陆陆续续拿了7个offer，数据分析秋招经验总结
因为楼主的拖延症，本来准备秋招结束就写的总结贴直到春招才开始动笔，秋招陆陆续续拿了7个offer，集中在北深和长沙，包括了大厂和国企，希望楼主的经历也能给朋友们一些参考~有疑问的欢迎大家在评论区留言，会尽力回复的！如果有帮助，希望大家给个赞，给个收藏~
0.个人背景
- 211本+985硕
- 非计科非统计专业
- 两段数分实习（京东+字节）
- 一些比赛和课程项目
1.大厂
1.1 投递流程
出于对工作地点的考虑，楼主投的大部分都是北深，且都是数据分析or商业分析岗。以下是秋招的大概时间线~
| 6月之前 | 6-7月 | 8-10月上旬左右 | 10月下旬以后 |
| 抓紧实习！ | 提前批开始 | 正式批开始 | 补录开始 |
而且大部分公司都有2次投递机会，建议大家不要一次性投2个岗位，先投一个一方面可以通过面试问题完善自己的简历梳理，另一方面也能了解该公司大概的面试风格，查漏补缺之后再用第二次机会上岸的几率更大哦~
除了大厂以外，楼主还去易方达试了一下，面试内容差不多，但是面试通过之后还要去线下实习，最后就放弃了。
1.2 面试内容
尽管都是招数据分析师，不同的公司也有不同的侧重点，所以面试的主要内容也不尽相同，以下是根据楼主的面试内容粗略整理的侧重点，并不完全准确哈😶。
- 京东：机器学习、SQL和业务分析（销售、品类、用户增长等）
- 字节：业务分析（产品优化、功能迭代能等）、SQL、假设检验、AB实验等
- 腾讯：偏算法，机器学习、Hadoop、数据库都需要了解
- 快手：SQL、业务分析
- 美团：偏商分，重策略
- 顺丰：偏挖掘，机器学习、SQL和业务分析
- 拼多多：指标异动和SQL
- 华为：机器学习、SQL，会当场让写代码实现，业务分析
整体来看，数分面试基本可以分为五个方面：
1.首先是逃不开的业务分析：
- 怎么从数据分析师的角度提出建议或分析：RFM模型、AARRR模型、SWOT分析、PEST分析、漏斗分析、下钻分析等
- 指标异动分析：确认数据正确 -> 确认内外环境 -> 拆指标 -> 拆用户
- 指标体系构建：按过程建立，例如付费用户数量指标，先有产品曝光量，再有用户注册率，才有付费用户转化率；按核心指标建立，例如销售额=用户数*付费率*客单价。
- 好的数据指标：简单易懂，具有比较性的比率，且能推动决策等
- 。。。
2.概率题：
- 辛普森悖论、幸存者偏差
- 假设检验原理步骤、p值含义
- AB测试
- 。。。
3.代码类：
- SQL：这里大家把牛客上的SQL题全刷一遍就差不多了，有余力的朋友还可以去LeetCode，没有学过SQL的可以先在sqlzoo上系统学一下~
- 编程实现：也是刷牛客、LeetCode、赛码
4.机器学习：
这里一般都是基于简历问的，不会找一个你没用过的方法去问，所以大家要非常熟悉自己项目中所用算法和数据特征，包括
- 算法优劣、评估方法等
- 数据要求、使用条件等
-
在数据处理上有没有注意缺省值、数据平衡、离散连续统一
- 为什么不用同类型的其他算法
- 。。。
5.主观题：
- 职业规划是什么
- 你对这个岗位的认识，为什么投这个岗位
- 。。。
2.国企
2.1 投递流程
国企投的都是长沙，因为楼主湖南人想回家😆，主要有银行、运营商、保险等，投的都是和数据相关的岗位，包括信息科技、金融科技、IT管培等，大概时间线是：
| 8月以前 |
8-9月 |
10月中上旬 | 10月底-11月 |
| 实习！实习！ | 投简历 | 主要是银行笔试 | 面试和发放意向书 |
在投递的时候，要尽可能用完每家公司的所有投递次数！增加自己进面的几率！！
国企相对大厂没有那么的看中实习，只要学历够，有相关的实习、比赛或项目经历，具备岗位的基本技术要求，基本都能拿到笔试机会~
而且国企的招聘战线通常拉的很长，从笔试到面试能隔半个月，面试之后到出结果又能隔半个月（线下招聘除外），所以大家不要着急，耐心等待一定会有好消息的~
另外，想说一说银行科技岗，四大行真正的科技岗相对较少，主要在总行、总行直属和省分行，市分行、支行的科技岗需要长期桂圆🤫，而且很看重学历，会更偏爱985211的科班学生。商业银行和城商行的科技岗更真实一点，但是稳定性更弱一点。
2.2 笔试内容
基本上是性格测试和行测，这里着重说一下银行：
- 英语题：选择、完形填空、阅读理解
- 行测题：言语、逻辑、数理、图形
- 专业题：管理、经济、金融，科技岗有的会有计算机网络、数据库等
- 银行题：营业额、网点数量、银行宗旨、银行文化等
2.3 面试内容
国企面试时间一般不长，10~30min不等，大部分在10~15min，不必慌张认为面试官对自己不满意所以时间短了~
面试基本可以分为两个部分：项目描述和主观题，通常都是单面：
- 项目描述：按照大厂面试准备就好，区别在于面试官不会特别去深挖经历。
- 主观题：一般会问什么性格、哪人（大概评估一下给了offer会不会来🤫）、是否接受这个待遇（比大厂低很多），有的还会问是否是党员等。
群面：
这是楼主的短板，建议大家找一些群面经验贴，然后可以先投一些互联网小厂的产品岗和运营岗，它们一面基本都是群面，用来学习和提升，或者找小伙伴一起来线下的群面实践。问题可能会有：
- 怎么面向老年人设计银行APP
- 设计一款具有银行特色的内部学习软件
- 。。。
- 你对xx银行的看法，怎么看待银行的福利和待遇
- 为什么要来银行，为什么选这个岗位，为什么适合这个岗位
- 你能为银行带来什么
- 你的优势劣势、性格
- 能否接受长期柜员
- 如果这次没录取，你怎么打算
- 最有成就感的事情
- 。。。
同样按照大厂面试准备就可以了，能过大厂的，基本都能过银行。
3.简历准备小tips
第一块：教育经历
- 学校的知名度不高的，可以注明一下排名（QS100/985211/双一流）
- 可以注明自己的专业排名（10%/20%）
- 投递国企的时候，国家奖学金、一等奖学金也可以写上
- 简历内容较少的时候，也可以加上主修课程，举例一些与岗位相关的课程
- 一定要与数据分析相关！一定要与数据分析相关！一定要与数据分析相关！
- 理解岗位描述，带入hr的视角，用STAR法则（在什么背景下，需要完成什么任务，对此做出了什么行动，得到了什么结果），描述自己的经历。在简历中不一定详细写出背景和任务，但在面试准备时一定要清楚。并且，建议大家用一个四字词分段概括写，e.g.①项目分析：根据产品侧提出的需求。。。②销售分析：对xx的销售数据，从xx、xx等指标。。。
- 如果实习是大厂，但是工作内容不是数据分析，也可以把内容包装一下，挑出一些和数据处理或者业务分析有关的内容写。
- 内容描述和实习一样准备
- 和数据分析、数据挖掘相关的毕设、课程项目、数模竞赛，都可以作为项目经历
- 实在没有相关经历，去天池和kaggle参加比赛，可以作为项目来写
- 分析能力：Python、SQL，tableau可视化。。。
- 统计能力：熟悉假设检验的原理和运用。。。
- 机器学习：了解xx方法的原理和实现。。。
这里主要写一些相关的比赛奖项，例如数学建模国奖、省奖，美赛等，一些校级的与数据或互联网应用之类的也可以写上。
简历不要超过一页！！！其中最重要的部分是实习经历和项目经历，一般能够占2/3的篇幅，总共描述4~5个经历。如果实习与数据相关，则先写实习再写项目；如果实习与数据无关，则最多写1段，并先写项目再写实习。
写完简历之后，自我模拟一下面试官可能会问的问题（为什么要做，做了什么，是否考虑了其他方面，参考一下大家发布的面经），确保自己对简历十分了解，自己不会的东西一定一定不要写进简历，在面试的时候也是一样，面试官的问题触及盲区，不要硬答，承认不会就好。
4.写在最后
在找工作过程中，楼主也曾犹豫过，不知道选互联网还是国企，在决定之前不妨多试试，给最后的抉择提供更多的选择，希望大家都能想清楚自己更想要的是什么呀~
找实习的时候，楼主也曾一个学期未拿到一个offer，秋招刚开始时也收到了一个接一个的人才库通知。在那段时间，一度很挫败，但是在新学期开始后，一个月内收到了好几个实习offer，秋招也拿到了满意的offer。所以，当前的失败不要害怕，也不要焦虑，谁又知道接下来是不是柳暗花明又一村呢。早做准备，从失败中吸收经验，努力完善自己，放平心态，就一定能有收获！希望大家都能拿到满意的offer！！！
投递亚马逊等公司7个岗位