（干货满满！文末有资料领取）#大数据# #数据分析# #Python# #开源# #编程# #人工智能#
Hi，我是小匿。
近期我会邀请一些Dathoner来分享下转行与找工作的真实面试经验，帮助大家一起提高知识，拿到满意的offer！
摘要
我的专业是动力工程及工程热物理，19年6月毕业，校招进了一个本专业相关的行业里工作了20个月。20年9月份的时候，决定转行数据分析，开始了前期的资料收集和学习。期间，报了群主的课程，在下班和周末的时候开始学习。但是效率很低，一方面是因为有一些本职工作需要处理，出差频繁；另一方面是自己本身的惰性，有时候工作结束下班后，只想躺倒不动。还有一些心理的因素，彻底放弃之前所学和经历，沉没成本确实很大。21年3月初，我裸辞了，全心全意准备转行。目前收到了几个offer，我从中选择了一家，将在21年5月末入职。
技能
入门技能学习方面，我的计划是跟着课程的主线，辅助书籍/各类官网/百度/谷歌/知乎/CSDN，建立相对完善的基础。现在简单梳理一下我所获得的内容，主要有几大部分，分别是：Excel、MySQL、Python、统计学、数据思维、数据挖掘、项目实践。
Excel
Excel也没什么好说的，我在面试过程中，没有遇到问Excel相关内容的。对于我来说，过往的经历基本很少涉及到Excel，所以学得相对比较认真，重点掌握VLOOKUP和数据透视表。除了课程之外，也看了一些其它的视频资料，网易云课堂免费课程王佩丰Excel实战课1800分钟可以作为补充，这个课程太长了，针对自己的弱项，挑着看就好。
MySQL
数据分析岗位面试前一般都会有笔试，MySQL是笔试的一个重要考察对象。知识点主要是增删查改，核心是“查”。面试过程中，除笔试外，问到较多的问题如下：
SQL执行顺序
SQL优化方法
窗口函数相关
需要注意的是，SQL学完，如果不经常练习，很容易忘记。建议学完之后，每天坚持练习牛客和LeetCode的习题，保持知识点的熟悉程度。网上有很多优秀的总结材料，也可以参考。最好是自己边做题，边总结题型。
Python
Python在面试的时候很少有直接的考察，只是简单的聊一下。但作为数据分析师的核心技能，必须要不断地精进。需要熟悉pandas, matplotlib,pyecharts,numpy,scipy等常见的库。我自己的话，以课程为主线，边看课程，边总结，边实践操作。pandas学了很久，其它的库之前都有接触，学的相对较快。
统计学
统计学主要内容包括：描述统计，概率，抽样与区间估计，假设检验，卡方检验，方差分析，A/B Test等内容。
统计学的内容在面试中很少单独考察，主要是结合具体的情境和案例来考察。我遇到的比较典型的问题如下：
简述贝叶斯定理？该定理有什么作用？再深入一点，Naive Bayes相关问题？
为什么要进行区间估计/假设检验？
第一类错误/第二类错误的概念及两者之间的关系
A/B test。A/B的目的？流程？每个环节需要注意的点？样本量如何确定？
有一组数值型数据，怎样提取有效信息？这里可以从统计描述的角度出发，进行分析
数据思维
这是软性的技能，但也是面试官特别注意的点。由于新转行，没从事过相关的工作，这块很是欠缺，就是将课程内容死记硬背，有时间会翻一下《精益数据分析》这本书。我在这方面比较弱，只是学完了课程中相关的内容，但基本上课程中出现的，我都理解并记住了。后期还需要不断在实际工作中积攒经验，学习和掌握更多的技能。这一块的面试主要是结合实际业务场景展开的，后面会提到。
数据挖掘
这一块内容，多，相对比较难。但也没难到看不懂，需要循序渐进。这块的学习还是以课程为主线，看不懂不明白的地方，百度/谷歌/知乎/CSDN。对我来说，我比较喜欢钻研数学的东西，感觉原理的推导相对比较简单，难的是构造有效特征，以及后面的模型调参。没有思路、没有经验，进行的比较困难。
项目实践
对我来说，上述技能的学习没什么大的问题。简历上写什么？这是我最大的难题，我不可能面试的时候用嘴说，我会什么，会什么。如果没有相关的项目，基本上，简历筛选是不可能过关的。
这方面，我完全是按照课程，跟着做了课程的两个项目。我做了两遍，第一遍，是跟着课程，厘清思路和每个步骤，跟着课程敲代码，总结一些通用性的技能。第二遍，自己新建一个文件夹，从头到尾自己实现了一遍，当然，其中充满了困难，用一步一坎来说也不为过。不知道怎样进行下去了，就对照课程资料回忆巩固一下，再返回来自己实现。
做完之后，自己参考给出的模板，针对这两个项目做了数据分析报告，算法报告和自动化邮件日报系统的报告。这几个文件，每次面试的时候都会有针对性地展示给面试官，将话题向项目报告这个方向上引导。
如果是偏业务分析的岗位，着重谈论自动化邮件日报的项目；如果是偏技术的数据挖掘的岗位，着重谈论算法项目相关内容。
面试
我3月初辞职(辞职之前已经学了一部分)，准备的时间比较长，做好了简历和几份报告。但是，做完项目后，前面学的也忘得差不多了，特别是SQL和统计学。不得已又重新复习一遍。好在前期做了详尽的笔记和练习，很快就捡起来了。下面是第二次回顾的时候，整理的一些资料。
随后于5月10日(周一)上午开始投简历，主要在BOSS直聘上。目前陆续面试了8家公司。大厂基本上不鸟我，大多是100~500人的企业，也面过100人之内的小公司。以我仅有的面试经历来说，可分为三种，第一种是打着数据分析的名义招销售，第二种偏向业务，第三种偏向技术。
第一种-钓鱼
这种公司要好好甄别，既打击信心，又浪费时间，在投简历的时候要有针对性和目的性，不要海投，没什么作用。
我遇到了一家小公司，笔试全是概率计算，然后HR就问了：会sql吗？会python吗？会哪种BI？了解NLP算法吗(完全不知道NLP是什么)？会开车吗？能喝酒吗？我递给她的项目介绍也只是简单翻了下，没问一句相关的。随后讲了下公司在行业内多么牛逼，HR面就结束了。随后董事长来了，跟我说：你没有相关经验，非科班出身，概率和统计也没有基础。这时我心里就mmp了，你一个相关问题都没问，拿什么判断我没一点基础呢？？？很气，也很失落。
随后跟我讲了一大堆他是怎么拉业务、搞项目的，接着说：小伙子，我看你很机灵，我们数据分析师的要求很高，但我这边很缺心思活泛的助理，你好好干，年薪50万不是问题。在前期，你需要好好学习，了解业务，大概能到手4k左右，但你要是能力强，能拉来业务，哪怕一年有一单就够了，提成是非常可观的。WTF？？？后面又逼逼叨叨了几句就结束了。
回想这次面试，一点价值都没有，既没在面试过程中得到正反馈，浪费一上午的时间，又打击了信心。转行很困难，遇到这样的面试，心情差到了极点。当天做总结的时候，我应该在他说我不匹配数据分析这个岗位时，立马走人，何必听他哔哔，浪费时间。当时也是面薄，想着要有起码的礼节。现在想想，太天真。
希望看到这儿的同学，引以为戒。在投简历的时候进行一定的筛选，远离这样的面试。
第二种-偏业务
JD是数据分析师，要求sql，Excel和BI能力，对Python没有特别强调。这类公司一般都是互联网公司，有自己的数据中台，数据分析师岗位的职责主要是面向特定的业务场景，进行数据分析，以及一些报表的开发。
其中一家的面试过程：
笔试-包括sql，统计，概率，极少数据挖掘
请做一下自我介绍
A/B Test的目的？原理？执行方法？结果分析？
数据指标体系的理解和实践？
谈一下你对埋点的认识？
会哪种bi？了解quick bi吗？
DAU突降，怎么查找分析？回答思路即可
挑一个你简历的项目，讲一讲思路和实现过程？
为什么从上家单位离职？
你的职业规划？
回顾面试的过程，不难发现这类型的工作有很强的针对性，旨在找到有经验，在同一领域做过相同工作的人员。相对来说，整体工作难度不是很大，想要有经验，能极快上手的人员，对新转行人员不太友好。
虽然这家最后也拿到了offer，但是薪资低，给出的理由是没有经验，需要人带，需要时间熟悉业务。
对于这一类型的数据分析工作，个人感觉是更偏重于经验和实际的业务。若要应聘这类岗位，完全可以在数据思维学完之后，就开始投递和面试，没有必要将课程的数据挖掘部分全部学完之后再进行。另外，这类岗位对BI工具也有一定要求，需要自己学习一下。
第三种-偏技术
我遇到的这类公司只有一家，也是我即将入职的这家公司。现将面试过程整理如下：
笔试
有两种题型，选择和简答。试题集中在机器学习这块儿，没有sql。
除了一些基础的问题外，我印象比较深的有：
选择题：Naive Bayes的假设？没接触过这个模型，凭感觉蒙了一个，并在选择题旁空白处写了目前知道的贝叶斯公式和作用。回来后查了下，蒙错了。Naive Bayes的假设是：各特征间相互独立，这也是Naive的来源。下来后把Naive Bayes的原理和实践学习总结了下。
简答题1：SVM的核函数有哪些？又是不知道。在空白处写了：暂时还没了解到SVM，我熟悉的算法有LR，DT，RF，Prophet，Kmeans(++)等。
简答题2：简述数据挖掘的一般流程及注意的点。唯一比较有把握的简答题。
简答题3：$y != x-(x-y)$在什么情况下成立？一脸懵，猜了一个，猜错了。百度得到的答案不全对，答案应该是：x和y是两个不相等的非空集合，并且，y中有不在x中的元素。测试如下，集合是支持减法操作的，相当于去掉交集。同时也测试了列表、元组和字典，这三种类型均不支持减号运算符。
一面-研发中心经理
请先做一下自我介绍
python熟练吗？介绍一下python的基本数据类型？答：列表，元组，字典，集合。其实还有：数字/字符串/布尔
你对数据分析和数据挖掘的看法？
我看你简历中写，会一些基本的机器学习模型。你挑一个自己比较熟悉的，讲一下原理。我选了随机森林RF，按照自己的理解和记忆，依次阐述了：集成学习的分类、监督学习的分类、简单随机抽样(OOB)、决策树从ID3->C4.5->Cart的演变、ID3和C4.5的criterion及缺陷、分类模型的评估指标(混淆矩阵、四个率值、ROC/AUC/f1值)。追问：Cart有什么缺陷？一脸懵，没答上来。
讲一下你了解的聚类算法。回答了Kmeans的原理以及Kmeans++的改进。追问：为什么会有Kmeans++的改进？两者的优点和缺点各是什么？又懵一脸。。。
讲一下你算法比赛项目的思路和实现过程。
现在有一个时间序列，共有30天的数据，每个样本间隔15min。你怎么预测未来7天的数据？听到这道题，已经有点慌了。答：目前我所知道的时间序列预测模型有：ARIMA和Facebook开源的Prophet。讲了arima的实现流程和prophet的一些特点。讲的有点啰嗦，面试官也没打断。讲完这两个模型，接着讲实操：先进行数据探索，看目标变量的分布，均值，百分位数等，看有没有异常值和缺失值，随后进行数据预处理，如果有缺失值，先处理缺失值。随后使用prophet进行预测。其它追问：怎么处理缺失值？prophet算法的输入和输出有哪些？你觉得它的优缺点有哪些？针对时间这个唯一特征，可以新构造哪些特征？这些特征的构造怎样用python实现？这部分问的很细，每个特征构造的思路以及python实现的代码细节。这应该是我本次面试中，表现最差的一部分，对于新构造特征，思路很狭窄，python实现也没有讲出来，代码能力欠缺。
了解哪些可视化库？答：比较了解matplotlib和pyechart。还有吗？暂时没有了。你自动化项目里是用pyechart做的图吧？为什么使用它？答：是的，Echarts是百度开源的工具，基本包含了所有的图表类型，被广泛使用。pyecharts库可以说是连接python和Echarts的桥梁，其语法相对简单，图表比较美观，不用太多的调整即可出图。
你的职业规划？
为什么从上家单位离职？
可以接受出差吗？
你有什么要了解的吗？我问了具体的项目和业务，以及公司数据部门未来的规划。
一面感受：公司氛围较好。面试官真诚，没有咄咄逼人和居高临下，对我答不上来的问题，会进行引导，指出了我的问题，也肯定了我的部分能力。给我的评价：基础还行，代码能力和发散迁移能力有待提高，有较大潜力。结束之前，直接告诉我一面通过了，但你还需要不断地学习实践，发散思维。不管你最后来不来公司，希望你能有所收获。
这次面试，是我选择这家公司最主要的原因。数据部门是核心的部门，有一个能力强的领导，有具体的业务和团队。
二面-研发总监
请做一下自我介绍
你这两个项目是什么时候做的？数据来源？课程中已经讲过了这个问题，我说是大厂朋友给我的。没再追问
算法比赛的结果怎样？答：这是2018年的比赛，我用它来学习、实践数据挖掘的流程，我做的逻辑回归和随机森林模型，在使用模型调参器GridSearchCV的时候，总是报内存错误，还没有做完。这里实事求是了，不敢瞎说，对面大佬气场太强了。
谈一下你对数据行业的认识？
离职的原因？
职业规划？
你有什么想了解的吗？
随后聊了下就结束了，总监面没有问很细节的问题。给我讲了下公司目前的业务和真实的数据产品，一些宏观的东西。后面就是常规的HR面试，谈薪。
总结
我能得到这个offer，自我分析原因为：①相对完备的数据挖掘基础，项目中有时间序列模型，比较契合公司的需求；②学历、专业与应聘岗位所在行业有关联；③自己的职业规划和公司想要的类型相符；④积极主动的态度；⑤自己和公司及面试官的价值观、工作态度比较吻合，传说中的气场相合。
至此，踏出了转行第一步，实现了自己原来的计划，完成了从0到1的转变。经过多场面试，也对数据分析行业有了进一步认识，知道了自己还缺哪些东西。不论是理论还是经验，自己的专业能力积累远远不够，自我评价是堪堪达到了入门的水平，后续还需要付出更多的时间去学习和实践。
转行很困难，大厂都是由于没有经验而过不了简历筛选。夯实基础，多投简历，多面试，练习sql，还是有机会的。
建议不要裸辞，压力太大了。我面试到那家钓鱼公司后，心态快崩了。好在，自己转行的心很坚决，对自己目前的能力储备有比较清楚的认知和自信。当初之所以放弃之前的工作，想转到数据分析行业，是因为确实比较喜欢做这种归类、分析的工作，另外也很看好数据行业的前景。
选择一个正确的方向，日拱一卒，不懈的努力。谨以此文，记录这个特殊的过渡阶段，自勉。
结尾
恭喜这位同学！每一位Dathoner来报喜时我真得非常的开心，一是替这位同学开心，二是让我感受到教学的意义。感谢每位Dathoner，数据之路长着呢，后续，我们一起加油！
另外，准备了不少数据资料，需要的同学可以点击获取哈~
适合小白学习的数据分析免费资料（持续更新）