数据岗面试，我发现了一份最全攻略

这两年网上流传的数据分析岗位错误论调非常多，诸如：“数据分析就是背！背！背！”“字节美团面试100题目背会了就行”之类。

今天来正本清源，详细聊聊，怎样高效准备，一共有五个部分:

1、目标设定

2、岗位搜索

3、知识储备

4、简历优化

5、面试冲刺

内容比较多，大家慢慢看。

一、目标设定

首先要清晰：2024年大环境并没有明显比23年改善：

1、去年4季度，很多公司还在裁员，今年1季度的招聘并不会马上就旺

2、招聘不旺的同时，公司能开出来的薪资涨幅也是有限的，10%~20%会很普遍

3、被裁/应届生的人数很多，导致招聘时会更看人背景，被“前大厂”顶掉会很有可能

综上，在今年准备招聘的时候，千万不要抱着过去经济上升期的惯性思维，认为“我又多了一年经验，工资怎么着也得涨个30%~50%”。现在是经济震荡期，求稳会更好。有个简单的判断逻辑，可以帮大家理清思路：

二、岗位搜索

设定好目标以后，可以开始搜招聘岗位要求（俗称JD）。搜岗位时注意：搜索关键字，用数据分析/数据运营/商业分析/经营分析，都可以试试。其实名字不是最大差别，最大差别在岗位职责+技能要求。

看JD的时候，一看：公司行业，同行跳同行，成功率最高。不同行业，但相似业务场景（比如都是做toB销售，都是供应链，都是APP行为分析）也有通过概率。行业、业务差异太大的，只能碰碰运气。

二看：岗位职责，先看是支撑型还是业务型（如下图）。这一步是重点。如果平时对业务不甚了解，那么面业务型大概率会挂；如果平时SQL写得少，分析报告写得多，面支撑型大概率会挂。看准要求补短板，很重要！

三看：技能要求，不要只看Excel/SQL/Python等关键字，很有可能是HR随手百度一段贴上去的，做好知识储备更重要。

三、知识储备

很多人被网上应届生面经给带歪了，一想到面试数据分析，第一时间去翻《统计学》或者《机器学习》。实际上，除了用户增长、APP产品运营、制造业质检等需要抽样测试的场景，《统计学》几乎用不上，除了少数服务算法团队的分析师，机器学习考得也很少。

支撑型岗位，重点考察：

1、了解常见的业务指标体系，最好能自己梳理指标体系

2、基于业务需求，写SQL输出数据，优化SQL运行

3、数据看板开发，最好是完整的BI开发经验

一般初级的支撑型会直接考SQL笔试题，中高级的不会直接考，但对完整项目要求多。如果平时写SQL少，最好保持每天一小时刷题，练手。

业务型岗位，则会针对具体业务场景，比如常见的

1、用户增长方向：如何分析推广效果，测试推广手段

2、用户运营方向：如何做用户分层，分析用户需求

3、产品运营方向：如何做ABtest，评估产品改版效果

4、商品运营方向：如何分析爆款商品，提高新品成功率

业务型岗位一般都会问具体项目经验，并且特别喜欢追问：“这是你想出来的，还是业务说了想法你取数的？”当然，自己想出来的才值钱，这些业务分析经验，需要提前梳理，并且多学习外部知识才行（因为很多公司，确实是业务想出来，数据只出个数）。

四、简历优化

很多人又被网上应届生面经给带歪了，一提到简历，就想塞一些“巴西电商”“淘宝用户行为”“猫眼电影”之类，网上抄来的网红项目。这些东西对于0经验应届生，可以作为能操作python的证据，但对于已工作的人简直是毒药。面试官只想听你在工作中怎么做的，没经验的话自然靠后站。

很多同学在简历上，只是简单地写：“支持业务需求，输出报表”就没了。这样肯定体现不了价值，要优化，可以从以下方面细化：

1、使用对象：报表给谁看

2、使用场景：报表用在什么地方

3、产出数量：做了多少报表

4、数据解读：通过数据，能发现什么问题

当你多问一步：我做的这个数据有啥用的时候，就能从自己工作里挖出更多价值，从而找到更高薪的岗位了。这里要对自己的工作内容，有深度梳理才行（如下图）

五、面试冲刺

开始投简历的以后，一定要有重点。很多同学有1~2年没面试了，面对面试官表达不自信，这也需要练手的。所以投简历时，可以做个记录表，标准下：哪些是自己有信心/有意向的，哪些是备胎，纯练手。这样效率高，且能集中精力拿下自己感兴趣的。

对自己感兴趣的企业，可以

1、了解企业基本情况，去东方财富网查研报/去36氪查行业信息，建立基本认知

2、目标企业的APP/门店，可以直接去体验下，观察他们家运营活动/商品结构/店铺特点

3、目标岗位认真看，如果是业务型的，可以针对性了解下对方业务咋做的

这些准备，可以让自己提前对目标企业和自己原工作的差异有认知，避免面试时被杀个措手不及。但是要注意，做准备是为了减少陌生感，也不要拿收集来的二手资料当分析结论，在面试现场对别人说：“你们公司就该这么干”……太嚣张大概率也会挂。