好的数分简历是怎样的?

数据管道

共 3975字,需浏览 8分钟

 ·

2021-10-30 09:05

你们好,是宝器!

金九银十来了,开一个系列聊聊求职的那些事。这篇先聊聊简历。
 
我有个朋友最近正在求职,在投递了几家公司后,他来找我咨询面试相关的问题,想突击一下面试技巧。但当我看到他的简历的时候,我第一反应就是:为什么不在简历投递前就找我?

我有这样的想法是因为这份简历的问题点很多,很可能就会因为简历中的表达问题导致失去面试机会。所幸由于工作内容的匹配度非常高,最后还是有惊无险地获得了面试机会,但是这也反应出了一个问题。

很多同学觉得:简历只是简单介绍自己的情况,重头戏在面试环节。实际上,招聘就像相亲:对方给你的第一印象决定了想不想继续和对方聊下去,后续的深入沟通决定了要不要在一起。

简历就是给用人单位的第一印象,如果第一印象不好,就没有后来的故事了。
 
第一,简历的框架

知己知彼,百战不殆。你可能没有站在用人部门的角度看简历的经历,但找对象肯定还是有点经验的。前面说到招聘像相亲,那就用相亲的逻辑来看看简历是怎么看的。

假如你的七大姑给你介绍一个对象,你最想了解啥?

一般你会有一些基础的诉求,比如想找个和自己相差n岁的,最好在XX年-XX年之间出生的;想找个近点的,不希望找太远的;想找个工作稳定的,或排除一些你特别讨厌的职业等等。

这些条件很多都是一票否决的,比如你想找个比自己小的女生,结果对方比自己大2岁,那你基本就不会继续聊下去了。

在经过了这些基础诉求的筛选之后,如果对方都符合要求,你才会继续深入了解对方的性格爱好等等个性化的部分。

所以基本的顺序一般来说这样:
  • 基本属性:包括叫什么名字、哪里人、年纪多大、家庭状况等等
  • 社会属性:职业、工作单位、如果是同城的话可以加上高中学校。
  • 个人属性:爱好、特长、优缺点。

除了这些呢,其实还有一步你七大姑已经帮你看过了,那就是对方也有相亲需求。

对应到招聘上呢,也是类似的:
  • 求职意向:对应相亲需求
  • 基本属性:和上同
  • 工作属性:因为招聘的需求更明确,所以只需要说工作相关的内容。一般分为工作经历和项目经历两部分。
  • 个人属性:补充一些工作经历之外的个人优势。

这样梳理完,简历的大致框架也就出来了。可以看出,简历的框架基本是固定的,不要觉得自己的情况比较特殊,所以调整顺序优先强调某一部分。你如果打乱了用人单位看简历的顺序,反而可能增加不好的印象。

第二,工作经历的写法


求职意向和基本属性的部分,没什么疑问点,说清楚自己的基本信息即可,这里就略过。

这里说说工作经历的写法。工作经历和项目经历很多同学分得不是特别清楚,所以也就不知道该怎么写。其实简单点说:

工作经历主要是看岗位匹配度的,项目经历主要是看你的具体能力和潜力。岗位匹配度,就是如果你之前做的岗位和现在招的岗位越接近,那么匹配度就越高。尤其是竞品公司的同类岗位,匹配程度最高。

所以在工作经历的部分,要写清楚自己负责的工作是什么,但具体的工作细节可以省去。可以保留以下信息:
  • 负责什么业务
  • 通过什么方法/数据,做了什么事
  • 取得了什么成绩

工作经历的写法主要有两个问题,要么写的太简单,要么写的太复杂。先说说简单的,很多表哥表姐日常的工作就是做各种不同类型的报表以及发送日报周报月报。这些人的工作经历往往会写的比较简单。比如:
  • ‍‍‍‍‍为业务搭建报表体系,共上线8张报表。
  • 根据业务数据制作相关运营分析报告,包括数据日报、周报、月报,为决策层提供依据。
  • 通过专题分析,对业务问题进行深入分析,为公司运营决策,产品方向提供数据支持。‍‍‍‍‍

这样的工作经历其实写了和没写一样,因为数据分析师本来就是做这类工作的,这段话提供的信息实在很有限。用上面的公式套用的话,可以这样优化:
  • 负责XX业务的用户增长相关报表搭建及更新,从渠道质量、用户承接、用户属性三个不同的维度搭建报表体系,共完成8张报表。
  • 从渠道质量、用户承接、用户属性三方面数据分析,制作分析报告,包括数据日报、周报、月报,及时发现2个机会点和1次渠道作弊风险。
  • 对用户增长进行分析,通过渠道分析、留存分析、行为分析输出共4份分析报告,提出6项建议,优化后相比之前用户规模提升30%。
 
还有些同学写的太过复杂,把用到的方法写的太细,比如:
  • 帮助用户增长部门完成增长目标,建立数据监控体系。我主要负责新用户数据链路的建设和报表建设,遇到的最大问题是业务的口径变化很快,很难实现自动化,最终我通过优化数据模型,业务同学自行维护维表即可实现数据自动更新。

这样的表述太过细节,而且逻辑并不清晰。要记住工作经历是看匹配度,看你有没有做过类似的项目,至于项目细节可以放到项目经历中。上面的表述可以这样优化:
  • 参与用户增长部门的报表体系建设,期间通过数据模型的优化提升了报表更新效率70%。

第三,项目经历的写法



项目经历看的是具体能力和潜力。如果用人单位对你工作经历中某一部分感兴趣的话,是非常希望进一步了解你在这个项目当中的具体细节的。所以你要把自己做的好的项目拿出来单独说。
 
项目经历有成熟的套路可以参考,那就是STAR法则。

STAR法则是四个英文字母的缩写,分别代表:
  • Situation:背景,事情发生的情境;
  • Task:任务,你的任务目标是什么;
  • Action:行动,你的行动是什么;
  • Result:结果,结果如何,你取得了什么成果。

STAR看起来很简单,但写出来往往会有这样的情况出现:
  • 背景:XX业务上线,需要报表支持
  • 任务:开发报表

写到这,后面的行动已经很难写了,因为行动和任务都是开发报表,怎么办呢?

出现这个问题,是因为站的视角不一样。
  • 项目的背景应该业务遇到的问题是什么,而不是你遇到的问题是什么。
  • 而任务不是你要做的事,而是你要完成的目标。
所以应该是这样:
  • 背景:XX业务上线,需要及时的数据监控辅助后续迭代。
  • 任务:对XX业务进行全链路数据建设,确保报表在业务上线后及时产出。
  • 行为:对XX业务进行全链路分析,从ABCD四个维度进行报表设计和搭建。
  • 结果:共建设n张报表,及时发现n个优化点,节省成本xx万元。

一般我们不需要把报表工作写的太详细。我这里用最难写成项目的报表类需求做案例,是为了让你搞懂背景和任务的写法。
 
除了STAR法则之外,项目经历还需要亮点。亮点可以不用写在简历上,但是你自己一定要想好这个项目的亮点是什么。项目的亮点可以利用项目管理三角形法则进行思考。

项目管理三角形法则,就是指项目管理中的范围,时间,成本三个因素之间的相互关系。这三者是互斥的,比如要想缩短项目时间,就需要增加项目成本或减少项目范围。

我们在准备项目经历的时候,可以从这三个方面思考一下项目的亮点是什么。
  • 范围:项目涉及的知识面广、跨部门沟通工作大、业务流程复杂等。比如涉及的知识面广,可以反映出你在该领域的知识储备丰富,能够完成复杂的需求。
  • 时间:项目要求的工期短。这个可以反应出你的执行效率比较高。
  • 成本:降本增效。如果一个项目是基础的日常工作,可以思考如何从成本角度思考,比如将日报周报自动化,或者对一些简单分析进行流程化改造。

第四,简历结尾


工作经历和项目经历的部分比较长,会占据招聘人员的大量注意力,等到项目经历看完之后,招聘人员已经开始对之前接收的信息做一些提炼加工,给你打上一些“标签”,为最后是否面试的决定提供决策基础。

为了加强招聘者的正向的联想,这个时候,我们可以在简历的最后部分增加自我评价。
 
比如,你在项目经历中提到了几个项目,其中一个项目业务复杂度高,但是分析方法比较常规。另个一个跨团队沟通难度大,但是技术难度不高。在加上其他几个小项目,等到阅读完所有的项目经历之后,招聘者对前面的项目印象已经不深刻了。这个时候他给你打标签,可能会留下“分析深度不够”和“技术经验不足”这样的印象,而忽略了“能处理复杂业务”和“沟通能力强”这样两个正面印象。
 
所以在最后,可以给自己写一些正面的自我评价。

这些评价不能太主观,比如积极学习、吃苦耐劳这种比较虚的词语,一定要有具体的事例,最好这些事例能通过上面的项目经历反应出来。你可以在项目经历上写下项目总结,提炼一些自己在这个项目中的表现,然后在最后的自我评价中再次提及,加强招聘者的印象。
 
简历看到这个部分的时候,你在技能和经历方面是否适合这个岗位基本已经确定了。再接下去,招聘者想看下你是否还有他不知道的技能和优势。
这时候就可以写一些自己掌握的技能、方法、证书等内容。数据分析师的证书基本没什么用,如果行业需要证书的话可以写上。
 
教育经历看情况,如果是毕业3年以内的同学,可以在工作经历之前写上教育经历。3年以上的同学,在基本信息的部分写上毕业院校和学位就行了。

简历写好后,不能马上海投,要针对不同岗位做调整首先是顺序调整,不同岗位需要的项目经历不同,可以把更匹配的项目经历放到靠前的位置。

然后是内容调整,同一个项目,如果应聘岗位的需求不同,也要突出不同的亮点。传统公司更希望能做好数据基础建设,互联网公司更希望能提供有价值的分析报告,同样的业务分析案例,投递传统公司时,可以突出支持该项目时,数据建设的部分;在投递互联网公司时,突出分析深度的部分。有些项目如果无关紧要的话甚至可以删除,避免招聘者在阅读的时候失去焦点。

觉得有用的话,欢迎点赞转发。
·················END·················

推荐阅读

  1. 我在字节做了哪些事

  2. 写给所有数据人。

  3. 从留存率业务案例谈0-1的数据指标体系

  4. 数据分析师的一周

  5. 超级菜鸟如何入门数据分析?


欢迎长按扫码关注「数据管道」

浏览 26
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报