热门文章> 数据分析简历,数据分析师的要求 >

数据分析简历,数据分析师的要求

36氪企服点评小编
2021-07-19 18:43
554次阅读

无论是找工作,还是换工作,第一步都是要准备一份个人简历来推销自己。简历就是一份给企业的见面礼。而针对数据分析师岗位,核心技能与项目经历的书写尤为重要,是用人单位选择简历时参考的核心。下面就由小编为您介绍数据分析简历,数据分析师的要求。

数据分析简历,数据分析师的要求数据分析简历

1、数据分析简历:核心技能

面向数据分析师职位的核心技能主要有数据工具、统计方法、分析方法、机器学习模型能力、通用性、擅长领域等,建议在简历中增加下列技能并将掌握的写进简历。(次序为初级->高级)

数据工具,主要包括三个方面:数据查询(sql)、数据处理和分析(excel、python、r、spss等)、可视化工具(tableau、powerbi、python包);

统计依据,常用的统计方法,如假设检验、方差分析、回归分析等;这部分可以写成一些常用的商业分析模型和常用的分析方法,如ab实验分析、转化漏斗分析、rfm分析、同期群分析、生命周期分析、异动分析、常见的因果推理方法如双差分、psm等;

通用性,能写出数据分析所需的软技能,如结构化思维、沟通协调能力、推动力能力、项目管理能力、商业理解等;

根据机器学习模型,推荐一些体现自身机器学习能力的模型,如线性回归、逻辑回归、决策树、随机森林、群集等;

专长领域,如果擅长某一领域将是很大的加分项,比如擅长建立用户成长系统,擅长用户形象,擅长战略分析,擅长会员系统构建,擅长补贴策略,擅长社区内容分析,擅长分析报告等,会非常擅长于建立用户成长系统,并能为公司快速定位简历关键词,寻找人才;

2、数据分析简历:项目经历

在履历中对项目的描述是最重要的,因为面试官可以快速浏览简历,并对感兴趣的项目提出详细问题。项目经历描述分为以下几个模块:

a.项目背景:项目的名称是什么,为什么要实施该项目,是基于什么现象,需要改进什么(降低/提高效率/其他)?

例如:参与自动报告及邮件自动化项目的开发,解决各部门的运营数据获取困难,无法及时准确地获得数据。利用python进行自动生成报告,再配合开发部署,在开发平台上实现每日定时获取和每日发送日报。使操作人员更快速地获得数据,及时调整操作策略。

b.个人责任:独立完成了哪些工作。

例如:本人主要负责数据采集口径的规划、统一。编写报告脚本自动化,支持开发同事上线部署,以及代码维护、统计数据更新等。

c.项目难点:在执行项目时遇到的难题,写有困难面试官会认为你确实接触过项目。

例如:由于各业务线的自动化成度不高,系统数据不能实时更新,而且可能会有手工帐问题数据产生偏差。有一些业务因为是外包,统计口径不能与自营一模一样,以致无法统一标准,部分统计口径需要变更。

(d)应对策略:如何处理上述问题?

例如:对于无法自动输入订单的城市,需要3/5天的人工帐号收集一次,用周报统一计算,异常数字要报警。为外包的业务部门单独出一份外包统计口径。

e.结果:项目结果的介绍。若使操作人员可自行查询项目完成进度,由原先每天20次响应的取数减少到3次,减少了总部数据分析的负担,而且由于各业务线的运营能够根据进度调整计划,使各运营职员kpi完成率从60%上升到75%。

推荐简历中项目数在2-4个为佳,描述避免啰嗦,用2-3句话突出重点,遵循目标-行为-结果原则,重点写出用了什么分析方法,达到了什么效果,项目收益量化指标。可以选择选择自己最熟悉的项目,产出价值最大的项目,最能体现分析&推动能力的项目,和意向公司业务最匹配,方法论可复用的项目等进行书写。(面试时才需要详细说明项目背景、项目规模、项目难点等,在简历中强调行动和成果即可)

3、数据分析师要求

一名优秀的数据分析师需要具备这些素养:熟练使用统计分析工具,掌握常用的数据分析方法;具有良好的数据敏感度,能从海量数据中提炼核心结果,有丰富的数据分析、挖掘、清洗和建模经验;有成本优化效能提升数据分析经验,尤其是供应链相关的内容。

数据分析是一项复合型的工作,需要有严谨的逻辑思维能力和扎实的专业基础知识,还需掌握基本工具基本技能,具备项目把控能力与自我驱动研究热情。写好简历是找到数据分析工作的第一步。以上就是小编为您带来的数据分析简历,数据分析师的要求。

 

[免责声明]

文章标题: 数据分析简历,数据分析师的要求

文章内容为网站编辑整理发布,仅供学习与参考,不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请及时沟通。发送邮件至36dianping@36kr.com,我们会在3个工作日内处理。

消息通知
咨询入驻
商务合作