海康威视 软件工程师 一面

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，...

真给我气笑了😄，我投了实习僧这么多简历，结果最后才发现是在线简历，不是附件简历，亏我一直盯着实习僧，投了被hr查看了结果看的是我的在线简历，我说之前怎么有一次滴滴的面试跟kpi一样感情是拿我在线简历面的结果我有19个简历被查看的机会都被我浪费了，从九月就开始投的在线简历真绷不住了，而且滴滴它娘的投的实习僧就相当于投官网，怪不得我投了30多个一直简历筛不过去，现在hr估计都不看我的了

1.腾讯总包100w，未来还会送港股腾讯股票，具体多少不清楚。2.字节算法ssp，80w+，大佬云集，还有签字费。3.微软自然语言处理，120w+，居家办公，上四休三，签字费+安家费。4.pdd核心部门，总包70w+，发展前景大，干一年提级。5.楼下小区保安月薪2800+，包吃包住，三险一金。6.缅北核心业务，年包200w+，工作轻松，需要口才好。好纠结，不知道选哪个，求大家给点意见，最好带上理由……

传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...