Datawhale干货

作者：王大鹏，数据开发工程师，Datawhale成员

分享一下自己实习提前转正SP+的经历，抛砖引玉，希望和大家多多交流~

刚来实习时，我其实是处于一个半瓶子醋的状态：你如果问我技术栈的原理、各个技术点的关联、刷题，我会答的很6。但是如果让我直接上实操，我确实会比较懵逼。所以刚来时，我抱着的心态就是：我来就是学习的！不要怕失误，不要怕被怼，不要怕出错，就算到时被开除了，起码也可以多一份经历。

第一天

第一天从新人文档开始，新人文档基本上交代清楚了配置工作用的环境和各种权限的申请。纵使如此，我还是犯了不少错--配置ssh，连接半天都不成功、开发环境jdk/maven/scala搞半天都不匹配。最后自己把遇到的问题以：“1. 问题；2. 自己做了什么；3. 背景（想做什么事）”结构化的发给mentor，才快速的得以解决。

事后我在想其实我们犯基础错的时候，应该都不好意思去问，因为这样会显得自己太白(sha)了。工作中以事情完成为目的，我们自己去磕的问题，可能别人那里已经有经验了。因此在尝试过后，可以试着组织好结构化的语言，大胆向身边人求助。

熟悉期

接下来mentor就开始让我熟悉了，同样，我还是遇到了很懵逼的阶段。就是熟悉熟悉，到底是熟悉什么？该怎么熟悉？当时看大家这时都随时有人在对业务，于是我开始按两条路走：

一是熟悉基建--即我们是用什么平台开发的，这些平台工具怎么用？二是熟悉业务--即我们为什么要用这样的方法做这个业务、这个条件为什么要这样用？这个期间，基本上自己开始搜罗各种文档，然后自己比这文档的方法用自己的方法写一遍，看结果和之前人做的是否能吻合，不吻合的话再去找相关同事问下解决方法。

这个期间其实一般不会给你很明确的任务，需要你自己从上到下的去思考，你以后能支持些什么工作，那么为了支持这些工作你需要有什么样的基础技能和业务理解？然后去找自己对应能做的事。

打杂期

之后，就开始会有一些临时需求的子需求和一些“杂活”。临时子需求就是比如跑个数查下应用活跃的版本分布、某天时长最高的前30%的用户的平均时长等等之类的。这种需求的特点就是急，基本上半小时之内必须给答案，且给的答案不能是错的。我刚开始接到这种时，做的时候总是手心出汗。

因为要的比较急，所以开始在解决时你需要想到大概有哪几种方法，这几种方法哪个的效率会更高。不出错的话，因为自己不确定这个业务的数据源，可以找同事帮忙确认下。同时我一般是很不好意思去麻烦别人，所以我通常是先自己确定几个数据源，然后再找同事确认下是否问题，不是上来就直接问。

“杂活”基本上就是文档、统计之类的需求。记得之前有一个统计表元数据及活跃信息的任务，任务并不复杂，需要三层深度链接，来统计几百张表的20个字段。我做的时候，就是开头先上头撸10个，然后把信息统计好后找mentor对了一下；确认是这个信息后，就开始自己写脚本来程序化的抓取数据；当天基本上就把结果给出来了，同时也把过程总结了下落盘文档，方便其他有相同需求的可以直接复用。

做事期

信任是逐渐建立的过程，当你把一些不起眼的小需求做好的时候，才有可能去接触些大点的需求和结构化的项目。

这个期间里，基本上会单独业务方找你对需求，以及会把你拉进一些会议。我开始是非常怂的，听完需求后，我内心把它记下来，然后说“ok，我考虑下马上回复你”。然后等对面老师走后，立马拿笔把刚刚说的内容回忆下，然后逐句分析下这个业务中隐藏的点，出方案后再找mentor对下看这样做是否合理，现在想起来非常有趣了。

尽管很谨慎，有时还是会出问题，比如有一次周五数据分析师反馈数据不合理，连累了一位老师在周六日协同排查问题，最后发现是一个业务点没考虑清楚的条件问题。这也给了我很大的教训，在自己不能确定时，宁可给晚数据，也不可给错数据，这样会给别人带来很多麻烦和困扰。

后面做项目时，为了不因为自己的原因而影响大盘，有很多天都是定凌晨的闹钟，然后看到任务正常上调度了，自己才继续去睡。这段经历虽然苦比，但是成长很大。

最后

最后想说的就是，我们要去相信人是会成长的，当下你基础很薄弱或者水平很差，其实没有那么重要，核心在于，你是不是要一直停留在一个高度，你是不是能不断有所提升。

在小米实习到SP+转正

第一天

熟悉期

打杂期

做事期

最后