深度好文｜HR：今天面试了几个数据分析师，我来聊聊他们没通过的原因
Offer帮官网：offerbang.io
2023年度行业标杆教育集团
今天一共面了5个数据分析师，很遗憾都没通过……为何数据分析师面试总失败？作为一名资深HR,今天跟大家聊聊没过的原因：
A面试者在介绍自己的项目时，一上来直接先说路径，讲的很细节，而关于项目本身、执行方案、结果、深入思考这些重点内容一点也没有讲到……完全忽略了做这件事的目标是什么？暴露出没有框架意识。
B面试者是某名校的硕士，学历和技能都不错，简历上写了很多数据分析的学习项目，比如kaggle上的初级项目，但她表现出来的太太不自信了，不太敢说话，提的问题只能得到很表层很简短的回答，想聊下去都比较困难。
C面试者的简历中写了各种各样的项目经历，但面试官一问，发现他所谓的分析报告，其实就是基本的数据统计和数据堆积，连发现问题和导致原因都没有弄清楚。所以，面试当中的成果的展示是要有说服力的。
D面试者一位浙大的实习生，人很聪明自信，但没什么经验，方向也不太一致，考虑到一位没有任何经验的实习生过来，主要时间都要花在熟悉现在的工作成果上，我认为价值不是很大。
E面试者是应届生转行数据分析的，没有什么工作经验，就凑了数据分析的项目经验上去，也可能是借鉴别人的简历抄点项目经验，结果两句专业性问题一问就原形毕露了……
到这里想必你们已经发现我面试别人的套路了：那就是去挖掘被面试者的强点，而非揪出其弱点，通过整个面试交流的过程去权衡面试者的真正价值和匹配度。
而通过以上面试案例就能看出，数据分析面试被刷主要还是因为对行业知识的了解不够透彻，“讲故事”能力有所欠缺等，没有很好地展现出自己的能力！
Offer帮原创资料，免费领取中……
原创
数据礼包
👈扫描左边二维码，并回复【数据】即可获得～
知己知彼，才能百战不殆！每个行业对数据分析师的要求是不一样的，所需要的技能也有所偏重。甚至同一个行业内，比如金融行业：证券、银行……所需技能都是千差万别。
因此想要成功通过面试，首先要了解不同数据分析行业面试时需要哪些行业知识，以及每个行业对数据分析师能力的侧重点有什么不同。接下来，让我们以投行、咨询、互联网大厂为例具体看下！
投行/咨询/互联网大厂喜欢什么样的数据分析师？
总的来说投行/咨询/互联网这三种行业在基本技能方面的要求都是相同的。第一是对于业务的了解；第二是掌握好数据分析的工具；第三是有良好的数据分析的能力。
数据分析师的工作内容就是对于数据进行分析，将商业行为进行数据化，对数据指标进行分析和解读。在这个过程中通过数据发现问题，从而保证企业朝着更好的方向发展。
除了以上这些相同点，投行/咨询/互联网数据分析师这三个行业对数据分析的附加技能的要求是不同的，其工作职责和内容也有所不同。
投行数据分析师
投行分析师不仅仅是简单地收集、挖掘和理解数据，还要有丰富的金融领域知识。投行分析师的主要工作是：分析行业和公司，出具专业的研究报告；培育专业的机构投资人；辅助基金经理完善基金管理；为私募股权投资人提供建议。其中，卖方分析师和买方分析师所做的工作也是不同的。
✅卖方，主要指的是证券公司，主营业务：证券经纪业务和证券承销业务。因此卖方分析师主要职责是为客户提供尽可能完善的研究报告，帮助客户进行投资理财。
✅买方，指的是公募基金和私募基金。买方分析师需要对客户的资产净值负责，因此其研究报告注重投资价值。
咨询数据分析师
咨询数据分析师都需要具备商业分析能力。其主要工作流程为：学习客户业务➡了解客户数据的构成➡构建数据收集分析平台➡了解当前形势寻找突破点和增长点（数据挖掘）➡整理汇报分析成果。
大型咨询机构以及四大会计师事务所，都有金融风险咨询、并购咨询、税务咨询等业务。不同业务对分析师技能的要求也不同。
✅金融风险咨询分析师：需要对银行风控体系以及金融市场风险有全面的把握。
✅并购咨询分析师：需要熟知国内外并购法律规范和行业要求。
✅税务咨询分析师：需要对各大税种非常熟悉，能够快速地找到对企业最优惠的避税方法。
互联网数据分析师
互联网时代下几乎没有哪个行业不涉及互联网。从本质上来说，只要涉及利用数据来解决问题就需要数据分析师。而互联网行业的数据分析师作为看重的就是个人的专业技能。一般来说，从事互联网行业的数据分析师最要具备以下几个技能：
✅很强的数学和统计知识：这是至关重要的，因为知道的越多，就越能高效的解决问题。这直接影响到工作质量。
✅至少掌握一个或多个数据分析工具：这是必须的，它会直接影响你的工作效率。要会用Excel/SQL做基本的数据提取，还要会用脚本语言进行数据分析，如Python或R语言。总之要了解这些工具并灵活的运用它们。
✅会基本的数据可视化技能，能撰写数据报告：数据可视化是数据分析的主要方向之一。除掉数据挖掘这类高级分析，不少数据分析就是监控数据观察数据。
✅熟悉常用的数据挖掘算法：如回归分析、决策树、分类、聚类方法等。
由此可见，无论是什么行业的数据岗位，都要在扎实的数据分析能力的基础上，具备相关的专业知识。因此我们可以按照优先级别逐个突破。举个例子🌰：
如果你想从事投行数据分析，在有数据分析能力的基础上就需要补充金融领域的知识，反之亦然。总之第一要务就是根据行业需求补充所需专业知识。
如果你想从事互联网行业数据分析，那么就要精进自己的数据分析能力，通过后期的学习来查漏补缺。毕竟互联网行业的数据分析对专业能力极其看重。
总的来说，数据岗位面试求职无非两点：一是对自己面试行业所需的技能足够了解，二是有本事展示出自己的能力。数据分析的能力的培养不是能够一蹴而就的，除了基础的模型和思维的掌握之外，还需要大量实践经验的积累。
至于“你“究竟会站在数据金字塔的顶尖，就要看你的经验和能力啦！如果你还不知道如何提升知识能力，想进行系统地知识点学习，或者想练习更多面试实战训练，可以扫描下方👇二维码添加🔍金牌顾问了解计划详情。
我们的学员们已成功斩获金融、咨询、数据等多个领域的Offer。能展示出的Offer只是冰山一角，这一份份实打实、沉甸甸的Offer，让我们团队的每一个人都倍感自豪。在未来的道路上，Offer帮会继续脚踏实地，用专业、诚信、用心的原则，助力所有学员的求职之路！
微信扫码关注该文公众号作者