没有实习经验的应届生如何找到一份数据分析类工作？

作为一个在FLAG的senior DS（数据科学家），首先我们要知道数据分析类工作的要求是什么，面试考什么，才能知道怎么准备，进而怎么拿到offer。

1、数据分析类工作都有哪一些？

数据科学师（Data science）

数据分析师（Data Analyst）

产品分析师（Product Analyst）

数据工程师（Data Engineer）

工作的要求：

每一个职位它的要求都不同，数据科学对于统计的要求更高，侧重建统计和数学模型来量化商业问题；数据分析和产品分析更侧重数据的可视化，搭建一些好看易用的图表来汇总和展示关键性的业务数据和指标；而数据工程师主要侧重工程，旨在优化大数据存储、清理、存取等过程，侧重高效率的处理数据的能力。

2、面试考什么：

数据科学、数据分析和产品分析考察的主要都是三大类：统计知识、产品思维和数据处理的简单编程。数据科学对于统计知识考的更深、更看重，数据分析和产品分析对于产品思维要求更高。所以不管想要求职哪一类数据方向的工作，这三大部分的知识都是需要掌握的，只不过对于不同的的职位，复习或者准备时候分配的时间应该有所区别。

--数据科学

统计知识占40%

产品思维占40%

数据编程占20%

--数据分析和产品分析

统计知识占20%

产品思维占60%

数据编程占20%

--数据工程

统计知识占10%

产品思维占40%

数据编程占50%

3、怎么准备面试：

其实知道了面试考什么，准备的过程就很清晰了。需要的就是好的复习材料和坚持不懈的努力了。对于统计知识和编程能力来说，如果你距离毕业还有几年时间，那最好的途径是修读一些相关课程，打下扎实的基础。如果马上就要毕业了但是修读的课程并不够，那就要在最短的时间内掌握数据方向工作中常用的一些核心的、常用的知识点了，比如贝叶斯定理、线性回归、假设检验等。

对于应届生来说最最最难准备和复习的其实是产品思维，因为没有真正的踏入职场之前，书本里的知识更多的都是停留的公式上而对于实际应用场景里会遇到的各种问题根本无法预判，所以应届生在面试时被问到真实的产品情景时，往往答的缺乏条理、思路混乱。这一部分建议大家平时用身边科技产品的时候多问自己“为什么”并且尝试解答。比如说，为什么linkedin要推出people you may know？它是怎么推荐用户给你的？它的目的是什么？如果没有答案，那可以上网搜搜看或者和身边的朋友茶余饭后讨论一下，都能帮助你从不同的视角多了解这个产品进而慢慢培养起一种产品思维。当然为了应对高压的面试，产品思维题是有答题思路和框架的，欢迎关注篱笆老师找Dana聊一聊数据求职的问题。希望我积累的宝贵经验能够帮助更多国人找到数据方向的好工作！