从业以来面试过不少数据分析求职者，我就从面试官的角度说说我喜欢的简历顺序和要提前了解的那些事个人能力比如在数据分析工具方面掌握，算法方面的了解，业务的主攻方向，你的软强项有哪些？沟通、思维、学习、适应能力等这部分一般用人企业很关注，可以直观看出你与需求之间的匹配程度，往往会给对方留下很深的印象一定要根据需方的要求调整顺序，比如面试数据工程师，那你把工具、算法一定要写前面，面商业分析师，那你业务的主攻肯定要放首位，从上往下阅读是90%人的阅读习惯，往往开局记忆深刻，后面的内容基本靠匹配度去感觉，这部分的梳理一定要有逻辑，这部分属于并列关系，所以从几个方面独自去概述，千万别一段话了事，例如从数据分析工具上讲，你熟练哪些，掌握哪些，经常使用哪些，从算法来看，你掌握什么算法，经常使用的算法有哪些？从业务分析来看，你擅长市场分析、用户分群、营销分析是驱动业务增长、媒介分析等工作成就其次你几年工作的主要成就，比如独自完成的项目有哪些？从0到1建立的分析体系有哪些？达到的效果如何？上级及服务方对你的认可有哪些？这部分一定要提炼自己这几年主要的成就，独立完成的不但要能写出来，要能自圆其说，从0到1的创建，一定要有层次感，先做什么，后做什么，为什么这样去做，要能说清楚，要原当时的处境，因为这些处境可能是你下一家也面临的，大千世界无奇不有，但芸芸众生皆有相似之处最好的方式就是让你身边不懂得人来看，让他们问你，你来不断回答，慢慢梳理自己的逻辑，记住这点很重要，薪资的差异可能就从这部分开始了，大企业一般一个萝卜一个坑，这个坑放多大的萝卜就看你能否自圆其说，表达清晰虽然很多人喜欢体现自己的数据分析对厉害，比如做了什么分析帮助公司转化率、客单价、复购率等提高了多少个点，要写没有问题，但一定要注意逻辑，提升多少点你判断的依据是什么，有没有前提条件，这件事不这么做的话，数字在什么范围，这里不仅要能说出场景，更重要的是背景，这样的背景下，我这样做带来的提升如果觉得麻烦，最好别写，原因很简单，数据分析师很少有KPI的，而影响你所描述的KPI不是由数据分析本身决定的，只是存在关联，并没有直接的因果关系，所以这块一定要注意，常规的描述也有自己的套路，就是你所描述的工作都是围绕数据进行，也就是中心点一定要明确，也能事半功倍背景履历下来才是工作经历，教育等，工作经历描述尽量详细一些，让对方知道你到底在这家企业做什么？在团队中是什么角色，而不是匆匆几笔，这样面试人不知道问你什么，反而物极必反，就好比谈恋爱，你越了解别人，你们的话题才会更多，你才能聊的更深，这样彼此才能知己知彼，对你而言不但面试能成为学习的机会，能让你少踩坑，对用人部门来讲，他们能否给你清晰的定位、准确的认识，从相识到相爱，而不是闪婚带来的阴影，你甚至怀疑自己的命运和人生其实面试不可怕，大家都是搞数据分析的，也要懂得先分析企业需求，再对症下药，把每一次面试当成自己的重生，要用尽全力展示自己，简历只是一张门卡，要打开这扇门要很多方式，比如自己的输出（针对性的报告、行业的见解总结、你对这个职位未来规划方案等），领导都喜欢主动的人，要用尽全力，一个好的企业，这一干可能就是3年 ，所以一定要120%努力，不可忽视，你的面试蕴藏着你3年 的青春，也可能成为你职场最关键的三年 一定要想好如何应对，再去筹备，这不是一份简历那么简单，这是你职场的订婚证提前准备面前准备：1、一定要了解目标公司的业务和产品，利用好搜索引擎，最好自己体验一下，顺便看看公司的其他招聘岗位，大致可以看出公司的重心是研发是业务，可以去一些职场社交平台（例如linkin、脉脉等）看看有没有新鲜的发现2、一定要看这个分析师的需求偏底层，偏算法、偏前端是报告输出为主，这一点一定要清晰，面试中自我介绍时可以重点根据岗位需求去表达类似这样的经历，让对方觉得你很有见解，为他所用分析清楚需求的目的有一个就是对标自己的技能，一般业务为主的会要求懂统计软件之一即可，加分项可能是hadoop、hive、sql等，所以只要懂一种就可以了，他们更看重分析思维面中准备1、简历中尽量突出自己和岗位相符的技能和经历，就好比我们做数据匹配一样，增强第一好感2、不懂得软件和技术千万不要写，对方肯定会根据你的描述，抽其中一个进行验证，既然写了，基本的模块和操作至少要了解3、当问到你项目经验或者经历时，让你谈谈自己的操作过程，这时候千万不要以数据分析的流程去回答，比如了解需求、在需求的基础上提取什么数据、做什么分析，用什么模型，得到什么效果和好评而是要用分析思维去解决三个关键what、why、sowhat比如我做过一个用户提升项目，再与业务、老板、部分部门交流沟通后（给面试官感受：你有很强的需求分析、沟通、协调能力）我把提升从业务和流程角度进行归纳总结（给面试官感受：你更侧重业务，而不是数据）分为三个方面，用户获取能力提升、用户活跃度提升、用户提升消费…（面试官感受：你做事很有条理，有的结构化思维的意思）比如在用户获取能力方面，为了需找优质渠道，去除没必要的广告投放，我先找出几个关键性的业务指标，投放金额、投放次数、转化人数等，然后根据这些指标再延伸影响这些关键指标的数据需求，出具体的数据需求，并对数据的可信度进行评估，然后用对比、分解、综合评估等方式进行数据分析，来假设和验证数据与目标主题之间的关系。