1、谈一谈您当时选择数据分析发展方向，它的一个过程是怎样的，可以给我们分享一下吗？

一开始就是高考的时候填志愿，也不太了解统计学专业是什么，是在稍微比较靠后的专业里面。然后当时也不是特别清楚这个专业是干什么的，然后到大学后期才慢慢明白，16年毕业的时候，大数据行业有点开始兴起了，想着大数据跟统计学这边刚好是专业对口的，就想着要走数据分析这个方向，然后又去查了一下资料，了解到未来数据肯定是特别重要的，所以说准备开始找数据分析师的实习工作了。

因为我是在宁波上大学，那时候宁波这边互联网氛围还不是特别浓厚，因为我是浙江人，所以说就是来到了杭州这边找数据分析的实习。一开始在学校里学的还是比较传统的东西，有关工作的并不多，还是需要在实习阶段去了解现在一些新的技术。

来到实习之后，就开始慢慢了解到数据分析师的岗位是怎么样的一个存在。然后在互联网这边工作当时也比较快乐，因为公司福利什么都挺好，大家都是年轻人，沟通起来也比较顺畅。所以说当时就决定要留在那里，慢慢的通过实习这个阶段，我们发现数据分析其实对公司业务的帮助还是很有作用的。

我们通过数据的情况去倒推业务的动作是否会有效。慢慢的这样精细化迭代之后，可以让数百万甚至数千万的用户体验会更好一些。但是觉得我干这个岗位还是会有一些成就感。实习期结束的时候就跟公司决定要留任，未来也一直想在数据行业发展，当时是这么个情况。

2、您这个专业背景，为您续从事这份工作带来哪些优势，你哪方面的能力是比非这个专业性的同学更有优势的，可以跟我们分享一下吗？

当时学的基本上就是数学，然后是统计学，然后计算机这三个方向的内容。对于后面工作来说，因为数据分析更多的工作就是对数据的处理。经过大学四年的学习，对于各种数据处理的各种软件，不过当时学校里学的都是那种老牌的这种付费的软件。

工作之后虽然说用不太到，但是他们使用的这个思路基本上是一样的。所以说也是会有比较大的经验。另外统计学和数学的基础知识对于获取工作中就数据处理也是一个基础。另外就是说这个专业毕业的时候，去竞争的时候确实是有优势的。

一般目前我们现在招数据分析师也是优先要同一专业的，因为毕竟专业对口是大学四年学的，工作能上手比较快一些。

相对而言的话，数学、计算机有什么软件工程之类的，稍微有一点沾边，因为毕竟也算是开发岗位，那最对口的其实就是统计学和数学的。然后另外计算机一些相关的专业也相对比较合适一些。

3、老师目前公司属于什么行业，这个行业个特点以及关键的业务指标有哪些，可以给我们分享一下吗?

目前是就职于母婴公司，我是公司里的电商业务，所以说他是母婴电商公司，而母婴电商其实也就是电商行业的一个细分领域。

对于母婴电商来说有个特点就是用户的生命周期比较短。对于我们来说，环境年龄其实是孕晚期到2岁这段时间，妈妈和爸爸对小孩子买的东西会比较多一些，然后到2岁以后，其实购买的就跟普通大人的购买区别不是特别大了。

所以说对我们来说就是生命周期很短。我们需要在这个很短的生命周期里面尽可能的服务好用户。然后拉新也是特别困难。因为现在爸爸妈妈都是想给孩子最好的，所以说他对于一些新兴的品牌其实很难产生信任感，他们一定会尽自己的可能去选择他所能买得起范围内的最大的品牌，它们相对给用户的信任感会更好一些。

但是虽然对于这样来说，拉新会比较困难，但是一旦你把用户转化了，用户也不会介意去选择别的品牌。因为他已经对你产生了信赖信任感，然后他换品牌会有比较大的成本，不是特别合适的话，他才愿意去重新选一个品牌进行尝试，所以说他流程会比较好，而且另外就是他社交属性比较强，因为对于妈妈来说，比较愿意分享，如果是熟人推荐你的话，他的接受程度会比我们直接去转化，它会更好一些。

用户生命周期分析与行为分析

4、老师刚才有提到用户拉新这块比较困难，那可以跟我们分享一个您过往的一个案例，可以给我们做个分享？

就我们公司核心单品是纸尿裤，公司的诊疗部其实以前一开始的时候是找第三方卖家入驻的，后来我们就是考虑到母婴行业对于这个信任感的问题，我们才全部转为自营。

我们的纸尿裤都是自己找工厂设计的，所以说质量这块的保证。但是用户因为没有听过你这个牌子，所以说他很难去下线。我们其实是开发出了一个试用装，就是差不多一片或者两片装以比较低的价格，甚至是零元的价格给到用户去试用。

然后试用完成之后啊，他如果比较满意的话，就可能会考虑来买正装。那我们会对于试用的用户可以给他发一个相对比较优惠力度比较大的优惠券，让它来购买正装。他购买了一次之后，我们又会发一个力度再小一点的一个正装的优惠券，让用户达到一次试用装，两次正装的购买之后就已经能比较信任我们这个纸尿裤，最后我们就以正常的运营逻辑去运营用户，对于这一块其实效果还是比较不错的。

5、电商行业它主要的一些关键业务指标有哪些可以给我们分享一下吗？

大体上电商行业其实都大差不差，就主要的就是gmv 。

这个就是看你卖了多少钱，然后是客单价订单支付人数，这些是最终评判你这个电商的规模的一个数据。另外就是表层的一些，比如说曝光点击点击率、转化率，这些是你的流量情况。平时像我们因为是自营的公司，所以我们注重毛利率。

像平常卖家的话，他们一般就是收佣金的，这个时候需要考虑毛利率，像我们还需要考虑毛利的情况，这一点会稍微会多一点。然后另外就是拉新的情况，然后拉新的人这也是比较关心的一个指标。

另外还有就是电商其实是一个复购性比较强的一个行业吧，就是复购率对我们来说是老客在我们这边的持续购买的一个核心评价指标，这也是重要的，就代表着我们对用户服务的好不好，用户认不认可我们这个公司。另外就是目前比较核心的一个归因指标。

归因指标其实是相相当于把所有的资源位的所有资源位的曝光，点击支付等等这一系列的用户产生的购买，分配到他属于他的那个资源位上，就是去评判每个资源位的情况，差不多就是这些。

6、数据分析师工作内容和以及与哪些角色配合，老师可以分享一下吗？

数据分析师工作第一点就是数据源，数据源一般来自于两个部分，一个是开发团队将普通数据写入他们的数据库表中，另外就是买点，买点的话主要就是采集用户在我们app 里面的小程序或者网页上的各种行为轨迹，一般包括浏览、点击等等。

这些用户的行为要采集下来，然后把它记录到我们的数据库当中，这是第一块。然后第二块是报表的制作，因为报表是作为日常我们去观察数据监控数据也是最重要的一个获取数据的渠道。所以说报表制作这一块也会花比较大的精力。

另外就是数据异常的排查分析。比如说这几天的销售额降了，或者是涨了，我们要去分析原因。如果找到业务方比较好的动作的话，我们就说要让他继续保持。如果是有问题的运营方案的话，就要可能就要下线。第四个就是ab测试分析，这个一般是用于到我们的产品迭代，我们目前产品的功能做更新的时候，一般都是以ab 测试的方式去评判这个功能的好与坏。

所以说就这样能更加科学的来迭代我们产品的运营方向，迭代方向。第五个是专题分析，这个其实是考虑一个分析师综合能力的一个命题。像这种分析报告的话，其实频次不是很高，但一旦做的话就是一个比较大的命题了，和花费的时间也是比较久。

它包括取数，然后分析，然后得出结论，然后最后跟业务方沟通，最后把这个落地等一系列流程一般要持续一个月左右吧。一般最后就是临时举措，像这种也是目前分析师不可避免的工作也是占了日常工作中比较大的比例，也是分析师不太愿意做的一个事情。

因为他对于分析师来说没什么成长性可言，完全就是一个体力活。因为对我们公司的规模来说，目前不需要一个完全的数据产品经理的一个角色来。所以说只需要我，目前大家只会用30%到40的时间去设计数据产品内容。数据产品的话其实他本质上还是一名产品经理，就是设计工艺，设计一个能帮助分析师减少临时或重复性的活动的一个功能。

他主要的话还是一个产品的设计。另外因为会涉及到一些数据相关，所以说你有数据分析师的基础的话，你就能明白你分析师要什么。然后运营产品他们需要一个怎么样的功能。这一块结合起来的话就会比较有优势一些。

平时的话一般就是他们会提一些报表的需求或临时需求，另外也会给我们提一些专题性的分析，去帮他们分析他们目前的运营动作会怎么样。比如说这次大促效果是好是坏，有一些新的花下来有没有产生到效果，对于产品的话，它产品功能的迭代，比如说这个按钮的颜色大小其实都是我们通过数据去佐证，哪一种方案更适合我们的用户，这个是最核心的对接。

另外的话就是数仓素材的话，其实跟我们是属于同一个团队的。数仓其实就是数据仓库，他相当于把我们把底层的数据架构给优化好，他会帮助我们角色取出时间，因为他会把我们一些重复性的工作给抽象出来，做成一个比较好用的表，或者是我们平时因为他那边会有多个表，我们经常要用到它，可能会提前帮我们关联好。

另外像买点的这种信息数据的获取，其实可能会有很多单数据，他们都会把我们清理完成，给到我们一个干净可用的一个数据环境。他们对我们来说其实是我们的上游团队，也是帮助我们减轻工作量的，然后开发测试，我们都是属于研发团队，像我们买点的这个工作，其实是由我们设计完成之后是需要进行买点的开发，然后测试来验收。

另外我们像一些数据异常的问题的排查，也是需要帮我们开发，帮我们去看一些逻辑的。另外就是数据产品类的工作。相当于是我设计上的需求之后，开发跟测试，帮我把这个功能一起实现给到业务方去使用。主要就是这三大块的对接。

用户生命周期分析与行为分析

7、在实际工作展开数据分析过程中，您觉得哪一块比较难或者操作难度较大？

实际工作当中其实比较痛苦的就是两个点，一个是临时需求的任务居高不下。

另外就是我们分析的结果落地比较难，因为业务方会有一些突然灵机一动的想法，就想来看看数据情况，实际上并没有什么用。然后另外分析结果的落地的话，也就是因为涉及很多资源协调，它会比较困难一点。

我就来讲一下分析落地的这一块。因为临时任务这个其实不是特别好避免，需要你公司的高层来决定介入之后我们分析师的核心工作内容是哪一块。这个其实需要数据的，所以一般需要数据总监跟CEO达成一致，这样我们才能有效的控制。

像我们这个其实不太能决定。但我们公司目前因为还算做的可以，因为高层相对有达成的一些情况，所以说我们工作量的占比不会特别高，但也不会太少。所以说目前也算是能接受的状态。另外就是分析结果的落地这一块其实是完全要靠你自己的能力去推进。

比如说我们针对某个方面展开一个专题性的分析之后，然后得到了一个一系列的落地的action 。我们确实也证明我们这个分析是有用的，但是产品的需求可能一直排不上，因为产品这边他也比较困难，他是他可能受到业务的一些压力，在需要把业务的需求先排上，然后我们这边可能想的是数据的需求并没有业务那么紧急，因为产品其实还是对业务负责的。

那这个时候就是说需要怎么办？一般来说我们就是分析的方向也得是选择目前阶段业务重点的运营方向。目前业务是在运营拉新的时候，你不能去分析流失召回这种，那可能都没有人搭理你，你需要跟大数据是保持一致，然后你也要懂业务，因为你只看数据，比如说环比增长多少，同比增长多少，这样其实没用的。

你需要去看到这个数据背后代表的业务含义是什么。我们才能得出一个比较有效的落地。也是要能切合实际，能实现。不能说你现在让老板给业务增加100万的预算，你这样就能涨到多少种，其实是意义不太大，必须就是能符合当下实际的。

另外也需要用数据来说明你的这个改进落地的话能做到多少好处。像我们订餐的话，一般就是说能提升多少销售额，或者拉了多少人进来买。这个的话就是自己能有效直观的来评价你的产出。另外就是说你需求真的有多少，这样一对比其实就明白了。

像我们的话啊，如果你跟产品直接沟通，没有符合你的预期，你就分析到这里面。你的分析结果是有用的，确实ROI也很高，然后最后跟你连到一起找业务方的高层，一般是VP，跟他保持一致之后说我们这个项目确实有很大的发展空间，他们达成一致之后，接下来的事情确定就会比较方便。

8、当下做数据分析的人有很多，相比一般的业务同学，您觉得专门做数据分析的同学，他的核心素养有哪些?核心竞争力又是什么呢？

主要是有三大块，一个是数据敏感性，就数据分析师有一个比较特别的能力。他相对于其他业务的同学们第一眼发现这个数据的规律，或者数据当中的异常，就是缺数据的敏感。那数据的敏感其实是要在基于业务的理解上才能有的。

比如说对于不同的行业来说，它的涨幅百分比不同的对于我们来说很难找。涨幅差个5%4%可能是正常。但对于有些行业来说，他可能每天的波动不会超过1%。一旦超过1%，他就是一个异常。这个是你需要对这个行业的一些了解才能做这个判断，觉得这个数据是异常还是属于正常的波动。

所以说我这边的话建议大家尽可能可以多参加一些不同类型的数据分析项目。不仅仅是只做业务方的一些需求，多写分析报告，然后去参加数据指标体系的建设或者数据产品的规划。这一块的话可能每个公司不同，但你参与进去之后的话，你也能得到一些东西。

最后还要做一些数据挖掘相关的项目。像这个其实是对数据要求比较高的如果你各种类型的项目进行都有这样你对数据领域的专业能力就能得到一些提升。那你前期参与一些自己不熟悉项目的时候呢，就得多付出多学习。这样的话你长期练习之后，你对于这个数据的感觉就有你一眼看去就知道它是正常的波动，还是说某种一异常情况，这是数据敏感性。

另外就是行业知识的沉淀。就虽然数据分析的思路在不同的行业基本上是通用的。但是只要你熟悉的这个行业，了解这个业务之后，你才能真正做一些深入的分析，不出一些可行的方案，这个是需要时间去沉淀的，所以说也能建议大家决定做数据分析这个岗位最好是能一直在一个行业做。

那你不说做电商的话，你对于电商的了解会比较透彻一点。这样你看数据做分析的时候都能得到一些有用的结论。另外平时自己也可以多去看一些行业知识的报告，比如说行业报告、行业新闻，像这些都是可以多，平时都是多去了解。

另外区别于普通的分析，业务同学，数据分析师他的大局观会好一点。因为一般数据分析师是我负责一个业务，所以说他会站在整个业务的角度去看待问题。业务的同学比如说运营，他可能是会分成很多种类，活动运营或者用户运营，然后是商品运营者，他们只可能在自己所得的一亩三分地就困在其中，他不能发现问题的关键所在，只会通过自己了解那一部分去继续深度挖掘。

这样的话它不太容易发现真正的问题在哪里。数据分析的同学因为是一直看着大盘的数据，那他相当于从大盘去拆解之后，更容易能发现问题所在，那他就可以得到更核心的信息，还有新的资源去投放，更加和谐。

9、您认为胜任数据分析这份工作应该具备哪些能力？

首先就是解决问题的能力，我们老板花了钱请你过来，你就是要帮老板解决问题的。数据分析师的职业本质就是利用数据分析的技能来帮助业务或者老板来实现目标。在实现目标的过程当中会碰到很多问题，我们可能会用到数据，发现一些机会点，或者是发起提前知道一些风险点，也会用数据来做对比可行性分析。

用数据及时发现问题，这样的话就能帮老板或者业务提前挡住风险。或者是提前发现一些机会点。另外的话我们每种分析的主题可能会对应不同的分析方法和模型。核心的点我们得知道怎么样的情况，解决什么样的问题，还是灵活应对，不能是疏散，我这种方案就适合用作一种模型的时候，你这样去套，你其实结合情况实际去分析，然后真正适合你这个公司是跟这个业务的一个情况。

另外的话你也可能会遇到一些棘手的问题，这个时候一般就是去拆解就可以了。有的时候你做的问题可以一步步的去拆解，去定位问题平台，最终都能把这个问题给找到。简而言之就是老板教你一个任务，老板其实不用管你用什么方法，不管你是用高级的数据模型或者算法来解决，还是说普通的一个公司excel就解决掉了。

老板其实就希望你能快速有效的把它的问题给解决掉就好了。这个就是解决问题的能力。第二点的话就是逻辑思维能力。对于数据分析师来说，这一个能力也是比较重要的。就是老板抛出的事情，你能迅速明白老板的核心问题是什么。

有的时候老板他并不能特别描述清楚他问题的本质是什么，他只会告诉你，今天怎么这样啊，那样的，你要通过他的描述之后去发现他的这个问题的核心所在，这样才能去真正的有效的开始解决问题。要不然老板只是告诉你一个，表象的情况，你就只去解决这个表象问题，其实是治标不治本，这就其实是不行的。

比如说你到了个新的部门，你能快速理清楚里面的业务逻辑是怎么样的。那你这样写分析结论的情况也要能做到不重不漏，就pc面料这些问题能解决好，就代表你在思维逻辑能力是差不多是ok 的。第三点的话就是学习能力，这里的学习能力，是指理解模仿、快速应用复盘总结形成规律的能力。

互联网行业所需就是一个特别快的行业，每天都有日期，就是每天都有新的技术出现。所以说数据分析这个职业的话也是需要不断的去学习新的知识，需要在一个短时间内了解一个行业，并给出自己的专业，这就需要你有一个很强的学习能力。

同时大数据时代工具发展很快，你也得尽可能的掌握一些新的技能帮助你提升效率。比如说以前大家都是excel，后来可能用python之后，你可能效率就能提升不少。另外如果你自己能从数据库快速的获取原数据的话，肯定会比需要别人给你提供原数据的分析师解决事情会更快一些。

另外合理的分工协作肯定也是能提升团队效率的，能提前规划分析指标体系落地到报表体系，以及做好你所有的准备。最后你就只需要做一个把数据展示出来之后进行一个拆分，这样你就能更加快速的定位到问题。那平时也可以跟多跟大家交流，平时也可以多关注一些公众号，或者是加入线下的沙龙活动，可以去听一听别人看一下别人，外面是否有一些新的工具，新的方法论你可以去运用。最后一点就是沟通能力，沟通能力其实也是分析师特别重要的能力。因为分析师其实是差不多连接业务跟开发的一个桥梁。这个时候沟通能力就非常重要了，你得比较善于沟通，并且与别人比较能接受的方式跟别人沟通，这样别人就愿意跟你沟通。

这是一个比较难的能力。在我们我们公司可能还好，但其实已经见识过处理一件事情，一定要经过多个部门。如果是现在BAT公司里的话，你一件小事可能要十几个部门一起合作的。所以说你得把你的沟通能力锻炼的比较好一点，让你的需求可以比较快速的能落地。

那么大家愿意跟你合作。因为对于公司当中能沟通的对方，有比较大的一个决定权，来决定要不要做你这个需求。如果你能比较好的一个方式跟人家打交道，这样你可能不需要别人的上层的压力来帮助你让需求落地。

你可能通过自己的一个交际能力，交易订单，把你的需求落地。这样最终如果这个需求有效果的话，对你的个人价值会是有很大的帮助。

用户生命周期分析与行为分析

10、您觉得数据分析人才需求未来的趋势是怎样的？

在我的理解当中，未来数据分析师肯定不仅仅是一个懂数据的人，他一定要是一个懂业务的人。如果他只懂数据的话，肯定会被淘汰。因为以后基础的取出工具应该都会被数据产品之类的这些产品给代替掉，但是做数据分析师，只需要去做它机器做不了的那些事情，这个就需要你懂业务，你要看到数据的表层之后，能理解他真正的业务含义是什么。

像这种事情其实是机器做不了的，那只有人能做，这种就是分析师未来的价值。他就需要特别了解业务。深入的帮助业务分析问题的所在。平时要监控数据的异常，然后迭代功能进行ab测试的一个科学的评判来改进好坏。其实ab 测试它也是其实可以代替，但ab测试过程当中那些问题或者是产品能改进的方向，这个产品是给不处理结论，他只能告诉你好，还是不好。

所以说未来肯定就是懂业务的数据才是未来的数据分析师的发展趋势。

他们其实就相当于数据分析师在公司里的话语权，他相当于数据分析师的话语权不足。他觉得可能对自己好像没什么成长，也没有什么做出有效的价值。想到去做数据产品，其实数据产品说实话在于在一个公司内部的产品，他其实的话语权不会太高的，你除非像神策或者是些对外输出的数据，真正的一个产品，你做数据产品经理才会有比较用。

因为毕竟你数据产品的话，说实话就是一个内部的一个使用工具，不会有太大的价值。就中规中矩。

那种可能更偏向于一个toB产品经理，你可能更多的要去服务，就是要去他乡，有可能会美国每家做一些个性化的电子，就是出差，让他们做一些小改动。像那种公司的发展前景肯定不如神策这种通用性能用的产品。

11、面试的时候会更多提问关于面试者的哪些方面的问题？哪类回答会是您比较满意的？

对于应届生来说的话，其实他因为没有工作经验嘛，我们其实主要是最主要就是考察他一个在学校里的表现。你首先你大学的成绩绩点多少和如果能参加一些统计学相关的比赛就更好了，那这个就很大程度上直接能证明你的学习能力和规划能力和自律性是ok 的。

另外你因为要做这个岗位，那你肯定要去准备一些基础知识的掌握，包括数学、统计学，对于工具类SQL Excel 购入这些基础工具。如果你不用的话，又是一个加分项。另外如果你大学期间能去一个比较好的公司，有过实习经验的话，并且对于互联网，对于业务有一些自己的理解来，而不是学校的那种学生的感觉的话，那这个加分项又高了一些，对于应届生来说，一般就考察这下其实就是实习经验和你的大学成绩，这一点已经可能要占百分之七八十的因素了。

另外就是对于转岗的同学，我们比较考察多的是一个逻辑思维。首先它是业务思维，就是你看业务的本质能不能发现，因为我们一个业务看似流程比较简单，但是实际产生数据的复杂程度其实是超很多人想象的。

对于业务逻辑的考察，主要是通过你参加过的一些项目的实际经历的情况，我们会看你是不是真的参与到其中，或者是说你是能在整个项目流转的全流程当中都有一些了解。比如说你是一个运营，你可能只考虑到你那一块，而不去考虑它的上游和下游的一些情况。

这个对我们来说可能就不太好。我们希望他也就是做一个项目。虽然可能你不是像项目经理，但我们希望你有一个像默认的精神，你可能要了解整个项目这情况，这样对后来去参与一些新项目的话，你可能会比较有经验一些。另外就是行为逻辑，相当于写一份数据报告。

数据报告可能是一封邮件或者是一个文档。我们刚才结构还是比较重要的。所以一般是先写核心的结论，然后对统计口径做一些说明，然后分析思路具体方面基本上这么一个数，我们会看历史上的一些报告的时候，对报告写的程度怎么样。

另外就是蛇口，蛇口对于数据分析师来说还是一个基础的能力。你一些表的关联或者开窗函数等等，都是需要你掌握的。另外买点体系，买点时作为数据的源头的话，买点体系买点的整个运转流程，它的流转逻辑使用情况你都是需要有所去了解。

另外也就是学习能力，互联网行业的从业者就需要经常面对一些新的需求，新的方法，新的工具。如果你能快速的去掌握新的能力，那我们就认为你转岗可能也能很快的来适应解决问题。

另外就是业务行业的了解深度。因为转岗的同学对数据这一块肯定是深层次能力肯定是不够的。那我们就需要他对行业知识和业务知识比较就比较深厚的了解，以此来弥补他这一方面的缺陷。如果你是同行业的转岗的话，对我们来说会稍微有一些加分线，差不多这样。

12、就是对于转行转岗，其实他是很难有项目经验，如何看待网上开源的数据的项目价值？

然后作为他面试作品这一块，他们一个价值或者是对于转行转岗台准备面试作品的一个价值。如何可以跟我们谈判，跟我们其实不太认可，这个就是超时的。我们更希望你去做一个看似不复杂，但是可能是你自己想的一个随便的一个命题。

然后在这个命题去做，我们宁愿是希望能看到这样的一个项目经理。比如说像网上的这种已经很老生常谈这种项目，我们就是觉得你就是按照网上的代码或者什么就走一遍流程，也并不觉得你掌握了，我们自己开拓一个虽然看起来不厉害的命题，你自己如果能全流程分析下来呢，我们觉得这个是你真正掌握了这个能力的关键，这个很棒。

转岗的同学，肯定是要开始提前学习数据相关的一些知识。如果你自学能力足够好的话，你自己学习也没问题，但可能很多同学都没法做到这个自控力。

那就建议去报名一个数据课程啊，是一个比较好督促你的学习的方法。如果有条件呢，最好是线下，这样你能保证你学习的这个持续性会比较好一点。如果没有条件，你网课也没问题。不是说这个数据课程能有多好，就是说通过报了一个课程，老师可能会有人监督你学习，帮你更加系统的去掌握一些情况。

然后你去自学，可能你是要多准备一下，系统性方面会不如网课。然后对于学习内容的话，比较核心的就是SQL excel，这些是你需要深入去学习的。另外就是python大数据相关的一些初步的了解就好了。

另外统计学数学知识也是需要去复习的。大学的知识其实就算虽然你不是数学和统计学专业，大学里其实还有一些基础的数学课程。这些知识你大学里基本都有听过，然后后面工作后去复习一下，基本上也是够用了。

另外也就是说多进行一些项目的实操，就是很多东西你看起来你看人家网上代码什么的，一看好像我觉得都会了。自己其实并没有真正掌握，你还是需要自己去另一个项目，然后你这样才能更好的掌握。就相当于我们上课的时候，我们还要写作业，课后作业相当于是把你巩固学的内容。

你自己练的项目其实也在面试的时候也是一个加分项。另外也就是尽可能要找你之前行业对口的数据分析的岗位，这样对你转岗的成功概率会比较大一些。

如果你跨行业了，建议是岗位一样。

大学的应届生，就是你大学的成绩你还是要认真上课，认真考试的。但是学习成绩对于我们筛选简历的时候真的会很影响。首先是你的学校和专业，那学校专业之后，就是你的大学期间的经历，

如果你能有些比较出色亮眼的成绩，那可能也会直观一起考量的话，那可能你过关的概率比较大一点，毕竟这两项就是因为面试官在跟你沟通半个小时1个小时，其实很难对你的真实的情况有一个了解。

你的学习成绩和比赛结果就已经比较间接的证明你的能力了。另外除了大学有些很多同学可能都不是我们统计学专业的，那你就需要自己去在课外的情况去学习一些数据分析的基础能力。比如说SQL 这个是最基础的，这一个点都不难。

很多同学其实他们的粗粗的看了一下就来面试了，你只需要花点时间去练个两个月，面试题是比较容易解决的，还有就是可视化的展示，就是excel 这一块网上的这种教程已经很多了，你就跟着网上练，然后自己拿一些网上找些数据，根据你这想法做出一些可视化展示。

这些技术其实差不多就已经可以掌握了。现在python确实也是比较火，python其实在工作当对于数据分析师来说，他的使用率并不是特别高，一般只有当我们excel 这些处理不过来的时候，我们才会选择python去做。这个当然你学习python 的话，也就相当于是加分项，你也要花的时间去学。

我们认为你是学习能力是ok 的。另外就是说如果大数据相关的一些基础知识的了解也是加分项，底层原理我们其实不要求你会的。但如果你能了解一些，那对于后期的工作当中遇到问题，因为你明白了这个平台的工作原理是什么，

你去解决问题的时候比较好一点，这一个确实比较有难度，但你多去看一些文章或者一些视频的话，其实能大致明白它的运行逻辑。这样你只要脑脑海中有一个印象，那这样后续报错或者是一些慢查询的话，你就能利用底层的情况去做出一个比较合适的改进方案能力。

最后希望应届生在大学期间要利用暑假多去实习的。如果能去Bat这种级别大厂的话，肯定是最好的，进不了大厂。我们建议去行业对口的小公司，因为小公司你能真正干活的机会比较多，像你的大公司还是在一个打杂的一个状态。

这些视野的开阔是小公司不能比的。那如果你进不了大厂，进比较对口的一个小公司，你就能进行实操。你可能去做一些工作，内容都跟正式的员工也有百分之五六十会相似。那这样对你的经验和行业的了解是比较好。

用户生命周期分析与行为分析

13、如何看待大学各种竞赛的价值？

数学建模这种相关性的，是对你来说也是一样的，或者是计算机相关的一些比赛。

只要不是那种比如说艺术类的这种比赛，其实我们都是认可，就是代表着你带，我们不是说你参加这个比赛怎么样，相当于是你去参加这代表的大学期之间的学习啊，或者是做事前都是有规划性的。我们是看中你这个比参加比赛背后的一个情况啊，就是鼓励大家应该多参加一些跟技术技能相关的一些全国性的比赛。

其实这个背书还作用挺大的。这样代表着你的学习能力，还有团队合作，说明相当于是有一个小型的公司，类似于小公司小组的一个团队定测过了，说明你是有经验的。

像现在的话其实各种互联网大厂他们也会包括一些比赛，就是阿里有天池这种其实对我们来说是很对口的。如果你能在天池比赛中获得比较好的名次，对我们来说也是一大加分项。另外其实各个从ba t 级别的公司都会有一些类似的事情，同学们都可以去相关的官网上去查看，他们一般都会发布。

他们其实直接可能或者上到offer，或者是小老板都是有的。这个可能就是一个车信息厂，确实有的，我觉得接触到信息了解了，然后去做了就多了一个机会，不知道的就是不知道了，但是如果在后期会去了解，就说明这个学生他就思路比较明确，就已经要想尽办法他的渠道去获取各种信息。

那对我们来说好学会比较看好一些，对我们过往就是另外一个数据分析就业班的里面的一些同学们发现，如果应届的同学提前做一些准备，就是比其他的人感觉先走了很多步，竞争力就是很明显。

《数匠访谈》是爱数据社区一档针对一线各行各业资深数据从业人员进行的深度访谈的栏目。

爱数据社区《数匠访谈》旨在分享：在数据作为新的生产资料和驱动力的数字化时代背景下，数据从业人员如何发挥数据价值的见解和洞察，共同探讨数据应用与发展趋势等话题。

访谈嘉宾均来自：一线各行各业的资深数据分析师、数据产品经理、数据开发工程师、数据建模专家、算法工程师、数据仓库架构师、数据总监等，行业覆盖新零售、O2O、电商、互联网、教育、物流、金融、信息流、医药等。

《数匠访谈》通过深度访谈一线资深数据从业人员，整理发布数据嘉宾的实战工作经验、行业洞见和先进的数据技术，为入行数据从业者、数据爱好者提供宝贵意见，为行业发展起到积极促进作用，进而达到数据人才价值实现，推动数据产业发展。