虑,只需要去学习,去转型去努力。对于努力的人,我相信工作机会还是会为他敞开的。
嘉宾 2:
现在整个招聘环境当中,大家都会遇到的一个问题。我们公司来说,对于年龄而言,我们更关注应聘者的综合素质以及他的能力。
如果说你的能力和年龄、经验是相辅相成的、相互匹配的,我觉得年龄问题不是特别的大,我们更看重的还是能力。
嘉宾 3:
我们公司的校招跟社招比起来,社招的话,我们并没有明确的年龄要求,我们会更看重应聘者的专业技能,希望社招人员可以快速上手。
例如掌握底层数据挖掘能力,数据分析报告的输出能力,数据分析能力,还有学习能力等。也就是希望应聘者是具备技能的,很快能上手,年龄这块我跟另外两位老师的看法相同,不要太多的焦虑。
问题4:
数据分析相关的岗位,将来的发展情况会是怎样的?
嘉宾 3:
至少未来三年内,我们企业还是会将大数据应用于客户服务,队伍人员的管理,经营决策分析,所以说对于具有数据挖掘技能,还有大数据平台使用背景,数据分析报告撰写能力的应聘人的需求量会不断增加。
对于数据分析硬技能以及沟通能力软技能的要求也会提升。
嘉宾 2 :
整个数据服务是我们集团下的服务模块,因此数据类岗位对我们来讲也是非常重要的。目前数据类的这种服务模块的体量会不断扩充,这是由市场或者这个时代发展造成的。因为现在很多的国有企业,包括一些民营的传统行业,现在对于数据类的工作越来越重视了。
如今企业发展需要靠一些深度的市场调研,还有通过原有客户流量的储备之后,发现内部的一些逻辑,然后来为自己未来的发展策略做一个定位指导。这也是为什么很多企业逐步提出了数字化转型的必要性。因此未来的3~5年之内,我们公司对数据分析相关岗位的人员数量也会逐渐递增。
嘉宾 1:
我们公司每隔一年会做一个很大的人才盘点,半年的话会做一个小的盘点。
通过人才盘点,我们会把人才划分为9类。其中横坐标的话是根据能力来划分的,纵坐标是根据绩效来划分的,从低到高的形成了9类人才。其实这样人才的发展路径就很清晰了。
比如说刚刚刚入职公司的数据分析师,他没有什么经验,在我们的盘点当中,可能体现出他是在第二档的。他的能力是可以的,但是绩效可能暂时没有体现出来。那么对于他在公司的发展,我们会帮助他快速提升绩效,给到相应的实战经验和机会。
还有一类人,比如说工作已经两年三年了,可能是数据经理或者数据小组的组长,但他的绩效还是第二档。这有可能是因为他刚刚成为管理者,他的绩效不仅体现他本人,还体现他的团队绩效,因此我们会帮助他做一些团队激励,还有一些管理能力提升的培训,让他迅速的提升做职业发展。
另外还有一类人,在公司待了三年了,他的能力是最高的,但是他的绩效很低,因此感到怀才不遇。那么我们遇到这种情况的话,就会迅速发掘,帮助他适当调整岗位,给到对应的资源和机会,能为企业稳定贡献的人才发展格局。
就是说在我们公司比较有定制化的为每一个员工进行在企业的发展路线。
我们公司也会有一些团队的轮岗计划。提供内部转岗发展的机会,比如说数据分析师、大数据工程师等岗位,根据他本人对其他岗位的发展兴趣,适当进行安排。
问题5:
针对春节前后打算跳槽和转岗的求职者,有没有什么建议吗?
嘉宾 3:
其实无论是年前还是年后凹槽,我觉得在上半年的话差距不大。
因为大公司的话,其实编制都很有限。发完年终奖之后,可能有一部分人会选择跳槽转岗,大公司确实会腾出一些编制来,这个时间段入职相对来说更难度会更小一些。但下半年的话难度就会稍微增大一些,因为面对校招的同学也都入职了,编制可能会更加紧缺。
所以说年前年后在我看来其实差距不是很大,如果说是硬要选一个的话,可能还是发完年终奖之后,那个时候企业对于人才的需求也会稍微增加一些。
嘉宾 2 :
我们每年的年初去定整个一年的招聘计划,一般的情况下12月和1月基本上所有的岗位都已经招聘完成了。
基本上年前在这段时间,各个公司的需求都比较少,所以我还是比较建议,如果可以的话,还是选择年后这段时间,相对公司的招聘的量会加大,对于求职者来讲的话,可能选择的机会多一些。
嘉宾 1:
其实在我身处的上海这边好像招聘都比较内卷。因为我了解的身边好几家公司都在搞抢人活动,就是说年前拿offer,你年后再入职。这样的话,我们抢到了人,应聘者也拿到了上家公司的年终奖。
我们公司在12月和1月中,也在积极进行抢人大赛。我觉得,求职者在年前可以去适当捡漏,因为可能会有像我们类似的企业,持续都有用人需求。年后的话,虽然说人多,但是是金子总归会发光的,金三银四去跳槽的话也是不错的选择。
问题6:
疫情对于招聘或者整个人才结构,以及薪酬结构会不会有影响?
嘉宾 3:
疫情对我们公司运营上来看,其实影响的并不是很大。因为我们所属的行业相当于是市场上的刚需。从用人的角度上,薪酬上并没有什么变化。只是说会更加招聘技术比较强的应聘者。
随着应聘人员的增加,与此同时我们就会从中挑选,优中选优。
嘉宾 2:
我们基本上可以说完全没有受到影响。我们所处的行业基本上数据服务的项目是一直在的,对人员的需求基本上跟每年保持一致。
因为需求没有太多变化,在薪资结构上基本变化也不大。
嘉宾 1:
最近这两年的话其实对我们企业的影响并不大。2020年大概上半年会略微有一点影响,因为公司的客户调整了预算,导致一些已经签订的合作预算降低了。但是的话利用那一段时间企业内部做了一些业务转型,根据疫情调整了一下主要的业务产品。
尤其是2021年,我们是将近把员工人数扩充了过去的近一倍,也是在疫情中求生出来,最终闯出了一条比较好的路。
在求职工作中,还有哪些问题是大家最关注的呢?
因为篇幅限制,今天先分享上部分内容,敬请期待对话HR的下部分内容。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22