一個資料分析實習生的内心獨白

簡單介紹一下自己的背景，我是一名澳洲top3某學校在讀研究所學生，主修BA方向，目前是處于雲留學的狀态，6月剛剛結束了一份某電商大廠資料分析實習，現在正在某短視訊大廠做使用者增長方面的資料分析實習生。

進入7月，很多大廠的暑期實習項目已經進行一大半了，很多研發崗位的提前批也開始了，這意味着秋招即将開始了。對于應屆要求職的同學來說，當下就是沖刺秋招前最後的準備。在本文中，我将結合自己幾份資料分析崗位的經曆以及和很多大廠的資料分析師溝通交流的内容。對一些正在找實習，或者是正在實習的朋友一些建議，希望對大家有用，也祝願大家在之後的秋招中，能拿到屬于自己心儀的offer。

資料分析崗位的供需情況

首先從供需關系上來談談目前資料分析崗位的實習就業情況。從崗位需求上來說，網際網路大廠的資料分析相關的崗位是真多，從資料分析師，資料産品，資料政策，到資料營運等等。供給側人就更多了，國内的大學紛紛開設ds專業，西方國家排名靠前的學校也都陸陸續續開設了BA課程。現在很多同學也想明白了，目前自己的學曆去卷金融太難了，都來學申請和就業門檻相對沒那麼高的BA了。

從數量上看，像是一個“完全競争”市場，實則不然。一方面，很多朋友回報說資料分析實習真的非常難找。面試考察的SQL題難度很高，業務模型名額完全不懂。另一方面，一些前輩也說現在招一個（靠譜）實習生真的太難了。一個大廠的朋友說他大約面試了20個候選人，最終隻發了2個offer，當然他也承認，現在大家都願意招聘踏實靠譜、聰明且主動性強的實習生。一個好的實習生，真的能節約自己很多精力（有多餘的精力和需求方吵架不香嗎，orz），基于這一點，我想先聊聊用人機關對于一個理想的實習生的需求，以及很多還沒有實習的朋友對于一個“合格”的實習生的看法。

數分實習的軟能力

在我和多位朋友聊天的過程中，聽到的最多的，其實是“軟能力”，包括但是不僅限于溝通表達能力，總結複盤能力，以及靈活處事的能力。 一個一個來講，資料分析師的核心，是用資料來講故事，資料是工具，講故事是過程，得到的結果是我們的目的。

其中溝通是一個必不可少的環節，和業務溝通業務需求，和數倉溝通埋點名額，和數産讨論看闆需求等等。

表達能力是一個在當下職場幾乎大部分崗位都要求的一個能力，目前國内的教學體系往往會忽略或者是不重視這一點，而留學生，尤其是“雲留學”的朋友，甚至“喪失了語言能力”，很難在面試的環節中清晰的表達自己的思路。

總結複盤能力，又是一個所有崗位都需要但學校通常不教的一個能力。我在我上一份實習中，隔壁組的leader分享了一段話，“認知決定行為，行為決定了目的”，當你想清楚自己的目的，反過來再去思考應該有怎樣的行為以及對應的認知，會幫助你做很多的決策。

一個好的實習生，能夠清楚的表達出自己去實習的目的，為什麼要去做這一份實習，在這一份實習的過程中，對于自己長期的職業規劃有什麼樣的收獲，對于目前面試的崗位，有着明确的認知。 這裡要插一句，獲得一份大廠實習機會沒有想象中那麼難，還是有非常多的實習崗位其實不需要太多的技術能力，千萬不要為了進大廠，連續做好幾份不相關且對長期事業規劃沒有增益的事情。

最後說到靈活處事，其實是一個十分trick的點，在學校待久了的同學，做事往往一闆一眼，寫八股文一般的處理眼前的事情，但是在真實的工作場景，其實解決的辦法有很多很多，我們需要的是最快的那種，比如，在excel，SQL以及python中，你現在能想到多少種“行列轉換”的方法呢？

學生思維要不得

再唠唠一些常見到的“學生思維”。我經常被問到，“Downey，你是不是天天python模組化啊”。其實資料分析師的工作有很多，包括業務名額梳理，資料監控，政策輸出等等。資料模組化隻是其中很小的一個環節，甚至上說不是決定意義上的一個環境，現在很多的模型，包括随機森林啊，XGBoost等等，在進行預測的時候，能達到是否顯著的效果，但是如果真的拿到業務場景中去，你很難拿到一個合理的解釋去說服你的業務方你的模型的真實性和有效性，有些時候，甚至不如用OLS或者logics的解釋力度好的多。

另外，很多同學容易忽略了Excel的價值，目前，Excel還是最好的資料産品，他的好在于，産品操作上幾乎沒有使用的門檻，而在大資料分析的當下，幾乎沒有技術的上限。一些複雜的使用，包括VBA、power query姑且不談，一些同學連一些常見的函數，多層嵌套都不能熟練的掌握，卻在自己的履歷裡寫着精通Excel，這對于一些把Excel作為自己主要輸出的團隊來說，可能随便問你幾個函數，你就fail了。當然，作為資料分析實習生，最最基礎的函數，包括但不僅限于 vlookup、sumifs，把這兩個搞清楚，以及資料透視表的用法搞明白，能減少很多不必要的加班時間。

承接上一段說的，很多同學覺得資料分析師對算法有着很高的要求，在準備面試的時候，往往就忽略了對于業務模型的了解。其實反而這才是大多數崗位面試官比較在意的點之一。作為資料分析師，基礎的常見要了解的模型，包括AARRR轉化模型，LTV使用者生命周期模型，FRM使用者分層等等，這些才是一個資料分析師應該掌握的東西。除此之外，在面試之前，要對面試公司所在行業的名額體系有所了解，電商、内容、出行、團購，每一個行業都有自己特有的名額，在面試前一定要搞清楚。

第二個害人的“學生思維”，就是把自己當成“工具人”。可能有一些工作真的就是“螺絲釘”，很多資料分析實習生的工作，往往都是由于資料開發，資料産品沒有給排期而衍生出來的工作，包括而不限于資料标簽，基礎取數等等。這個過程剛開始是興奮的，可能過了一段時間，變成了麻木，甚至煩躁。做一個資料分析師，很多時候要多問一個why？為什麼要取這個數？我的mentor為什麼讓我畫健康線，從點到線，從線到面，從簡單的取數開始，一個好的資料分析實習生要開始了解産品、政策的邏輯，哪怕不能了搞清楚全鍊路的資料産出，也一定要搞清楚自己負責的資料方面的分析（哪怕是為了豐富自己履歷上的經曆）。

關于選擇的考慮

聊完了思維，現在再聊聊選擇的問題，在我接觸到求職的朋友們中，很多都有“大廠情懷”，我也是如此。這本身沒有任何問題，大廠真的有着中小廠完全不可比拟的先發優勢。在大廠，你可以接觸到行業最頂尖的資料分析師，産品經理等等。各個大廠都有着成熟的新人培養體系，線上線下的課程，幫助新人接觸到最前沿的技術産品，最成熟的思維架構。每周的例會，leader會站在垂直領域對各個業務線的OKR進行梳理。

再去細拆，大廠也分為很多業務線，一些非核心部門沒有想象的那麼難進。有多個業務的大公司，主業務線和新興業務線的難度可能完全不在一個level。大廠核心業務崗位的招聘（eg. 騰訊之WXG 快手之主站），那真的是“神仙打架”。是以不要妄自菲薄，引喻失義。

再說說轉正hc的問題，很多人會把有轉正hc作為是否接受實習offer的一個重要選擇。但于我而言，每天最快樂的在于這個環境真的可以push我去學習去提升自己，在這個過程中還發實習工資，一個好的成長起步環境要比多一個轉正機會價值大的多。同時，一些公司内部轉崗機會也會很多，隻要表現出色，即使本部門沒有hc，也還有機會去嘗試其他的部門。是以轉正hc這個條件也是要綜合去評估選擇，切勿一刀切的去否定。

大廠沒有想象那麼難進，腳踏實地，完善自己的履歷以及學習崗位所需具備的技能，并積極主動的尋找可能的機會。

心态，秋招前瞻

最後聊聊心态的問題，6月一整個月，我幾乎一直處于求職的狀态，面試的很多崗位，得到的結果往往不盡如人意，朋友回報的面評結果也并不理想，這個時候真的會去懷疑自己。但随着面試次數增加，我越來越認為面試是一個互相選擇比對的過程，而不是單純的是否足夠優秀。有一些團隊偏好一些踏實肯幹，可以接受做相對枯燥工作的實習生，做着偏基礎的工作。而有一些團隊偏好具有主動性，思想比較活躍的實習生，做一些更深入的創造性業務。是以找好自己的定位，選擇适合自己的團隊，也是一個尤為重要的事情。      

很多工作1-3年的人都表示過類似的觀點，“還好自己工作早，如果自己讀研了，可能很難進入現在的崗位”。針對資料分析師崗位，不論社招、校招甚至是實習，招聘要求都在水漲船高。很多人表示現在的面試問題，放在幾年前的自己壓根答不上來。大家要正視市場供給的現狀，做好充足的準備。要怎麼去準備呢，天天刷SQL嗎，還是報班割韭菜？在夯實專業基礎的同時，我認為還應該多提升思維上面的認知。可以多去network，例如多去參加一些線下的分享，多去認識行業朋友，通過聊天、請教的方式以提升自己的認知與資訊廣度。

還沒找到實習的朋友要抓緊時間投遞履歷，以一個實習生的身份去參加秋招和一個象牙塔的身份去參加秋招，真的完全是兩種不同的人生體驗。最後祝願還在找實習的朋友盡快拿到心儀的offer，願我們在此人生階段都能不後悔。

也歡迎正在實習、參加校招的朋友們加我個人微信，交流心得感悟。

wechat：Kai879325334