数据分析工作一年，我裸辞了。
1. 关于我
国内普通高校计算机本硕，20届毕业，实习+第一份工作刚好一年，裸辞后一个月开始春招（此处的春招不等同校招春招哈）。
2. 面试准备
1. 简历撰写：
先选中几个自己的意向公司职位，然后根据JD来撰写简历。个人觉得简历写的好坏非常重要，决定了你是否有机会参加面试。
2. 准备内容：
项目相关（20%）、SQL（20%）、Excel和Python（5%）、统计学相关&AB实验（30%）、业务相关问题（指标体系、指标异动、分析方法）（20%）、机器学习（5%）。
相关内容基本都是日常参考胖里、宝器等大佬们的公众号和拉勾上买的1元网课学习的。
3. 社招与校招面试差异
可能因为我的工作年限较短，面试考核内容和校招形式相差不大，主要以sql(部分公司会考)+项目及简历提到的经历&项目的延伸+根据部门的相关业务询问业务问题(考察分析思维)。
其中：
1. 社招在业务思考上会考核的更加深入，很多时候会被面试官一直怼着问(或者也有可能是压力面？)。当然不同面试官的考核重点也不同，比如有的人关注ab实验，有的关注埋点，有的关注数仓。
2. 大多面试官很关注项目的落地情况，具体做了什么实际的可落地的工作；具体的数据情况，比如指标有了怎样的提升，如何衡量，如何提升。
3. 根据投递的部门和岗位适当做针对性准备。
4. 准备好离职理由，只要理由合理大部分面试官和hr都不会一直追问，但不乏也有整场面试不停问离职原因完全不问项目的，我到现在都不太懂为什么一定要工作一年以上，为什么一定要找到下家再离职（晕）。总之会遇到各种各样的面试官，要保证良好心态，同时面试过程也是考核面试官的过程，沟通实在不愉快那最好以后也别去了。
4. 遇到的困难
工作时间太短、业务理解不够深入、个人规划不明确（没想好以后走业务还是走技术）
建议：工作时间最好长一些吧，最好找到下家再离职。
5. 第一份工作及其他
Part 1
我的第一份工作其实并不愉快，这里就不过多描述了。
“遇到伯乐才是罕见的，遇到莫名其妙就不喜欢你的人才是常态。”
关于这个问题，离开校园后的这一年来我有了深刻的理解。无论如何还是希望大家能够理性的看待自己的优缺点，有时候我们需要自动屏蔽别人不合理的打压和找茬。记得刚入职的时候，我的mentor跟我说，学本事之前要先学会抛弃玻璃心。送给大家，共勉。
除此之外，我还是更愿意相信，激励你不断往前走的是别人的赞同和这件事本身带来的正反馈，并不是别人对你的反向鞭策和打击。
Part 2
大小周好累嗷，除了加班大多数时候我都躺着刷手机，我的爱好在这一年里被我全部成功摈弃。对于我这种懒人来说，工作之余主动学习就更难了。但是努力在工作之外、或者划水时间多学习一点新知识真的非常非常非常重要。豪不夸张的说，我觉得我在前公司并没有学会什么。能在春招找到工作真的全凭日常努力划水看各大网页公众号和书籍，还有日常跟关系比较好的几个同事交流业务和工作相关的内容。
作为基层员工，我们可以做的少，但是一定要听得多学得多。
Part 3
然后就是有关就业啦。
对于找工作，私以为还是要先规划好自己的就业方向。比如是想做数据分析还是数据产品或者数据挖掘？是想走偏技术方向还是偏业务方向？是想从事哪种业务类型，电商还是教育？
可能因为我是社招吧，面试官们除了更关注工作中的项目情况和建议落地情况，还很关注我未来的职业方向。记得有场面试被产品岗捞起来面试，面试官花了一个小时，不断引导我去思考各种场景问题，让我意识到我原先的思维和产品思维有什么差异。
其次的话，就是要有自己的节奏，尽量不要被他人或外界环境打乱，保持一个良好的心态。
6. 面经
最后附下这次求职中的面经吧~
1. 京东数据分析师
以项目、指标搭建和电商业务场景题为主，3道SQL。因为是偏向业务分析，更关注产出报告的能力（Excel+sql+ppt的使用）以及业务分析思维，对技术要求不高。
两面业务面+一面hr面。
2. 京东AI产品经理
以产品相关问题为主，面试官出各种产品类的场景题，其中二面过程很痛苦，感觉自己产品思维非常欠缺，很多问题回答的都不是面试官想要的。自己大多数问题都从如何用技术解决的角度思考，面试官不断引导我从用户角度以产品思维思考，也一再提醒我职业方向的选择非常重要。我的结论大概是，根据目前的情况和我的个人经验，我确实很缺乏产品思维，不是很适合产品岗位。
3. 猿辅导商业分析师（斑马AI）
SQL（找中位数）、项目、AB实验（辛普森悖论）、统计学（假设检验、参数检验和非参数检验等）、概率题（50个球编号1~100，有放回取5次，编号最大为50的概率）、机器学习（聚类、决策树）、智力题（25匹马赛跑每次跑5匹，找出最快3匹需要几次）。
4. 快手数据分析（MMU）
一面（1h10min）：项目抠得很细、一道SQL一道leetcode算法题（难度较小）、场景题（如音乐推荐的列表，如何评价推荐算法的效果；如何评价推荐顺序好坏）；
二面（1h30min）：项目抠得很细，步步紧逼，中间有各种与数据分析或算法相关的发散性问题，一道leetcode算法题（股票收益）；
三面（20min）高管面，问项目。
5. 快手数据分析专家（主站产品）
偏业务，面试官很专业，业务方面的问题问的特别深。不愧是带“专家”的岗位，好难。
6. 字节跳动数据分析（用户平台）
SQL（用到lateral view explode），python，假设检验，各种分布，结合项目描述AB实验细节，统计学内容偏多不太记得了，答得不好，岗位和自己期望的不是很匹配。
7. 度小满
一面：项目介绍为主，别的不太记得了。
二面：现场面。指标异动、分析报告如何开展，对不同对象如何开展分析和汇报（个人的简历中涉及到了这个），指标体系搭建。主要关注指标这类的信息。
8. 作业帮
一面：面试官比较看中概括总结能力，多方面考察对对接的产品和项目的流程和概况，如何提升产品的增长，如何向领导汇报这个项目，个人的特征，抗压能力如何，是否能接受长时间工作，其他问题。
二面：实在想不起来了。
三面：hr面。
9. 搜狐
一面：项目相关，SQL。
二面：一小时，根据简历和项目不断延伸，每个问题都深入怼到回答不出来为止。包括埋点设计的流程、维护；AB实验；指标异动，怎样算异常，如何定位；数据的处理方法，如何设定阈值；如何处理缺失数据等。
10. 小米数据分析
项目抠得很细，结合项目考察AB实验、假设检验等，指标体系搭建，指标异动题（日活高留存低找原因），一道SQL（留存）。
11. 百度（用户增长）
问题偏向增长，根据简历和项目展开；AB实验，业务场景题DAU异动分析，辛普森悖论。
各种项目的延伸。
如何对产品用户做增长。
高管面是一位女高管，不断的深入怼项目问题，感觉还挺专业的；此外也问了些其他问题，感觉考核项目的深入程度和反应能力。
12. 滴滴
项目及项目延伸、简历中涉及的建模、埋点的设计和维护。
数仓相关问题（我没接触过都不会，估计凉了）。
13. keep
技术向，建模能力最强面试官非keep莫属，业务场景也考察，但是两个面试官光是揪着聚类模型就问了很久，还不是那种k取几这种浅显的问题，就是明显他们都是建模过的人。比如用户有区域、城市、时间、运动项目等维度，如何分类。
指标波动分析题。
SQL题：日志表记录了用户每次运动时间，精确到时分秒，取某个用户所有运动的天，并且按今年的第几个运动日标记；找出该用户今年最多的连续运动天数。
业务场景题，如何评估app分发的内容质量（要考虑到是运动app。不能只看vv和时长，运动的时间建议1h以内）。
14. 美团
面试官两次迟到10分钟以上，面试过程把我气坏了，还没忍住跟面试官怼起来。
15. 字节跳动数据分析（抖音）
项目的延伸，以生产者生态、消费者生态、内容生态为背景，延伸到各种场景问题；AB实验相关。
16. 阿里巴巴风险策略岗
简历面：工作项目和落地的情况、风控建模的相关经验、机器学习模型相关。
感觉不太匹配就拒绝了后续面试。
好耶，就到这里吧。在坚持了26天之后，我的春招也算结束啦。
大家未来一起加油叭。
推荐阅读
欢迎长按扫码关注「数据管道」