照例先介绍一下自己的情况：本科双非，硕士211，没有得奖的比赛，两耳不闻窗外事，蛮普普通通的一名学生，学习成绩还行。我觉得自己找实习之路还是蛮坎坷的，符合大多数普通学生的心路历程，学霸大佬们就路过看看哈~~
一、明确自己的实习职业方向
也许有人会说我就是实习呀，实习我想做啥就做啥，挑战不一样的领域，等秋招找正式工作的时候再明确方向。
但你知不知道实习在很大程度上决定了你的秋招选择？最起码在我看来是这样。
有的同学一心想进银行，他就去找银行的实习，争取转正，即使转正不了 去面试其他银行也是很有优势的；有的同学想进互联网，想进国企，想进车企.....
如果你想做数据分析，首先问自己3个问题：
1、为什么想做数据分析？
2、你有没有优势？即使是一点点的优势
3、你喜欢数据分析吗？
拿我自己举例，我读的一直都是统计学专业，对数据还是挺感兴趣的，找的实习都是数据分析，没有考虑其他岗位，数据产品我也不考虑。所以我的想法就比较坚定，要找互联网公司的数据分析实习，互联网数据资源多，数据部门技术成长比较大，想多学点东西。
二、如何找实习？
为了秋招能够顺利进行，一般来说在秋招之前要有一到两段实习经历，这样秋招的时候你才能更好的碾轧其他竞争者。
说下时间线：我是两年制专硕，所以进入学校不到一年就要去实习了。研一下学期的3月份就开始疯狂投实习简历，主要是以boss直聘为主，每个城市去搜索，一定会有心仪的（建议大家不要太在乎实习城市与学校所在地是不是同一个城市，不要局限眼光）；第二个方式就是去各大公司的招聘官网，看有没有数据分析实习生的岗位。有的人可能会问了，我怎么知道有哪些公司呢？这个时候就非常感谢牛客了，牛客有个校招求职板块（见图1），有特别多的公司名称。我当时就是每家每家公司去百度上搜，进他们的招聘官网（最好把网址添加到书签，下次找的时候比较方便【见图2】）。
实习分暑期实习和日常实习，暑期实习很多都有转正 的hc，竞争也稍微大些，工资会比日常实习高。所以还是首先建议大家多投投暑期实习。
以我自己为例，我自己是比较菜的，没比赛没项目没课题，投的大厂数据分析简历初筛就挂了，挺心塞的。 面了滴滴，也被挂了。
拿了好几家的日常实习offer，但工资巨低，我在外面租房都不够。我是真的很搞不懂这些公司给一个研究生的实习工资这么低是怎么想的。
这期间一个多月找实习是很痛苦的，大家一定要坚持住。
七月份去暑期实习了，也是做数据分析。公司是把我们当应届生培养的，有带教的leader，学到的东西也很多，后来实习还没结束就给我发了转正offer。真的很奈斯！！！
实习经验总结：
1、找实习一定一定早点开始，特别是像我这样没有特别出彩之处的人来说。很多大厂三四月份就已经发了暑期实习offer了。
2、海投简历；简历好好写，很重要。
投的多，面的多，拿到的实习offer也就多，这是基数与概率的问题，咱们学统计的肯定懂。我一直坚信如果自身实力赶不上大佬，那就在找工作方面更拼一点，不要怕辛苦，多面试，多积攒经验，面试完及时复盘总结。付出与回报成正比。
3、面试不会问特别难的问题，毕竟是实习。但是也是百炼成钢吧，你要有自己回答的体系，自己的课题项目什么的，要知道别人的提问点在哪里。
4、实习最好还是去大公司，那种别人一听了名字就知道的。到了秋招，你就知道这一点有多重要了
数据分析实习内容：
数据分析实习生的工作内容，不同公司不一样，但大部分就是做一些日常取数需求、制作报表、异常数据分析、专题数据分析等需求。
我简单说一下我的实习工作内容：
1、取数需求
日常中70%的工作都是取数，我的取数需求主要来自运营和产品部门。
就相当于别人提需求，我来解决需求。这个过程就需要去和业务方对接，他们要这个数据做什么，要什么样的数据，数据口径统一方式等等都是需要去沟通的。
这个工作涉及到的工具主要是sql、python、xmind/word。用sql取数，用Python处理数据，用思维导图或word汇报你的数据结论。
2、BI可视化
简单来说，就是在公司看板上做一些常见监控指标的图表给业务方或领导看（因为他们不想看数据，觉得图表更能马上地看出数据波动情况）。这项工作还是挺简单的
3、指标体系搭建
有一些业务流程没有很完善的指标去度量，我们就要去想怎么搭建更好的指标体系，这个体系中的指标有哪些，为什么把这些指标放进来，指标取数怎么取等等
实习体会/收获
1、工作技能方面。
自己的SQL、python、BI技能得到了很大的提升。
我觉得能够同时用上这三个工具的数据分析实习才能让人成长更多，这才是数据分析师的价值所在，而不是纯粹的sql boy/girl。
之前没去实习的时候，我是在牛客上每天刷sql题，取数逻辑、连接应该怎么写啊。
等真正去实习了，在实际场景中去使用sql，那和刷题的感受还真不一样，你的取数逻辑是真正带入到业务逻辑中去的。我写过的最长的 一条sql查询有两三百行，写了一个星期哈哈哈哈哈，然后就感觉自己sql无敌了（自我的错觉）
2、分析思维方面。
刚开始接触到需求的时候，完全不知道怎么下手，不知道从哪里开始分析。主要的原因还是对业务不熟悉，等把业务熟悉了之后，才能去谈你们所谓的“数据敏感度”。
3、跨部门沟通方面。
数据部门的需求大多数来自产品和运营，需要和他们部门去确定需求的计算口径、字段的来源等，所以需要不断的去沟通、交流，自己在这方面的技能也有了一定的提升。
当然有时候会沟通得想吵架（忍住）（习惯就好）
4、很nice的同事
暑期实习的时候，部门对咱实习生都挺重视的。总部那边的一位leader还专门给我们每一个实习生开一对一的视频会议，给我们制定学习计划，还要求带教的姐姐每天适当地安排工作量，争取每天留出两个小时的学习时间（是在工位上 在工作时间自己学习哦，不让我们回去学习哈哈哈哈哈）。真的挺感谢的！！
【如果这篇帖子对你有用的话，请点赞收藏~ 支持一下哦】
还写了一篇秋招数据分析复盘，大家有需要也可以看看~
附一些大家找实习面试可能会问的一些问题哦~~加油！
1、sql：
(1) 除了熟练掌握基本的select from where group by having，左右外内连接，union和union all，去重，if then else，case when end 还要熟练掌握各种聚合函数，如sum,max,count
(2)开窗函数
(3)字符串处理函数
(4)索引
2、业务知识
(1) A/B测试+辛普森悖论
对照组实验组的选取；埋点的设置，尤其注意页面访问统计和用户浏览行为的相关指标；留存率的不同时段的分析；分流
(2) 指标异动分析
没有固定的答案，但要有一套自己的分析体系，重点是要划分好维度和内外部综合分析。
1.1 数据的周期性波动
数据的周期性波动是一种自然形态的波动，例如，公众号文章的阅读量周内普遍高于周末阅读量。
1.2 业务内部因素影响
通常情况下内部影响都是来源于业务的活动，例如，运营经常组织的拉新、促活、促销等活动通常会造成某一段时间内的活跃用户数、销售额等指标高于平时。
1.3 外部因素影响
除了业务内部行为造成的数据波动，当然还会有一些外部因素造成的数据波动，例如，天气、政策、竞对等各种因素。
1.4 数据传输问题
数据波动还可能受到数据传输的影响，可能某天某个调度脚本挂了而造成数据缺失，因而造成了数据异动。
(3) 指标体系搭建
一般会给一个场景，让你搭建指标体系去衡量最终的业务情况
(4)数据分析报告怎么写
(5)用户画像(属性，行为，需求偏好)
3、数据预处理&机器学习常用算法
(1) k-means、决策树、随机森林、逻辑回归、朴素贝叶斯、SVM、KNN、boosting、Bagging
原理、应用场景、优缺点
(2) 对异常值和缺失值的处理
(3) 数据倾斜和数据归一化的处理方法
(4) 评估模型的指标，
查准率，查全率，f-score，ROC曲线、AUC
4、统计学原理
(1)p值、显著性水平
(2)一类错误和二类错误
(3)大数定律、中心极限定理
(4)假设检验、方差分析
(5)概率场景题
5、python
(1)数据结构：列表，元组，字典，集合
(2) pandas、numpy、matplotlib、xlwt\openpyxl
#实习经验分享##实习##学习路径##数据分析师#
