应届生想应聘bat的数据分析或者数据挖掘岗，该如何准备？

题主是一名普通211学校的统计学研二学生，本科专业是渣二本的信息与计算科学。
        什么样的条件才是bat这类公司（最好是在成都）所需要的呢？我数据分析和数据挖掘的都会一点，但不深Excel,spss,R,matlab,SQL,Python等这些工具都只能基本能用，没几个学的好的，不百度谷歌的话，只能写点小程序（我说的小程序是指一百行以内的代码 ）理论方面还稍微好点，统计的和统计学习的基础知识都还有点，就像机器学习的模型推导在我看来比实用编程亲切多了。

       现在在一家大数据公司实习，当然只是名义上的，根本接触不到项目只是在SQL查查数据，或者做做因子分析，k-means聚类，决策树什么的。Hadoop和spark就别想了，当然我也不会。
        那么问题来了，学那些工具让题主的理论知识忘得有点快（这就是智商不够的烦恼？），到底该抓哪头呢？BAT更看重什么？
对了，它们看重英语吗，六级没过会不会影响？

本篇回答从以下三个阶段详细的为你阐述如何准备数据分析师的面试，一应俱全，你需要的全都有。
第 1 阶段：面试开始，逃不掉的自我介绍
第 2 阶段：考察能力的技术问题
第 3 阶段：面试结束时的问题
最后，我们聊聊面试当天要注意什么，以及面试失败以后怎么办
一、逃不掉的自我介绍

首先，面试的开头就是自我介绍。通常面试官也会根据你的自我介绍来展开问后面的问题。比如你在自我介绍种说了一个项目，那面试官就问这个项目的细节，比如你用了什么技术，如何实现某个功能的等等。通过项目的细节来考察你某个方面的能力，因此，自我介绍非常重要。

如果你实在不知道如何准备自我介绍，可以按下面模板准备：
1）我是谁：一句话说清楚你哪年在哪里获得什么学位。
2）我做过什么：按时间顺序讲下你认为做过的最好的 1 个或者 2 个项目。
简单说下用了什么技术，最后的成果是什么。最好能有些量化的指标，比如达到了怎样的效果等等。
注意这里自我介绍不要展开了说项目，而是从总体上介绍项目，这样做的好处是，留有余地，让面试官后面能根据你的描述展开问你这些项目的细节。不然，如果你连细节都说了，后面面试官都不知道该问你啥了，这就叫做留有余地。
3）我想做什么：在最后说下我希望能在贵公司继续发挥我的 xxx 能力。
二、考察对数据分析岗位的理解与职业规划

数据分析师与数据工程师的区别在哪里？为什么转行， 为什么没在公司内部转岗？你理解的分析师的工作是怎样的？分析团队的价值是什么？你觉得数据分析最重要的是什么？你平时都是怎么做数据清洗的？数据分析都用哪些工具？你认为数据分析师应该具备哪些能力？你对数据分析这个职位有什么看法？你对自己的职业定位是怎样的？你的优点和缺点是什么？为什么要选择做数据分析？（如果是转行，一般面试官会必问这个问题，建议结合原工作回答，从原工作引申过来。）你觉得数据分析最难的地方在哪里？（这个最好结合面试公司的业务产品来说，容易引起共鸣）你觉得数据分析的工作最大的收获是什么？

三、考察技术能力的问题

虽然各个数据分析师要做的事情不同，但是数据分析师最重要的 3 个能力却是通用的。面试过程一般会根据这 3 个能力来提问：
1）数据分析工具
2）理论知识
3）业务逻辑
这一部分是对业务能力的考察，可以说是整个面试中最重要的环节了，直接决定你能不能过。
如果觉得自己在专业能力上还需要提升，或者基础薄弱但想做数据分析师，可以报名中科院大咖在知乎知学堂上开设的「数据分析 3 天实战训练营」。


不仅会结合具体的工作场景，教你数据分析工具的使用方法，还会带你 get 面试官尤其看重的数据思维。既掌握了专业技能、又具备思路和逻辑，面试会顺利不少。
下面分别谈下这 3 个能力要掌握哪些知识。
1. 工具
常用的数据分析工具有 Excel+SQL+Python/R，有的公司要求会一种就可以，有的要求都会，所以根据你应聘职位的不同自由选择学习就可以。
1）Excel
需要掌握的核心技能有：
数据透视表，vlookup，常用函数的使用，基础图表的制作

常见的面试题：之前工作里用过什么报表？
面试官主要想通过这个题目看下之前工作的复杂性，可以针对类似的问题准备下，比如说自学做项目的时候遇到过什么类型的报表之类的。不过不要脱离现实瞎编，因为很容易被戳穿。
建议面试前准备一个项目，面试当天把电脑带过去，当问到 excel 技能的时候，直接拿出来给面试官演示。面试官除了问 excel 技能，还会问做表的逻辑，所以要能够讲清楚做表的逻辑，对方就会比较认可。
2）SQL
公司的内部数据存储在数据库中，作为数据分析师要能够从数据库中获取数据并进行分析。
需要掌握的核心技能有：

会利用 SQL 操作开源数据库 mysql 进行查询存储过程

• 数据库的分组、聚合、排序
  

最常见的考 SQL 的方法给你一个虚拟的数据库表结构，然后让你按给出的条件查询出数据，并用手写的形式写出在纸上。所以面试前把常用的语句记清楚就行了。
常见的 SQL 笔试题和面试题：经典 50 题 4888 赞同 · 235 评论文

3）编程语言 Python 或者 R
一般情况下，这两种语言会一种就够了。如果是学习 Python 的话，需要掌握的核心技能：

Python 基本语法Python 数据分析的包（numpy, pandas, matplotlib)能够用 python 操作结构化数据，进行数据清洗，数据抽取，数据可视化等使用 python 操作数据库

一般不会在代码上问得太细，毕竟写工作的时候不会的就用搜索引擎搜呗，面试官重要的想知道你究竟有没有用过这个技能。 参考复习资料：零基础掌握人工智能(AI)核心语言：Python

2.理论知识
1）统计概率
这是数据分析必须要学的，不然很多统计指标看不懂，统计方法也不了解，怎么做数据分析呢？
需要掌握的核心技能有：

描述性统计（平均值，标准差，中位数）概率（独立事件，相关事件，期望，包括贝叶斯）概率分布（离散概率分布，连续概率分布）

• 统计推断（抽样，置信区间，假设检验）
  

例如面试官可能会这样问：置信区间 （Confidence Interval） 是更怕 I 型错误还是 II 型错误？如果还不会，可以看这个复习：统计概率思维：误差思维和置信区间

2）机器学习（加分项）
机器学习这一块其实应该算是数据分析岗位的加分项，不一定是必须的，要看具体岗位。
需要掌握的机器学习算法：

分类算法：逻辑回归，贝叶斯、决策树、随机森林回归算法：线性回归

• 聚类算法：K-means
  

需要掌握的核心技能：

特征工程模型评价

• 交叉检验（用已有的数据监测算法的预测力）
  

能够熟悉常见算法的基本原理、了解各类算法的优缺点和使用场景即可，如果是学到 Python，要会使用 Python 的机器学习 sklearn 包应用这些算法解决具体的问题。这方面多做几个 kaggle 项目可以解决：Kaggle 如何入门？

3.业务知识
主要包括业务指标和数据分析报告 2 块内容的掌握。
1）业务指标
数据分析师每天要关注大量数据指标，而数据指标又与具体的领域业务相关，掌握常用的数据指标可以灵活应对面试中提出的业务问题。
需要掌握的核心技能：

某一领域的业务知识数据分析思维：漏斗思维，分类思维，平衡思维，A/B test，金字塔原理等相关性和因果关系的区别， 通过案例可以分析出来

常见的面试题：
分析一个你在工作中能体现分析思维的例子？
各个指标如何衡量，比如 app 的转换率，是点击算转化还是注册了算转化还是购买产品后算转化？
运营过程中，看某个指标有问题，你会怎么具体分析？
跟我讲讲你之前公司业务运作模式或者情况？
你做的事情对于业务有什么作用？

业务知识面试如何准备？
1）确定好要找哪个领域的数据分析师工作
如果你说自己想进入「互联网行业'，那就说明你还没想清楚到底要干什么。因为互联网的存在是为了解决某个领域的问题，比如滴滴、高德地图解决的是出行交通领域的问题，小学英语在线平台 vipkid 解决的是教育行业的问题，蚂蚁金服解决的是金融行业的问题，饿了么解决的是餐饮行业的问题。
而这些领域都需要数据分析师，每个领域的业务知识也不一样。所以以后你找的也是成为 XXX 行业的数据分析师。只有确定了行业，才能研究这个行业是什么，对症下药，这样成功转型的概率最大。
选择领域建议优先选择与之前行业相关领域的数据分析师，因为有之前的行业经验作为你的业务知识，可以很快找到工作。

2）找到某领域的招聘职位需求
确定好领域以后，就可以在招聘网站查找这个领域的数据分析职位，看看具体要求哪些。然后对应的去准备。
3）简历中的项目要有针对性，转行成功的社群会员小周说的很对：

「聚焦」某个领域的数据分析才能有用。比如我做的有两个项目都是关于金融的，所以我在投互联网金融公司的时候获取到的面试机会比较多。

2）如何做数据分析报告？
数据分析的最终产出是一份份报告，可能是 PPT，也可能是 PDF 等，活在使用 python 的 notebook 来生成：如何用 Python 绘图和制作数据分析报告？。所以你还要会做数据分析报告。

上面每个技能的熟练程度划分为 5 个等级，依次分别是：

了解基本概念了解基本概念/会简单操作熟悉基本概念/熟练操作

• 精通逻辑论证/能改进优化
  

对于找数据分析师实习或者初级数据分析师的工作来说，上面这几个知识大多只需要掌握到第 2 个等级就可以了。

3）面试中遇到不会的问题怎么回答
可以参考这个里面的经验分享（来源：柯本：从零开始学数据分析，什么程度可以找工作？）：

面试官的出身决定了他/她对哪个方面更看重。数学专业出身的会问更多的统计概率、分析思维，甚至模型方面的问题；

计算机专业出身的会问更多的 SQL、python，甚至 Hive、spark 方面的问题，面对这种类型的面试官，就不要跟他们说 Excel，power BI 用的如何如何了，会直接拉低好感。

不管哪种情况，都会有一个共同的可能性：被问到自己一窍不通的知识点。这时候不要慌张，我们都是转行的，有些工具没用过是正常的，我们可以真诚的表达出自己愿意按公司的需要快速学习提升的意愿。

4.考察项目
通常会这样问题：

请举例说明自己参与的一个数据分析项目在这个项目中你做了什么？遇到的困难是怎么解决的？

还会问：
1）分析维度有哪些？
2）用了哪些分析方法？
3）分析得出哪些结论？
4）提出了哪些有效的建议？
5）达到了什么样的效果？
介绍项目主要采用主要采用 STAR 法则，不懂的看这个：
面试时问到我的项目经历，是在问我什么呢？118 赞同 · 9 评论回答



面试官会根据你说的内容，看你是否真的做过这个项目，考察你的实际技术能力，和逻辑能力是否清晰。
四、面试结束时的问题

问完上面的技术问题，到了面试快结束的环节，面试官通常会问：你有什么问公司的？
这时候绝对不要问工资、五险一金和年假制度（这种是面试通过后，到了 HR 阶段有的是机会私下问 HR）。你可以提前准备这样几个问题，比如：
我会和谁一起工作？
如果我遇到问题，我可以通过哪些方式获得指导？
公司希望我在三个月左右能达到什么水平？
在我以前，公司里最优秀的新人是什么样的？
五、最后，和你谈谈心

1.找工作什么时机概率最大？
秋招（每年的 10、11 月份）和春招（每年的 3、4 月份），是各大企业招聘的黄金时期，在这个时候会涌现出大量的岗位需求，包括数据分析师。并且，由于需求的突然涌现，一般都会带来一定程度的供不应求的状态，企业也会根据需求的紧急程度来适当调整入职门槛。大部分互联网公司都在这个阶段完成招聘。

2.面试当天要注意什么？ 穿的正常就可以，不要太与众不同。手机不要调成振动，一定要调整到无声。坐下就拿出笔记本（能写字的那种笔记本哦）。对面试官不要叫「某总」，张嘴就叫「老师」。
简历里不写错别字。面试时一直笑眯眯。
进入面试环节后，不要被对方牵着鼻子走，要多说你会的，你熟悉的，不会的就说没做过。这是为什么呢？因为面试的时间相对固定，你说的多了。面试官问的就少了。你暴露的几率也就低了。

3.如果面试失败怎么办？
1）第 1 种情况，简历制作太差
如果你是转行到数据分析，是没有项目经验的，但是如果简历里面也是一片空白，连面试的机会都没有，这方面可以具体看我详细写的：如何制作高水平简历？

2）第 2 种情况，找错职位了
市面上的职位虽然名称都是「数据分析师」，但是要做的事情却是大大的不一样。面试失败，可能是你应聘的职位并不是适合你的那个「数据分析师」。
比如之前有位社群会员是学到了入门阶段，但是去应聘一家数据分析师，要求精通机器学习，那么这种能力和职位不匹配，肯定是过不了面试的。这种情况你就要筛选出符合自己能力的职位，并看清楚职位的介绍，根据自己的能力来找到适合自己的工作。
所以，如果面试被拒也不要气馁，有可能并不是你的原因，只是与岗位要求不匹配。

现在已经转行成功的社群会员 insight 是这么分享他找工作中犯的一个错误的：

收到面试通知时，没有问 HR 在公司数据分析职位是做哪些工作或是用什么分析工具。我投递简历选择的是拉勾网和 BOSS 直聘，前两天很认真的投递了简历，也收到了三家金融公司的面试，但一了解是让做金融交易员的，瞬间心脆。

三天过去还有合适的公司，就有点心慌了，于是看到职位描述上有 EXCEl 和 Mysql 相关技能的，我都投了一份简历。没有针对性，也是犯了效率不高的错，这个错误等下说，重要的是收到面试通知时，没有问清 HR 数据分析工作是用什么分析工具或者主要是做什么工作。 我去北京第一家公司面试的时候，就是奔着他们的职位描述去的，当时想就是自己要的工作，但去了之后，HR 说他们公司只用 EXCEL 做数据分析，公司慢慢的会有数据团队。

还有另外一家做大数据的公司，面试的时候出的是这样的题目，问题 1:tensorflow 构建一个神经网络的步骤；问题 2：试用 scikit-learn 实现一个简单的线性回归模型(这个记不太清了)，全都是诸如此类的问题。 所以说，如果提早的询问下，就会减少不必要的麻烦，可以多面试几家相符的公司。

3）第 3 种情况，面试失败是中常态
记住，面试是个长期的过程，很可能你投递简历很长时间没有人联系你，突然有一天电话就来了。这时候考察的就是谁能坚持到最后，一边积极等待投简历，一边积极准备技术。
失败的面试不代表你不行，而是你和公司不适合。这就好比谈恋爱，双方互相看对眼了才能双宿双飞。
动感单车健身公司飞轮运动（Flywheel Sports）的 CEO 欧哈根，她曾在 30 岁之前两次被公司开除。所以几次失败，不要否定自己。学会拥抱失败。你经历的每件事情都会给你收获，所以在经历这些时不要压力太大。而且人生不止一次机会。如果面试失败就去看《当幸福来敲门》，学会鼓励自己。再不行，就多看看这些经过多次失败，但是最后转行成功的朋友。记住，你并不孤单。
4）第 4 情况，还没准备好
如果到最后经过 N 多次面试，并且排除了前面几种情况的可能，那么你已经总结好了面试中哪些能力是自己没有准备好的，那么你后面就可以多花些时间在这些欠缺的地方花更多时间去弥补上。等准备好了，再去应聘。有时候，人生比的不是谁跑的更快，而是谁能跑到终点。因为，有很多人没到终点，就放弃了。
同时，如果是转行数据分析，因为没有工作经验被拒的话，也可以通过测试、运营、产品、等岗位曲线救国。
因为互联网公司的测试岗位，空余时间多，你可以有更多的时间来同时学习数据分析方面的知识，还赚取了互联网工作的经验。而运营、产品工作中要经常跟数据打交道，不仅能熟悉公司的业务，还能接触到数据，后期合适的机会不管是进行内部转岗到数据分析部门，还是再找数据分析的工作会比较有优势。

最后，祝你成功。每个人生下来都是猴子，可有些人却最终可以逆袭为悟空。所以每个人心中其实住了个大圣。齐天大圣是不会死的，他只是睡着了。有一天，你要是够坚强，够勇敢，就能驾驭它。
如果觉得自己在能力上还需要提升，欢迎体验「数据分析大咖 3 天实战训练营」，点击下面链接即可体验。

本文作者：@猴子

使用 App 查看完整内容目前，该付费内容的完整版仅支持在 App 中查看
<a href="http://oia.zhihu.com/answer/2748258226/" class="internal" style="color: #0084FF;text-decoration:none;border-bottom:none;">🔗App 内查看

被人面试过，也面试过别人。从面试开始到结束的3个阶段详细聊聊面试中常见的问题以及如何回答准备。这3个阶段分别是：
第1阶段：面试开始，逃不掉的自我介绍
第2阶段：考察能力的技术问题
第3阶段：面试结束时的问题
最后，我们聊聊面试当天要注意什么，以及面试失败以后怎么办

一、逃不掉的自我介绍
首先，面试的开头就是自我介绍。通常面试官也会根据你的自我介绍来展开问后面的问题。比如你在自我介绍种说了一个项目，那面试官就问这个项目的细节，比如你用了什么技术，如何实现某个功能的等等。通过项目的细节来考察你某个方面的能力，因此，自我介绍非常重要。

如果你实在不知道如何准备自我介绍，可以按下面模板准备：
1）我是谁：一句话说清楚你哪年在哪里获得什么学位。
2）我做过什么：按时间顺序讲下你认为做过的最好的1个或者2个项目。
简单说下用了什么技术，最后的成果是什么。最好能有些量化的指标，比如达到了怎样的效果等等。
注意这里自我介绍不要展开了说项目，而是从总体上介绍项目，这样做的好处是，留有余地，让面试官后面能根据你的描述展开问你这些项目的细节。不然，如果你连细节都说了，后面面试官都不知道该问你啥了，这就叫做留有余地。
3）我想做什么：在最后说下我希望能在贵公司继续发挥我的xxx能力。

二、考察对数据分析岗位的理解与职业规划

• 数据分析师与数据工程师的区别在哪里？
  
• 为什么转行， 为什么没在公司内部转岗？
  
• 你理解的分析师的工作是怎样的？
  
• 分析团队的价值是什么？
  
• 你觉得数据分析最重要的是什么？
  
• 你平时都是怎么做数据清洗的？
  
• 数据分析都用哪些工具？
  
• 你认为数据分析师应该具备哪些能力？
  
• 你对数据分析这个职位有什么看法？
  
• 你对自己的职业定位是怎样的？
  
• 你的优点和缺点是什么？
  
• 为什么要选择做数据分析？（如果是转行，一般面试官会必问这个问题，建议结合原工作回答，从原工作引申过来。）
  
• 你觉得数据分析最难的地方在哪里？（这个最好结合面试公司的业务产品来说，容易引起共鸣）
  
• 你觉得数据分析的工作最大的收获是什么？
  

三、考察技术能力的问题
虽然各个数据分析师要做的事情不同，但是数据分析师最重要的3个能力却是通用的。面试过程一般会根据这3个能力来提问：
1）数据分析工具
2）理论知识
3）业务逻辑
这一部分是对业务能力的考察，可以说是整个面试中最重要的环节了，直接决定你能不能过。
如果觉得自己在专业能力上还需要提升，或者基础薄弱但想做数据分析师，可以报名我在知乎知学堂上开设的「数据分析 3 天实战训练营」
下面分别谈下这3个能力要掌握哪些知识。
1. 工具
常用的数据分析工具有Excel+SQL+Python/R，有的公司要求会一种就可以，有的要求都会，所以根据你应聘职位的不同自由选择学习就可以。
1）Excel
需要掌握的核心技能有：
数据透视表，vlookup，常用函数的使用，基础图表的制作

常见的面试题：之前工作里用过什么报表？
面试官主要想通过这个题目看下之前工作的复杂性，可以针对类似的问题准备下，比如说自学做项目的时候遇到过什么类型的报表之类的。不过不要脱离现实瞎编，因为很容易被戳穿。
建议面试前准备一个项目，面试当天把电脑带过去，当问到excel技能的时候，直接拿出来给面试官演示。面试官除了问excel技能，还会问做表的逻辑，所以要能够讲清楚做表的逻辑，对方就会比较认可。



2）SQL
公司的内部数据存储在数据库中，作为数据分析师要能够从数据库中获取数据并进行分析。
需要掌握的核心技能有：

• 会利用SQL操作开源数据库mysql进行查询
  
• 存储过程
  
• 数据库的分组、聚合、排序
  

最常见的考SQL的方法给你一个虚拟的数据库表结构，然后让你按给出的条件查询出数据，并用手写的形式写出在纸上。所以面试前把常用的语句记清楚就行了。

常见的SQL笔试题和面试题：经典50题4453 赞同 · 223 评论文章

3）编程语言Python或者R
一般情况下，这两种语言会一种就够了。如果是学习Python的话，需要掌握的核心技能：

• Python基本语法
  
• Python数据分析的包（numpy, pandas, matplotlib)
  
• 能够用python操作结构化数据，进行数据清洗，数据抽取，数据可视化等
  
• 使用python操作数据库
  

一般不会在代码上问得太细，毕竟写工作的时候不会的就用搜索引擎搜呗，面试官重要的想知道你究竟有没有用过这个技能。 参考复习资料：零基础掌握人工智能(AI)核心语言：Python

2.理论知识
1）统计概率
这是数据分析必须要学的，不然很多统计指标看不懂，统计方法也不了解，怎么做数据分析呢？
需要掌握的核心技能有：

• 描述性统计（平均值，标准差，中位数）
  
• 概率（独立事件，相关事件，期望，包括贝叶斯）
  
• 概率分布（离散概率分布，连续概率分布）
  
• 统计推断（抽样，置信区间，假设检验）
  

例如面试官可能会这样问：置信区间 （Confidence Interval） 是更怕I型错误还是II型错误？如果还不会，可以看这个复习：统计概率思维：误差思维和置信区间

2）机器学习（加分项）
机器学习这一块其实应该算是数据分析岗位的加分项，不一定是必须的，要看具体岗位。
需要掌握的机器学习算法：

• 分类算法：逻辑回归，贝叶斯、决策树、随机森林
  
• 回归算法：线性回归
  
• 聚类算法：K-means
  

需要掌握的核心技能：

• 特征工程
  
• 模型评价
  
• 交叉检验（用已有的数据监测算法的预测力）
  

能够熟悉常见算法的基本原理、了解各类算法的优缺点和使用场景即可，如果是学到Python，要会使用Python的机器学习sklearn包应用这些算法解决具体的问题。这方面多做几个kaggle项目可以解决：Kaggle如何入门？

下面是已经转行成功社群会员分享的面试经验：



3.业务知识
主要包括业务指标和数据分析报告2块内容的掌握。
1）业务指标
数据分析师每天要关注大量数据指标，而数据指标又与具体的领域业务相关，掌握常用的数据指标可以灵活应对面试中提出的业务问题。
需要掌握的核心技能：

• 某一领域的业务知识
  
• 数据分析思维：漏斗思维，分类思维，平衡思维，A/B test，金字塔原理等
  
• 相关性和因果关系的区别， 通过案例可以分析出来
  

常见的面试题：
分析一个你在工作中能体现分析思维的例子？
各个指标如何衡量，比如app的转换率，是点击算转化还是注册了算转化还是购买产品后算转化？
运营过程中，看某个指标有问题，你会怎么具体分析？
跟我讲讲你之前公司业务运作模式或者情况？
你做的事情对于业务有什么作用？



转行成功社群会员的经验分享

业务知识面试如何准备？
1）确定好要找哪个领域的数据分析师工作
如果你说自己想进入“互联网行业'，那就说明你还没想清楚到底要干什么。因为互联网的存在是为了解决某个领域的问题，比如滴滴、高德地图解决的是出行交通领域的问题，小学英语在线平台vipkid解决的是教育行业的问题，蚂蚁金服解决的是金融行业的问题，饿了么解决的是餐饮行业的问题。
而这些领域都需要数据分析师，每个领域的业务知识也不一样。所以以后你找的也是成为XXX行业的数据分析师。只有确定了行业，才能研究这个行业是什么，对症下药，这样成功转型的概率最大。
选择领域建议优先选择与之前行业相关领域的数据分析师，因为有之前的行业经验作为你的业务知识，可以很快找到工作。



2）找到某领域的招聘职位需求
确定好领域以后，就可以在招聘网站查找这个领域的数据分析职位，看看具体要求哪些。然后对应的去准备。
3）简历中的项目要有针对性，转行成功的社群会员
@周荣技
说的很对：

“聚焦”某个领域的数据分析才能有用。比如我做的有两个项目都是关于金融的，所以我在投互联网金融公司的时候获取到的面试机会比较多。

2）如何做数据分析报告？
数据分析的最终产出是一份份报告，可能是PPT，也可能是PDF等，活在使用python的notebook来生成：如何用Python绘图和制作数据分析报告？。所以你还要会做数据分析报告。

上面每个技能的熟练程度划分为5个等级，依次分别是：

• 了解基本概念
  
• 了解基本概念/会简单操作
  
• 熟悉基本概念/熟练操作
  
• 精通逻辑论证/能改进优化
  

对于找数据分析师实习或者初级数据分析师的工作来说，上面这几个知识大多只需要掌握到第2个等级就可以了。

3）面试中遇到不会的问题怎么回答
可以参考这个里面的经验分享（来源：柯本：从零开始学数据分析，什么程度可以找工作？）：

面试官的出身决定了他/她对哪个方面更看重。数学专业出身的会问更多的统计概率、分析思维，甚至模型方面的问题；

计算机专业出身的会问更多的SQL、python，甚至Hive、spark方面的问题，面对这种类型的面试官，就不要跟他们说Excel，power BI用的如何如何了，会直接拉低好感。

不管哪种情况，都会有一个共同的可能性：被问到自己一窍不通的知识点。这时候不要慌张，我们都是转行的，有些工具没用过是正常的，我们可以真诚的表达出自己愿意按公司的需要快速学习提升的意愿。

4、考察项目
通常会这样问题：

• 请举例说明自己参与的一个数据分析项目
  
• 在这个项目中你做了什么？
  
• 遇到的困难是怎么解决的？
  

还会问：
1）分析维度有哪些？
2）用了哪些分析方法？
3）分析得出哪些结论？
4）提出了哪些有效的建议？
5）达到了什么样的效果？
介绍项目主要采用主要采用STAR法则，不懂的看这个：

面试时问到我的项目经历，是在问我什么呢？116 赞同 · 9 评论回答
面试官会根据你说的内容，看你是否真的做过这个项目，考察你的实际技术能力，和逻辑能力是否清晰。

四、面试结束时的问题
问完上面的技术问题，到了面试快结束的环节，面试官通常会问：你有什么问公司的？
这时候绝对不要问工资、五险一金和年假制度（这种是面试通过后，到了HR阶段有的是机会私下问HR）。你可以提前准备这样几个问题，比如：
我会和谁一起工作？
如果我遇到问题，我可以通过哪些方式获得指导？
公司希望我在三个月左右能达到什么水平？
在我以前，公司里最优秀的新人是什么样的？
进入公司以后做什么工作？
不要以为这块提问不重要，找工作是双向选择的过程，这块搞不清楚，会出现下面的情况：











四、最后，猴子我和你谈谈心
1.找工作什么时机概率最大？
秋招（每年的10、11月份）和春招（每年的3、4月份），是各大企业招聘的黄金时期，在这个时候会涌现出大量的岗位需求，包括数据分析师。并且，由于需求的突然涌现，一般都会带来一定程度的供不应求的状态，企业也会根据需求的紧急程度来适当调整入职门槛。大部分互联网公司都在这个阶段完成招聘。

2.面试当天要注意什么？ 穿的正常就可以，不要太与众不同。手机不要调成振动，一定要调整到无声。坐下就拿出笔记本（能写字的那种笔记本哦）。对面试官不要叫“某总”，张嘴就叫“老师”。
简历里不写错别字。面试时一直笑眯眯。
进入面试环节后，不要被对方牵着鼻子走，要多说你会的，你熟悉的，不会的就说没做过。这是为什么呢？因为面试的时间相对固定，你说的多了。面试官问的就少了。你暴露的几率也就低了。

3.如果面试失败怎么办？
1）第1种情况，简历制作太差
如果你是转行到数据分析，是没有项目经验的，但是如果简历里面也是一片空白，连面试的机会都没有，这方面可以具体看我详细写的：如何制作高水平简历？

2）第2种情况，找错职位了
市面上的职位虽然名称都是“数据分析师”，但是要做的事情却是大大的不一样。面试失败，可能是你应聘的职位并不是适合你的那个“数据分析师”。
比如之前有位社群会员是学到了入门阶段，但是去应聘一家数据分析师，要求精通机器学习，那么这种能力和职位不匹配，肯定是过不了面试的。这种情况你就要筛选出符合自己能力的职位，并看清楚职位的介绍，根据自己的能力来找到适合自己的工作。
所以，如果面试被拒也不要气馁，有可能并不是你的原因，只是与岗位要求不匹配。

现在已经转行成功的社群会员insight是这么分享他找工作中犯的一个错误的：

收到面试通知时，没有问HR在公司数据分析职位是做哪些工作或是用什么分析工具。我投递简历选择的是拉勾网和BOSS直聘，前两天很认真的投递了简历，也收到了三家金融公司的面试，但一了解是让做金融交易员的，瞬间心脆。

三天过去还有合适的公司，就有点心慌了，于是看到职位描述上有EXCEl和Mysql相关技能的，我都投了一份简历。没有针对性，也是犯了效率不高的错，这个错误等下说，重要的是收到面试通知时，没有问清HR数据分析工作是用什么分析工具或者主要是做什么工作。 我去北京第一家公司面试的时候，就是奔着他们的职位描述去的，当时想就是自己要的工作，但去了之后，HR说他们公司只用EXCEL做数据分析，公司慢慢的会有数据团队。

还有另外一家做大数据的公司，面试的时候出的是这样的题目，问题1:tensorflow构建一个神经网络的步骤；问题2：试用scikit-learn实现一个简单的线性回归模型(这个记不太清了)，全都是诸如此类的问题。 所以说，如果提早的询问下，就会减少不必要的麻烦，可以多面试几家相符的公司。

3）第3种情况，面试失败是中常态
记住，面试是个长期的过程，很可能你投递简历很长时间没有人联系你，突然有一天电话就来了。这时候考察的就是谁能坚持到最后，一边积极等待投简历，一边积极准备技术。

失败的面试不代表你不行，而是你和公司不适合。这就好比谈恋爱，双方互相看对眼了才能双宿双飞。

动感单车健身公司飞轮运动（Flywheel Sports）的CEO欧哈根，她曾在30岁之前两次被公司开除。所以几次失败，不要否定自己。学会拥抱失败。你经历的每件事情都会给你收获，所以在经历这些时不要压力太大。而且人生不止一次机会。如果面试失败就去看《当幸福来敲门》，学会鼓励自己。再不行，就多看看这些经过多次失败，但是最后转行成功的朋友。记住，你并不孤单。




4）第4情况，还没准备好
如果到最后经过N多次面试，并且排除了前面几种情况的可能，那么你已经总结好了面试中哪些能力是自己没有准备好的，那么你后面就可以多花些时间在这些欠缺的地方花更多时间去弥补上。等准备好了，再去应聘。有时候，人生比的不是谁跑的更快，而是谁能跑到终点。因为，有很多人没到终点，就放弃了。
同时，如果是转行数据分析，因为没有工作经验被拒的话，也可以通过测试、运营、产品、等岗位曲线救国。
因为互联网公司的测试岗位，空余时间多，你可以有更多的时间来同时学习数据分析方面的知识，还赚取了互联网工作的经验。而运营、产品工作中要经常跟数据打交道，不仅能熟悉公司的业务，还能接触到数据，后期合适的机会不管是进行内部转岗到数据分析部门，还是再找数据分析的工作会比较有优势。
5）如何谈薪水？



最后，祝你成功。每个人生下来都是猴子，可有些人却最终可以逆袭为悟空。所以每个人心中其实住了个大圣。齐天大圣是不会死的，他只是睡着了。有一天，你要是够坚强，够勇敢，就能驾驭它。
如果觉得自己在能力上还需要提升，欢迎体验「知乎知学堂数据分析 3 天实战训练营」，点击下面链接即可体验。
<a href="http://zhuanlan.zhihu.com/p/81379353" data-draft-node="block" data-draft-type="link-card" data-image="http://pic4.zhimg.com/v2-5673c6f4e518d86187c32506fe0b4063_180x120.jpg" data-image-width="640" data-image-height="300" class="internal">你有一份求职秘籍待领取28 赞同 · 14 评论文章

贴一篇自己的文章吧，希望对lz有帮助：
转行数据挖掘和机器学习

谢邀。
什么样的条件才是bat这类公司（最好是在成都）所需要的呢？
bat这类公司是指bat三家，还是还有其他家？如果有，题主指的是哪些呢？
据我所知，这三家在成都貌似都不太需要你说的岗位。
按照我的招聘经验，统计学专业同学，选择做数据分析的更多一些，而计算机、数据挖掘等相关专业或方向，选择数据挖掘更多。
简单粗暴来说，前者就是你说的“在SQL查查数据，或者做做因子分析，k-means聚类，决策树什么的”；而后者，需要编程，基本是准程序员路线，码农般的硬技能为必备。
“学那些工具让题主的理论知识忘得有点快”，统计学的理论，最最基础的，应用于实际，相信你不会忘记（均值、标准差要是你也能忘，我也不知说啥好了）。而再深一点点的，如方差分析，现实中也有广泛应用。再往上的高深，研究分布啊啥的（我不是学统计学的，可能有误），可能在现实的商业公司的岗位中应用不多。所以，如果你忘记了如何研究数据的分布，对就业来说，也许影响不大。
与之对比，工具类，在实际工作中确实用得上，所以，你可以自行决定时间分配。
它们看重英语吗，六级没过会不会影响？
这个问题么，基本属于HR筛选范畴，如果HR据此判断你的学习能力和在校期间表现的话，还是会有影响的。
BAT更看重什么？
对应届生招聘来说，还是精英思维，看重学校牌子，校内表现这些。

首先你要熟练的编程，这个才是最关键的，python和C。
然后什么数据挖掘数据分析啊，机器学习才是关键。
更多的请参考我在这个问题里面的回答
毕业后想从事机器学习方面的工作，现在需要准备些什么？ - 张馨宇的回答