
数据分析师-面试经验
说说最近面的几家公司,康大,咕咚,惠装。都是已经拿到C轮融资的企业,在某个领域都是全国 每列前茅的公司。由数据分析师的岗位比较特殊,都是需要去 大公司的 总部,做 高级分析师岗位,比如负责整个公司数据产品规划,逻辑设计。
进行业的时间比较早,大二就立志做互联网行业的分析师,积累的知识和经验都是 比较丰富的。也在有比较有竞争力的 工作经历和专业能力。
第一家:康大,做母婴类目,互联网医疗,领域全国前三。职位高级分析师,负责整个产品 和 交易的数据分析与BI产品。面试只有一轮,和运营总监聊了以后,回家立马就收到 HR 电话让过去上班。去做了2周,去的时候他们的 数据产品做得杂乱无章,没有运营思路和正确分析方法论。而且技术配合不到位。自己感觉在在分公司 不安逸,主动离职了。
失误:因为以前 找工作太容易了,一般都是 一面,和COO 或者 运营总监聊了以后 ,工作就搞定。简历都是投递的大公司,高级分析师岗位。自己觉得自己分析技术很NB,知识面很广,你问我 分析上面的问题 我都回答的上来,项目经验丰富。这家公司 其实可以多长时间发展,做出成绩,也给自己镀金。
第二家:咕咚,全球 第一,号称6000万用户。高级分析师,负责整个公司 电商模块的数据分析和数据产品规划建设,特别是CRM。第一轮就是 和部门负责人聊简单了一下,说了他们要做是事情,看看我能不能胜任。他对简历比较满意,人也可以聊,说错了一句话,我以为没戏。第二轮 的时候 市场部副总,在技术方面,对于数据化运营和产品方面都是聊得挺投机。这个时候就我又说错话了,后面会分析说我错了什么。最后副总 总结是:自我认知有偏差,就是自己认识的自己和别人认识的你是不一样的。人有些固执,不过很多固执的人,可以通过 沟通技巧 把自己的固执 给掩饰起来。听了以后心凉了半截,不过非常感谢 他,直接指出了我的弱点,帮我认识自我。第三轮和 人事总监就随便聊聊,聊天更加不着边际。
失误:副总 面试中,我说了上一家公司 的数据产品 是技术 开发的,没有考虑 运营和分析层面的东西,非常难用。他给我挖了一个坑,问我上一家公司的年交易规模,我先是拒绝回答。他再追问,我就说了告诉你一个百度百科 上 的公开交易规模数据150亿。后在问为什么 在公司都呆的 不久,为什么离职,以后职业规划,对于公司的有什么问的? 这些问题 都回答的不好,把自己断送 进入世界一流 公司 高级分析师 岗位的机会。
第三家:惠装,在O2O家装那是非常NB,排名前3,具体排名第几好说。这家公司 以前去面过,数据产品经理 岗位,设计整个 分析功能体系。这次是第二次,第二次他们其实想找的是 ETL 数据仓库的,可以招聘要求写的 分析师的工作描述,不匹配。
失误:第一次的时候,在技术和分析体系 和他们某总都聊得挺好,他说创业性公司要加班。二面是 和 技术负责人聊,在技术方面的规划和支持,三面是和 人力资源聊的。(就是过去试水,看看自己值几个钱。对于加班我表现的非常介意,过于自信,漫天要价和行业工资不匹配。面人事的时候,他给我挖了一个坑跳。他刚刚是我上一家公司以前的HR,他说了一些公司的不好。我说就是就是....补充确实不好)
首先得承认自己有些 人性有的短板,那就是 固执和自我。掉过坑,也会总结自己的不足不断改正,在工作中我自己也意识到了,所以话 做事 都三思而行,一般不会得罪同事和领导。
今天和去拜见了我在电商界的老师(某大型电商公司 总经理),帮我分析了自己的弱点,传授了面试技巧。
面试的时候,不要 说上家公司的不好,而是需要怀着感恩的心,那家公司带给你什么,和你在公司的成长。不要贬低竞争对手,可以适当赞美竞争对手,分析他哪方面做的好,可以学习。面试需要自信,不要邀功和标榜自己。
为什么离职?就说实话。公司倒闭?想找更大的平台,发挥自己的能力?家族性企业,管理落后,不利于自己的发展?
你有什么想问的?可以问问公司组织架构,部门人员配置情况,公司战略规划发展,汇报对象。
不要侃侃而谈,多听少说,言多必失。管理能力,沟通技巧 比起技术更加重要。你技术N,比你N的人多的去了。公司找人的时候,如果几个人都可以做这个事情,特别是大公司的高级职位 竞争非常激烈,甚至你技术更加牛。公司会找一个,善于合作,沟通能力强,和公司文化相匹配的 人,不会找一个 异类,让气氛紧张和尴尬的人。
如果 给你开 20k的月薪做运营总监,让你管 10个人 20个人,你管的下来不?现在的年轻人都很有个性,怎么让人家心甘情愿听你指挥。
针对我的弱点,定几个 改进方案
暂停学习专业方面的东西,比如(Python、机器学习、量化投资)开始习一些 心理学,人文方面的东西。
每天 真心的赞美 身边的人,只看对方的优点。不说别人的错,也不说自己对,求同存异,做好本职工作。
学习 上级沟通,同级沟通,跨部门沟通的技巧。多用商量语气和人说话,不和人争论,不否定 不指责,说话前先考虑每个听众听了以后的反映。为自己说的的每句话负责,付不起责任就不要说。公开场合少发言,让你说你才说,能够不说的都不说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29