秋招拿了7个offer，分享一些反思和经验
The following article is from 凹凸数据 Author 三金
一个不务正业的数据🐶！爬虫、数据分析、可视化、方法论，一条龙服务！业务范围：Python、SQL、Excel、Tableau······
二条：Pandas中Apply函数加速百倍的技巧！ 三条：5行Python实现验证码识别，太稳了！
↑ 关注 + 星标 ，每天学Python新技能
后台回复【大礼包】送你Python自学大礼包
来自：凹凸数据，作者：三金
大家好，我是三金
在秋招开始之前就决定要写一篇文章来记录自己的秋招的历程和各种坑，今天终于秋招告一段落了。
从6月30号投出的第一个简历到11月16号收到最后一个offer，一共139天。
其中遇到的各种经验和各种坑希望能和凹凸们好好分享一下。
在今年秋招开始前，我还是过分乐观的觉得我自己一定能去互联网大厂。
但是随着秋招的深入，越来越发现今年的艰难，特别是数据分析岗位！
个人认为还是过多优秀的国外留学生因为疫情的原因被迫回国就业导致的，他们原本能去谷歌、苹果等国外一线大厂，回国后自然挤占了不少国内互联网一线大厂的坑，比如我在秋招的过程中就遇到一个MIT硕的大佬在面腾讯的产品运营。
总之，今年秋招的确很艰难，80%的offer掌握在20%的人手里。想拿到一个理想的offer，不容易！
先说说我自己的情况吧，本科211财经院校毕业，研究生毕业于香港TOP3的学校，有两段大厂互联网实习经历，二段互联网中厂实习经历，一段小厂实习经历。
整个秋招我投递了85家公司，基本互联网的大大小小厂都投递了，主要投递方向为数据分析，经历了大概40场的笔试，最后只有23家进入到了面试的阶段。经历了45场面试，最后拿到了7个offer。
以下是面试时间线：
拿到offer的分别为：
跟谁学 数据分析 贝壳找房 数据分析 4399 运营管培生 顺丰 大数据挖掘与分析工程师 蘑菇街 数据分析 苏宁金融 金融科技管培生 微众银行 数据分析
以下是我对本次秋招的一些思考，主要结合数据分析来解释。
一、定位
在秋招开始前一定要将自己的定位确认下来，特别是自己的方向和岗位。
方向是针对于行业来说，岗位是针对于具体做什么事来说。
我在秋招开始前其实并不是很清楚自己的定位，只大致的确定想去互联网的数据分析和产品的岗位，但最终看来我的确不适合产品的岗位。我觉得这个定位不清楚还是影响了秋招部分岗位的投递以及面试。在投百度的时候，我看到产品的hc特别多，就投了百度的产品，经历过两轮的面试发现的确不适合产品，但是已经失去了投递百度其他岗位的机会。
所以小伙伴们在秋招开始前一定要将自己的定位给确定下来，精力特别多的小伙伴可以选择两个及以上的岗位，像我这样比较懒的人，如果再给我一次秋招的机会，我只会选一个岗位好好准备。
二、简历
简历特别特别重要！
如果没有笔试的公司，HR基本就是看简历来决定是否面试你，所以我建议小伙伴在秋招开始时好好准备自己的简历，尽量去丰富自己的简历。在实习的时候，我的老大告诉我，他看简历大概只有15秒左右，学生的简历大致只看5秒左右，看下学校和实习公司就下一份了，更能体现出简历的重要性。我丰富简历的方式主要是通过实习，将实习中做的项目尽量去扩写，将一些重要的节点写出来。
这里还有一个细节，需要将简历写成尽量符合投递岗位的需求。拿数据分析来说，就需要把你实习经历中和数据分析相关的项目写下来（即使你实习的岗位不是数据分析，也有很多能结合数据分析的项目）。注意！既然是数据分析，就应该加上很多数据化的表达，比如，落地了你的数据分析结论后，公司提高了5%的留存率。这样的表达就很吸引筛选简历的人。
还有一点很重要的是，你写在简历上的每一个字都是需要经得起深入拷问的！
因为面试官很多时候并没有自己准备很多问题，所以所有的问题都来自于你的简历，你写的每个点他都会去深入的问。所以在写自己项目经历的时候，写完后最好能把自己当做面试官，看看能够回答出一些项目的问题，比如这个项目的需求发起者是谁，项目最后是怎么落地的，你在项目中做了哪些贡献，项目的困难点等等。面试官的深入提问往往非常难，即使你真的很投入做这个项目，还是会有不清楚的点，所以真的需要好好准备。不要想着去糊弄面试官自己不知道的点，万一被戳穿就大概率凉凉了，所以在遇到真的不清楚的点或者数据时，就真诚的告诉面试官自己没接触过，或者作为实习生接触不到这么核心的点或者数据。
三、投递
尽早投递！
尽早投递！
尽早投递！
大多数公司的hc都是有限的，先被别人占了坑，你就少了一个机会。
大部分公司只能投递一个岗位，而且只有一次机会，所以在投递之前一定要非常非常谨慎。像我之前投递百度的产品后，就失去投递数据分析的机会了（虽然后面发现正式批还能改志愿，但是一直没收到笔试面试，大概率是因为提前批招满了）。
我在这还是推荐小伙伴们认准一个岗位投递，因为一个岗位的面试题都大致一样，所以你只要把某个岗位的大部分题目熟悉后，基本对一个岗位的面试就很轻松了。拿数据分析来说，无非是统计学+机器学习+业务题，当我面试到秋招中后期时，大部分的面试题我都见识过，所以答起来就很轻松了，后期的面试通过率也很高。
四、行测
一定要准备行测！！！
这一点也是其他数据分析秋招准备文章中没有提到的。
我在秋招中最失策的一点就是没有怎么准备行测。
在秋招之前我一直认为行测应该是产品或者银行等岗位准备的题，导致我一直没有准备。真正开始秋招后才发现，行测基本在每一环中都出现了，从投递时的行测到笔试的行测题再到三面后的行测，充满了我整个秋招。投递简历的时候，很多HR都是结合行测成绩和简历一起看的，即使你简历特别好，但是你行测成绩很差的话还是进不了面试的。
在笔试的时候，因为每个公司对数据分析的定位不同，有的是技术岗，有的是业务岗，有的是职能岗，所以有部分的公司会拿行测题来做笔试题。如果没有好好准备行测的话，很可能在筛选简历时就被刷掉，更别说笔试了。
准备行测的方式很多，比如大多数互联网公司的行测都是北森或者智鼎等公司承包的，所以可以去闲鱼上找相对应的题库去刷，很大概率遇到原题。
五、准备笔试面试
每个岗位的笔试面试都有一定的体系，在准备前一定要搞清楚投递岗位的知识体系。
就数据分析来说，基本就是统计学+机器学习+业务题+SQL，针对这四个方面进行深入的复习，统计学和机器学习具体的复习方式相信小伙伴们在其他文章中都了解很多啦，本文就不再提了。
如果有不懂的小伙伴可以利用知乎及牛客等平台来搜索具体方式。业务题的话，一般有两种，一种是针对你简历上的业务，一种是针对面试公司的业务。简历上的业务还是需要熟悉简历上写的东西。面试公司的业务就很考验应试者的上下限，该类题目有些很常规的题目可以提前准备，比如某个数据指标上升或者下降要怎么分析，这类题可以提前将答案写好，再根据业务去修改。比较推荐小伙伴们平时关注一些数据分析相关的公众号，慢慢去积累业务题，完善自己体系。
最后推荐一本数据分析面试相关的书籍《拿下Offer：数据分析师求职面试指南》可以按照这本书的知识体系去准备，这样就比较有方向。SQL的话，建议小伙伴们在秋招的每天都刷一两题SQL，在笔试面试中还是很大概率考到SQL题的。牛客和LeetCode上都有很多题目可以刷，刷完再重点看看窗口函数就可以啦。
还有一个重要的点，就是我在准备面试的时候会把回答的话一个字一个字写下来，这么做的原因是如果不写下来的话，面试一紧张就很容易忘记，而且如果你写下来的话，可以针对每一个用词去扣细节，这样说出来的答案也更加完美，我也建议小伙伴们这样做。
六、面试前的准备
在收到面试通知后的准备也很重要，需要针对面试公司以及岗位去准备。
我的准备方法一般是面经+数据指标体系+了解公司业务。
面经很重要！
我曾经遇到过面经上一模一样的题目，准备过后再去回答就有把握很多，面经的话，我主要是在牛客上准备的，我会把过去三年的所有面经，一题一题的准备过去把答案写下来，在遇到的时候就会从容很多。
数据指标体系也是很多面试会遇到的题，我会针对面试的业务去将他的数据指标体系给写出来，当然有时候也会问到实习时候用到的数据指标体系，所以都需要好好准备，至于准备的方法在各大公众号上也能找到，数据指标体系这个东西零时准备肯定想得不全面，所以还是建议小伙伴提前准备。
针对公司业务的话，一般面试官都会随口问你对我们公司有什么了解，如果没有准备就只能回答一些很宏观的东西啦，这样的回答面试官一般都不大认可啦。
我建议小伙伴们可以从公司的业务出发，如果你投的有细分的业务就跟好啦，然后去知乎或者36氪上去了解公司的业务流程以及业务的模式和商业的模式，再加上了解目前公司的主要竞争对手及其业务就大致了解清楚啦！
整个秋招的确有不少的遗憾，但是成长总是需要付出代价的。
希望小伙伴们能够多多练习面试，当你说得熟练的时候，你会发现面试你需要表达的东西并不是很多（至少校招是这样的）再次感谢整个秋招面试过我的所有公司和面试官，希望小伙伴们能够从我的经历中学到东西！