数据分析的残酷现实

本文针对的是业务方向的数据分析。

数据分析门槛低是培训机构割韭菜的说法，深入了解一下但凡看看大厂的笔试面试题就知道就知道数据分析门槛并不低，要考的知识点比考研的知识体系要求都高。

首先数分这种涉及严谨分析的岗位必然对学历和学习能力有硬性要求，你连考试都考不好，怎么能保证你的数据报告有多严谨？大厂里数分985硕士是最低要求，学历差点的也都是本科就发表过论文或者天池top1%那种大佬。其次对于专业也有要求，数学统计学计算机优先，其他硬核理工比如计算化学其次，然后经济金融学最次，其他的文科就不用考虑转行了，前面这些专业的人都挤不上车。同时有互联网实习经验是必须的，没有实习经验的秋招千万别投数分！秒挂简历不是说着玩的。

笔试必考统计学概率论和SQL，基本上要把统计学知识从头到尾彻彻底底的学完并能在课内考到至少90那种水平，SQL没刷过几百道题不用想肯定过不了笔试。学历条件就干掉一大批人了，就SQL和统计学，一个从零转行的人至少要准备脱产两个月吧？然而这只是基础，现在的数分还会对机器学习有要求，可不是看完吴恩达入门kaggle泰坦尼克那种要求，你要有一个拿得出手的机器学习项目，要么是研究课题、实习要么是比赛排名靠前，否则直接pass。然后笔试中会考察各种机器学习方法的基本原理和常用方法，这些根本不是看十几个小时课程就能会的，坑太深懂得都懂！更有甚者还会考察传统的计量回归分析、因子分析、方差分析等等，这些准备起来又是几万字起步！

你以为这些要求就完了？满足上面的要求只是面试的起码条件，面试才是真正的不确定性。面试中会考察你对于业务的理解，也就是说在上面的基本知识基础上，你还需要掌握互联网运营和产品经理知识，其实看面经看多了就懂业务知识才是真正的深坑，这种业务知识的学习范围极其广，你很难对所有可能的业务问题做完全的准备，因为不同的业务有不同的体系不同的方法论，刁难的面试官总会能问到你不懂的。然而业务问题往往又才是占了大头，在面评中占比很大！

最后的最后，你历尽千辛万苦满足了上面的条件做好了准备，满心自信的去投简历，结果发现还是连简历筛选都过不去，为什么？因为这个岗位还粥多僧少，你可以想想假设一个十个开发五个产品运营的组里，会需要多于一个数分么？人再少点的组的业务，产生的数据量足够一个数分分析出什么东西么？

综上所述，还有人觉得数分门槛低么？不会还有人看着好玩简单就想两个月转数分吧？我劝大家理智一点，不然0offer的时候就知道残酷了。

数据分析的残酷现实

全站热榜