作为一个双非大数据专业的大四学生，自己在大三选择择业方向时，毫不犹豫的选择了数据分析作为自己一开始的求职方向，那么作为花费很多精力学习数分，找过多段数据实习，且经历了一整个秋招的可怜大学生，关于数分的态度又是怎样呢？首先我想先根据自己的过往经验来给数分下一个定义，目前的数分岗主要有两种情况，一种是非常纯粹的数分，涉及AB测试，数据埋点，机器学习相关内容的，这一部分岗位对技术和学历的要求极强；而另一部分岗位则是偏向业务侧，相较于数分，可能更偏向数据策略运营，这一类岗位在部分公司也会直接写成运营岗。相信每一个对数分有兴趣的同学，或多或少都在网上看到过，纯粹的数分岗是非常吃学历的，这一点我深有体会，...

个人bg： 211本，一段京东实习，一段xhs实习，一段小厂实习。互联网只有美团一个带薪意向。转正失败情况：京东实习了四个月，感觉收获比较少，做的事情偏基础，第三个月底答辩，离职后两个月被告知转正失败。对此我只能说，零售卡硕。xhs实习两个月，反而感觉收获更多，被安排了有挑战的事情，大模型在业务场景中的运用，最后一个星期通知有转正机会，边做需求边匆忙准备，答辩采取一票否决制，四个领导三过一否，也失败。（早知道xhs今年开这么高我就熬夜赶材料了）不过在这个过程中，也push自己了解了一定rag mcp 大模型的相关知识，对于后续面阿里和美团很有帮助。个人基础情况：hot100能默写。去年12底学完jvm juc。2月入职京东前小林coding guide就差不多看完了。后面实习的时候也有继续补面筋，场景题。秋招情况：8月初就投了，也不晚。滴滴： 笔试a了没面，可能投的岗位太小众了？（抱着拿了也不去 用于a价的想法）一直卡着。携程： 不发笔。发官方邮件也不回。京东：笔试挂了。嗯，很耻辱，那天在外面玩但确实很久没复习笔试考试范围了，全忘光了。腾讯：从来没约过，可能暑期面了十几次面太多了。阿里控股：一面挂。阿里国际：hr面后一个月挂。字节：国际电商三面挂->星图一面挂（面的时候已经有很多候选人了）-> 安全风控二面挂（业务不是很好，面试过程说漏嘴说业务会影响我选择，场景题没答好）-> 中台一面后无消息快手：二面挂。xhs：hr面后无消息，排序应该很靠后。虾皮：hr面两个月无消息，应该还在泡池子。百度：一面挂。pdd：笔试a3后笔试挂。难绷。个人反思总结：for 后来者。1. 笔试一定要把握好，虽然面试中都是hot100，有些甚至不考面试题，但是大厂笔试题是有acm难度的，挂了就是挂了，很多没有第二次机会，约面也没机会了。建议时间充裕情况下，还是要把灵神的题单多刷点。顺序可以参考：代码随想录视频+题 -> 灵神视频+题 ->hot100 ->灵神题单（可以每个part挑难度低的前几道写）2. 一段深入长的实习经历一定是大于两段短的，不过现在再让我选到底是继续在jd还是去xhs我还是选不出来。在面试的过程中，有些面试官也会认为我实习的太浅，没有做什么有深度的事情，对多种方案的调研不全面。如果实习做的事情比较有挑战最好，如果没有，也要尽量往多种方案调研最后选择了哪个方案，达到了当初定的业务指标/技术指标方面包装。3. 还是得早投。身边除了bg特别好的朋友，投的晚的无一例外秋招情况会差很多。8月前投能赶上提前批。最晚不要8月中旬过了还没投完。有投的早的没有实习的朋友秋招结果也可以。没有面试的同学一定要尝试官网，boss直聘多种途径投。4. 对于有实习的同学，基础没有那么重要了，更多还是专注于对实习的考察，可以以金字塔的形式进行论述，避免在最开始的时候就展开大量细节。如果实在没有实习，bg够硬，投的够早也会有面，只需要一个比较深入的项目应该就没问题，把项目当作自己在实习要投入生产的心态去调研包装。5. 有的时候真的看运气。即使是同一个部门甚至是同一个组的同学，做的事情也会有差异，这主要看导师被分配到什么样的活。for me：大二的时候绩点排名前10%，但还是决定放弃保研，开始学java，这一路走来，经历迷茫踏实的反复，也想和自己说句幸苦了，谁想得到当初给自己定的目标是有份工作不饿死就行。可能差点运气，可能在关键节点上做的还是不够，对于实习的包装，对于面试表现还是差点。会后悔自己没读研吗？其实我也有考雅思，申请了港大计算机，但估计大概率还是工作（实则也没港大offer）。人不能既要又要还要，我不能既要早点工作赚钱，实现我财富自由支配，带不舍得花钱的家人去旅游的想法，又要长期来看高学历晋升的优势，还要在大环境变差一届比一届卷我也能找到差强人意的工作。所以，至少现在，我不后悔。如果我更倾向于国企而不是互联网，比起技术挑战更偏爱稳定的生活我大概率会读研。如果我本科没有211，我还想进大厂，我也大概率会读研。会后悔自己没选其他的方向吗？java确实相对卷一点，但也只是相对的，因为其他方向的人也很多，并不是换方向就一定会更好。计算机这一行本就短命，能干到35就算成功，大家都是为了赚钱，基于此，在背景没那么硬时，选择一个相对人少的方向进大厂是对的。看自己怎么理解了。最好的还是参考直系学长学姐的选择，一定要多沟通交流。一些安慰自己的话，秋招是人生的起点，不一定是高费阵容才能吃鸡，低费阵容早点发育也有吃鸡的上限。（随便乱说的）。最后还想再写一段话给学妹们，程序员这一行，女生确实会相对少一点，但比起传统工科非常直接的偏向男生，计算机这一行认为菜是原罪，性别的因素会少很多，更多看个人技术和水平。在京东实习的时候，我的小组长在我进去第一天就和我说，我们部门女生虽然少，但是水平都至少是中上的，都很能吃苦很能干。无论是我们组干活巨快的A姐，还是总能很快解答我问题的B姐，又或者是其他总能给我提供建议的其他姐姐们，都使我对这一点坚信不疑，她们高学历，专业，细心，耐心。如果你也热爱技术，虽然有时会被bug折磨，但喜欢学到知识时候的踏实，喜欢bug fix的爽感，你就是适合这一行的。我的秋招结束了，但我大概率不会甘心，还是会想试试春招，但我也真的觉得到现在这一步已经很棒了。欢迎同校学妹学弟们找我沟通交流～

前言别笑，这真的是高频翻车题。在数仓面试考察建模理论这一块时，数据域和主题域的区别几乎成了必问问题。但奇怪的是，即便是在企业里干了三五年的同学，一聊到这两个概念，也常常含糊其辞。先看定义数据域：是从业务过程出发，对数据进行的分类管理，解决「数据如何管」的问题。主题域：是从分析视角出发，对数据进行的逻辑划分，解决「数据如何用」的问题。大家看完定义之后，可能还是无法对应到真实数仓建设中来，我们直接上企业真实案例！假设用户完成一次完整购物：登录 -> 浏览商品 -> 加购物车 -> 下单 -> 支付 -> 卖家发货 -> 买家收货 -> 评价/退款在整个购物...