数据分析求职指南

一.明确定位

数据分析目前主要分为业务型数据分析师和技术型数据分析师，业务数据分析师主要考察是否有SQL，逻辑思维，业务逻辑，商业sense，而技术型数据分析师主要考察机器学习的各个模型，推导，优化等等。求职者需要根据自身经历以及意愿确定主要方向，投递时可根据岗位JD，或者HR也会根据你的简历来对你的面试问题进行一个匹配。

二.认清差距

无论是商业分析专业还是其他专业所教授的内容与现实中所需要的数据分析能力还存在一定差距，也就是说求职前还需要找到差距，拥有一定的知识储备参加面试才能够。

业务型数据分析师大概上所需要的知识技能有以下五个板块（来源于小红书up主Stone）

1.业务部分

l 漏斗分析

l 拆解分析

l 对比分析

l 留存分析

l 用户分群分析

l 归因分析

l 渠道路径分析

l 指标体系

2.算法模型部分

需要掌握原理，模型解读，模型评估，使用场景，优缺点及模型的优化

l 有监督学习

回归

   线性回归

   逻辑回归

   Lasso/Ridge回归

分类

   决策树

   随机森林

   SVM

l 无监督学习

聚类分析(K-means)

l 时间序列模型

3.分析工具部分

SQL(需要熟练掌握，建议把牛客网上题目全部刷一遍，还要掌握窗口函数)

EXCEL

PYTHON(大部分不会考到，如果没有基础不用刻意强求)

4.统计学部分

l 描述性统计

  均值

  中位数

  众数

  方差（标准差）；掌握3sigma原理

  极大值，极小值

  数据分布

正态/伯努利/二项/均匀/指数/泊松

偏度与峰度

  缺失值

  异常值

l 假设检验

原假设/备择假设

T检验

卡方检验（非参数检验）

P值

置信度

置信区间

AB实验

l 概率论

条件概率(贝叶斯原理)

抽样

大数定律

中心极限定理

区间估计、参数估计

方差分析

三．积极面试

对于面试部分没有太多的经验可以分享，只能说回答一定要有逻辑性和分类讨论的精神，揣测面试官想考察的点，同时最重要的还是对自己的简历足够熟悉，STAR原则，对自己所作的项目不该仅仅局限于一个模型结果，更应该考虑其现实意义以及不足之处，如何改进等等...