零基础步入数据分析岗，应该怎么开始？

最近裸辞面了10来家数据分析职位，已成功斩获4个offer，薪资在12K—18K不等，在这里先分享一下我在面试中遇到得，帮大家排雷避坑。

面试过程分为四部分：

1.自我介绍

2.简历环节

3.面试官提问

4.数据分析工具（excel sql Python tableau）

5.其他问题

1.自我介绍

• 自我介绍大概1-2分钟的时间：

陈述内容：姓名学历专业+工作经历+为什么应聘这个岗位（说明你的优势及胜任这个岗位的理由，这里主要针对JD和职位要求来）。

主动进行自我介绍，可以缓解部分尴尬，还能先发制人，很能赢得面试官好感。

自我介绍虽然不是每家公司都会提到，但是80%的公司都会让你做一遍自我介绍，尤其是一面，然后面试官快速扫一下你的简历，针对简历提问题，有的也不会针对简历提问，会问一些面试官想了解的信息。

2.简历环节

接下来，面试官就要针对简历提问题了，这里只想强调一点，简历一定要经得起推敲，什么是经得起推敲呢，就是面试官问你简历上的问题，都能回答的上来。比如：

• 你说你做了XX模型，将转化率提高了10%，能具体介绍一下当时的背景以及你如何用数据分析得出结论并最终推进落地的吗？

• 你说你擅长异常数据分析，拿举一个你分析异常数据的例子，是如何判断数据异常的。

3.面试官提问

面试官常常会问到这几个问题，主要是看我们的以往经验和应急反映能力。常常问问题之业务

• 异常数据分析（某个指标下降了10%，你怎么去分析）

• 工作中遇到的最复杂的事/你觉得做的最棒的一件事，如何做的

• 例举一个你通过数据分析，推动了业务的增长/节省了成本的case

对于没有数据分析工作经验的新人来说，要回答这些问题，可能就需要有真实工作经验的大佬指导了，这里有一个新人训练营，专门针对没有经验的新人，里面讲解了数据分析的常见面试题，如指标异动、指标体系搭建等，此外还包括数据分析常用的工具，感兴趣可以了解下。

4..数据分析工具（excel sql Python tableau）

• Excel（必备项）：sumif、countif等自然不必说，其他只要会透视表和vlookup就行，也遇到过问的细的面试官问：vlookup四个参数分别是啥意思

• SQL（必备项）：一般给你个业务场景，让你写SQL，常见的考点就是 row_number,行转列，其次是自连接查询（求每门科目最高分及学生姓名），还有就是常见知识点：什么是索引、union all 和union的区别，where 和 having的区别，用过哪些时间函数，写过存储过程没有？

• Python：pandas、numpy、matplotlib。数据处理以及可视化。python问的不多。iloc和loc的区别，groupby写一个示例，merge的用法等，都是一些基础的。如果你之前没有接触过python，建议去百词斩的夜曲编程学习Python编程入门课，这个课程的优点是，可以利用碎片化的时间，交互式学习，他和mooc之类的在线课程不一样的是，他能在你学习的过程中，引导你，让你理解知识

• Tableau：面试后才发现，现在很多公司都用Tableau了，大家Tableau一定要熟练啊，这个没什么说的，自己下载个软件去练习吧，不会的官网看教程。

5.其他问题

• 一般问到这个问题，那就意味着本轮面试快要结束了，针对不同的面试官，至少要准备2个问题,千万不能说没有，面试官会以为你对公司意向度不高

• 直接领导：这个岗位的工作职责是什么/KPI是什么/这个团队有多少人,分别负责什么？

• 部门老大/数据负责人：咱们部门近期目标是什么/团队架构是怎样的？

• HR：正常的上班时间/多久调一次薪/晋升空间是什么?

以上呢，就是我整个从面试到拿到Offer的完整流程，希望对大家有用。

当然还会有人问：数据分析师的具体岗位是怎么划分的，到底学到什么程度才可以找工作？别着急，我们一一分析。

一、数据分析学习到什么程度可以找工作？

这个问题要看你准备面试的公司，具体情况差异较大。所以我只能从自身真实经验中总结一些建议，给出一些最基础的知识结构，供楼主参考。

首先，我觉得优秀的数据分析师应该具备三方面的素质：

数据分析技能；对业务的理解；独到的分析思维和表达。

当然，只要具备基本的数据分析技能就可以尝试找工作了，可以在工作中逐步培养和提升后面两项素质。

我个人的学习路径是这样的：

1、统计学

学习最基本的统计学知识。

我认为统计是数据分析的基石，统计分析可以解决日常大部分的分析需求，所以强烈推荐楼主先从统计学开始。

了解概率、分布、抽样、线性回归、时间序列。

推荐书目：《商务与经济统计》。

这本书的特点是案例很丰富，讲解通俗易懂，非常适合零基础的读者。

2、Excel

熟练使用Excel。

Excel的功能非常强大，各类函数非常丰富，尤其是数据透视表的功能一定要用好，你的分析能力会得到迅速提高。

推荐书目：《谁说菜鸟不会数据分析》。

这本书不只是介绍Excel的功能，更重要的是介绍一些实践场景中数据分析的步骤和思路，对于初学者有一定指导意义。

3、SQL

有了前两项的技能，你已经可以做一些初级的数据分析工作了。只是，Excel的局限在于数据量的限制。当你要分析的数据超过百万级别的时候，Excel就力不从心了。

这时候需要数据库来解决，而从数据库中获取数据要依靠SQL语言。

可以把MySQL作为学习对象，简单了解一些数据库范式设计等基本的数据库原理，重点学习SQL语言。可以自己安装一个MySQL数据库实践操作练习。

重点学习Select、聚合函数、关联查询等内容，系统管理方面可以忽略。

4、Hive

具备了SQL基础，就可以考虑向大数据方向进军了。

了解Hadoop生态圈，理解HDFS的原理，重点学习Hive。

Hive就是为了让数据分析师能平稳过渡到大数据领域而诞生的。

只要你会SQL，就可以通过Hive查询Hadoop中的数据。

重点看HiveQL的数据操作、查询、调优部分，系统开发部分对于数据分析师应用的场景较少，简单了解即可。

5、数据挖掘、机器学习

这部分可以选择性学习。因为统计分析基本可以解决日常数据分析工作的70%-80%的需求，而且数据挖掘和机器学习的难度较大，门槛略高。

这部分主要是了解数据挖掘和机器学习的基本概念和理论。比如：分类、聚类、回归、决策树、贝叶斯定理等。

同时选择性学习R或Python。

语法只是基础，重要的是找一些具体的例子进行实践练习。

以上就是最最基础的数据分析基本技能了。

如果从零开始学习，可能需要3-6个月的学习时间。基础较好的话，2-3个月就能基本掌握。

当然，要精通还需要大量的实践才能积累更多经验。

此时，你已经具备了面试数据分析师的基础，但是否面试成功还要找准目标和定位，以及行业知识储备和工作经营等。

二、数据分析岗位如何划分？

数据分析师的考试等级分为三等，每一等都对于不同的数据分析岗位，当然对应的薪酬也不同！

LEVEL I

适合人群：

1. 零基础就业转行者、应届毕业生；

2. 产品、运营、营销等业务岗与研发、技术岗在职者；

3. 企业创始人、经理人、管理咨询类岗位从业者；

岗位去向：商业（业务）分析师、初级数据分析师、（数据）产品运营、（数字）市场营销、数据专员等。

LEVEL II

适合人群：

1. 产品、运营、营销等业务部门与研发、中台、技术类部门数据分析相关岗位在职者；

2. 数字化转型企业创始人与数字化流程中相关负责人；

3.岗位去向：数据分析师、（数据）产品运营经理、（数字）营销经理、风控建模分析师、量化策略分析师、数据治理（质量）等。

LEVEL III

适合人群：

1. 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者；

2. 从事算法科学、深度学习等工作的科研人员、分析师与工程师等。

3.岗位去向：高级数据分析师、机器学习工程师、算法工程师、数据科学家、首席数据官等。

三、数据分析有哪些方向吗？

数据分析的小方向比较多，分类方法也不尽相同。在这里我根据技术要求的侧重点不同，简单的划分为三个方向：

1、BI方向

BI的概念已经出现很久了，但仍然不过时。

重点在于如何设计高效的数据模型，以及如何通过BI工具从多个角度观察数据，了解数据内部的规律。

传统的BI工具可以满足大部分传统企业的数据分析场景。近些年随着分析工具功能日趋强大，大数据领域的BI平台也有了长足的发展。

所以我认为BI仍然具有强大的生命力。

2、机器学习方向

机器学习与BI的区别在于，更多的依赖机器模拟人类学习的过程去发现数据内在的规律，构建一个数据模型，通过某些算法来预测未来的可能性。

机器学习和深度学习概念非常火热，但相对入门门槛也较高，因为想真正理解那些算法的原理需要高等数学的基础。

3、行业分析方向

还有一些数据分析师，仅仅通过一些公开的市场宏观数据，通过经济学和统计学分析方法，观察经济的运行状况，从而发现行业的经济发展规律，进一步预测未来行业发展的趋势。这个方向也很不错的，但是需要对统计和经济学有一定基础。

四、想要做数据分析有怎样的建议

想深度做数据分析领域，首先要认准自身的优势，参考上面列出的几个发展方向，选择其一进行深入的学习和实践。

如果计算机基础比较好，擅长SQL和BI工具，可以向着BI方向发展；

如果数学基础比较好，可以考虑机器学习方向；

如果对所在行业的业务比较精通，也可以从事业务分析或行业分析方向。

做适合的和喜欢的最重要。不论哪个方向，都是要先掌握工具使用，了解你要分析的业务流程，培养独到的分析思维模式，锻炼自己的表达。

做好了以上几个方面，恭喜你，你应该已经成为了一名略有小成的数据分析师。

如需要相关软件的小伙伴，可以后台私信我哦~