秋招的弯弯绕绕

大家好，转眼快到三月了，俗话说的好，金三银四，那么我们一年一度的秋招也开始了。

秋招面向的人群呢，有两类，一类是找暑期实习的大三/研二的同学们，这次机会一定要抓住，因为很多公司的春招只面对这样的人（比如阿里）。另一类是刚经历过考研或者秋招offer不满的大四/研三的同学们，这也是背水一战吧。春招现在开始，各种就业群里的推送信息，招聘信息扑面而来，会让大家有一种压迫和紧张的感觉，当然，每天都有大量的机会，这两天不抓住可能过两天机会就没了，人就招满了。但与此同时，我也想提醒大家不要着急，如果觉得自己没有准备好的话，还是要把最基本的知识学完再去投，根据笔者的经验，去年的暑期实习的春招一直持续到五六月都没有结束，那时候都会有阿里的事业部打电话过来问你还面不面试。所以千万不要担心自己到后面找不到，相信我，机会总是有的。

什么时候准备？

看岗位。如果你确定了你的岗位是数据分析，那么注定要求你在暑期实习前有一段实习经历。

所以需要你在暑期前提前一年准备。也就是前一年的七八月。

学习半年的基本知识，然后找一份日常实习，作为你找暑期实习简历上的筹码。

确定岗位？

是数据分析？数据挖掘？还是数据研发？

或者说我代码不好，或者产品经理？

还是后端开发？这种不太需靠刷实习经历的岗位？

这一点是非常重要的，因为确定了不同的岗位会确定让你之后就确定了学习路线，并且随之努力，而不能轻易改变，轻易改变会带来很大的学习成本。

那么我们现在就来分析一下各个岗位的利弊。

然后说数据挖掘。这是一个算法岗，不过这个岗也可以说岗位非常少，我记得有京东、b站等公司开了，只能算算法下面的一个分支，也就是说对于你学历和背景要求的同时，也会要求你有相应的顶会论文等。

最最后说数据仓库。这个岗hc也比较少，和大数据不太相同的是，他对数据仓库的一些知识要求比较高。

介绍自己

我是一个本211，硕985的通信工程的学生，因为觉得后端需要学的东西太多了，当时贪图简单，就选择了数据分析作为求职方向，发现其实找一份日常实习还不算很难，但是到后来秋招，竞争比较激烈，很多公司的数分岗连面试机会都不给，且自己有一定的代码功底，并且自己暑期实习是大数据方面，最后就改投数据研发了，感觉和人人喊run的数分比，竞争简直小了太多，也长舒一口气。

怎么准备？

一个电子笔记本，因为你的整个求职过程可能会持续一年，包括前期的准备和后期的笔试、面试。是一个大量的知识和经验积累的过程。因此这里必须准备一个电子笔记本，笔者经过大量尝试，觉得可使用markdown记录或者有道笔记或者onenote都不错。

至于数据分析需要准备的就是1-2份实习，那么实习怎么找。

step1：

最基础的就是sql了，这是一个非常好上手的语言，主要用于增删改查，需要多久可以上手，这里毫不夸张的说1周足够。那么我这里也有一些快速入门的资料，你需要一本书和一门网课，也就足够了。这里其它文章里会有很多推荐，大家跟着学就行，

step2:

python

这里应该说也是只学习基本的语法和一些库的使用就行，pandas，numpy等等，再在比如说kaggle网站上找一些案例进行复现即可，也能用到自己的简历项目中。学习推荐跟着b站上的入门课程进行学习，以及基本的比如菜鸟课程这样的网站进行基本语法的搜索即可。

step3：

业务知识

数据分析对业务的感觉还是要求比较高的。包括我们一些基本的业务的理论费米估计、MAU、DAU概念、幸存者偏差以及面试常问的指标下降问题等等。这里一般在网上很难找到全面的总结和标准答案，也是需要你去在牛客上看大量的面经以及根据己自己的面试，来进行总结。

 step4：

统计知识，要说统计知识哪个公司问的对多，我感觉是拼多多了。从它非常专业的笔试来看，以及面试题，就能感觉拼多多的面试还是专业性非常强的。这里同样建议有针对性的学习/复习统计和概率的知识，推荐直接看书。

step5：

准备到这里就差不多了，如果你要往数据建模方向准备还需要会机器学习的知识。这里还是推荐b站和书结合着看，针对面试还可以看一些面经。

step6：

算法题。这里推荐先找到一个公众号或者一个前人总结的刷题经验总结。跟着刷题经验在leetcode里刷题。因为很多公司数据分析在技术岗下，因此有笔试环节。还有一些公司比如腾讯，会手撕算法，让你写一些比如反转链表的题。

step7：

产品知识，为什么要准备产品的一些知识，这又和公司有关了，比如字节，数据分析在产品线下，面试问题都是产品的一些问题，因此在面这类公司前也需要做好相应的准备。

step8：

半结构问题，这个就是到HR面的时候了，会问很多水水的问题。但为了防止万无一失，还是需要在之前准备好类似于，你为什么会报这个岗位？你的职业规划是什么？等等的问题的“标准答案”。

至于一些准备工作，也大体就是这些，具体的书目和网站、视频、资料总结推荐可以联系我，或者直接搜索之前一些人的总结。通过自己的摸索，我也成功在暑期实习之前找到了一份快手的数据分析实习，借助这份实习又成功找到了腾讯的暑期实习。你以为一切都这么顺风顺水？错了，其实日常实习的要求比较低，对于如此卷的数分来说，也还相对好找，暑期实习也是，带着一种包容的心态，很多公司也会让你过的。但是到了秋招，我深深的感受到了数据分析的极卷无比，我开始投的一些体量较小的公司比如b站、小红书等等可以说从没给过我面试机会，更多的是京东、美团呀给了我机会，也了了就挂了，这给了我重重一击，意识到是不是改转变了。于是后期我就大部分投递了数据研发、数据仓库等这样的岗位，这些岗位几乎第一天投，第二天就有回应，且不会一面就挂你。给我了很大的希望，不过在我改投这样的技术岗前也是做了一些充足的准备。

数分转数据研发

在以上的8个步骤基础上，需要加强step6的算法题，至少要刷够高频题的前200道，因为数据研发就是一个纯粹的技术岗了，对于编程的要求不亚于其它研发岗。除此之外，还需要补充和大数据相关的知识。

step9：大数据方面hadoop、spark等方面的知识。这里建议找专门的b站课程进行学习，以及相关的面试资料总结进行针对性的突击。

step10：数据仓库方面的概念。这里由于很少同学实际接触到数仓，因此需要去补足相关的概念即可。这里推荐直接看数仓方面的书，书上的概念会比较准确且全面。

step11：准备一个相关的项目。这里笔者因为在暑期实习时，接触了腾讯的两个使用spark环境下scala写的两个项目，因此也是和其它没有实际大数据相关项目的校招生比起来会比较有优势。

step12：这里是数据研发要求比较高的是代码功底，因此，最好会java语言。部分要求较低的会要求c++、scala也行。

互联网到国企

一开始一心扎进互联网职位的我，也经历了快手数据分析实习、腾讯数据分析实习，到了十月份，也陆续收到了阿里数据研发、联想数据分析、华为产品数据岗等的offer。开始顺手投一些国企的岗位，以便给自己多一些选择。

和前面互联网实打实不太看背景，只看实例和技术相比。国企的岗位第一看学历背景，第二看你的项目经历，第三看你整个人的表达。对于专业知识方面来说，互联网所准备的足够国企用的了。但很多人可能因为简历筛选拿不到国企的面试机会。所以这里也应该摆好自己的心态。因为我毕竟也看到过北大的简历被刷，北邮的同学走到最后，他们筛选的标准有时有些玄学。

首先，我冲的是银行，这里包括农行、工行、中行、邮储、交行以及浦发、中信等。我的背景几乎可以过大部分银行的简历筛选，进入笔试的环节。但是面试的话还是有很多的技巧，这里建议同学们如果希望可以省时省力直接报一个银行的辅导班。他们会给你所有的资料，以及笔试面试的技巧，有了这些系统的训练，通过面试和笔试也不是什么问题。

简单说一下，银行的比较重要的两个环节——笔试，面试。

笔试题可以说就是行测，包括言语理解、逻辑推理、英语等，这些需要你在笔试前经过大量的训练，把这些题练会技巧练熟。它的难度不在于题本身的难度，而在于短时间内做大量的题，没有思考时间。

面试，包括半结构面试和无领导小组。这两个也是有技巧的，需要你先准备好经常问的半结构面试题并做好自己的答案联系；对于无领导小组，需要大量的联系，才能有感觉。

后来有了这些经验，我有面试了运营商、国家选调生和部委公务员等岗位，这些国企的职位虽然工资远比不上互联网，但是竞争却远大于互联网，不少清北复交的同学参与其中，考察的也是一些比较全面的一些能力。

最后也拿到了工行数据中心、中行软开、工行软开和交行的offer，国企总体来说面试难度小一些，综合要求高一些。