一线数据分析师教你如何写简历才能脱颖而出！

年后很多朋友会开始看新的工作机会，我打算写一个面试的系列来给大家作为宝典指南。而看机会的第一步肯定是要修改简历，所以第一篇我们先来讲讲如何写一份让人眼前一亮的数据分析师简历。 

小洛已经帮助了一些朋友顺利拿到大厂数据分析师offer，在数据分析师领域的简历以及面试就业这块积累了很多经验，相对比较了解目前的一个用人标准及职位行情。发现一些朋友虽然工作好几年，但是并不太懂得如何用简历包装自己，非常可惜的错过机会。授人以鱼不如授人以渔，今天我将非常宝贵的经验分享给大家，希望可以对数分人有所帮助。本篇内容极度干货，请收藏食用。

01

    

简历的构成及内容描述

简历内容结构：主要由6个方面构成，基本信息、学历信息、技能、项目、工作经历和其他附加信息等；（学历、技能、项目、工作经历可以调换顺序，主要原则为亮眼经历放在前展示，相对薄弱地方放在后面）

学历信息：

• 如果读了研究生以上学历，建议一定要把本科学校写上。如果因为本科学校不好所以不写的话，会传达不自信等不好的观感；
• 可以罗列一些学过的和数据分析相关的专业课程，例如统计学、python、计量、多变量分析、研究方法等课程；

技能：

针对数据分析师岗位的核心技能主要有数据工具、统计学、分析方法论、机器学习模型能力、通用能力、擅长领域等，建议丰富以下技能并将掌握的写在简历中。

（顺序从初级->高级）

• 数据工具，主要包含三个方面：数据查询(sql)、数据处理与分析(excel、python、r、spss等)、数据可视化(tableau、powerbi、python包等可视化工具)；

• 统计学基础，常用统计分析方法例如假设检验、方差分析、回归分析等；

• 分析方法论，这部分可以写一些常用的业务分析模型及常用分析方法论，例如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，因果推断的常用分析方法如双重差分、psm等；

• 通用能力，可以写一些数据分析所需软技能，例如结构化思维、沟通协调能力、推动能力、项目管理能力、业务理解等；

• 机器学习模型，建议罗列一些自己熟悉的模型，体现自己的机器学习方面能力，例如线性回归、逻辑回归、决策树、随机森林、聚类等；

• 擅长领域，如果对某一领域非常擅长将是很大的加分项，例如擅长搭建用户增长体系、擅长用户画像、擅长战略分析、擅长会员体系搭建、擅长补贴策略、擅长社区内容分析、擅长分析报告等，写清所擅长领域会非常便于公司快速的定位简历关键词，定向寻找人才；

项目：

简历中的项目描述是重中之重，因为面试官会快速浏览简历并针对感兴趣的项目进行细节提问。建议简历中项目数量在2-4个为佳，描述避免啰嗦，用2-3句话来突出重点，遵循目标-行为动作-结果原则，重点写清用了什么分析方法，达成了什么结果，项目收益的量化指标。（面试中项目需要详细介绍项目背景、项目规模、项目难点等，但是在简历中着重突出行动和结果即可）

我们以一个用户设备画像项目(增长类项目)为例来看，

错误示范：x

项目背景：由于线上渠道新增表现不佳，导致未能完成公司用户规模目标，公司打算改变用户新增投放策略，大力投放线下预装。通过分析历史数据，发现优质手机厂商，制定新的投放策略，在预算固定情况下，使新增用户规模达到预期。通过爬虫抓取机型号和机型对照关系，搭建用户机型价格分类模型，通过用户行为建立评估系统来衡量各手机厂商不同价位手机贡献价值。

项目成果：给出高价值厂商产品线机型，修改之前线下投放策略，预装渠道新增用户规模相较预期提升13%

正确示范：√

项目描述：(目标)为了达成公司用户增长规模目标，优化用户新增投放策略。(行动)通过分析历史用户渠道数据，爬虫抓取机型号和机型对照关系，搭建用户机型价格分类模型，通过用户收入和活跃等维度(结果)建立评估体系来衡量各手机厂商不同价位手机的渠道贡献价值;

项目成果：(量化项目收益)精准识别出高价值厂商产品线机型，优化之前线下投放策略，将更多资源倾斜至高价值渠道，优化整体roi且预装渠道新增用户规模提升13%；

简化句式：为了xx目标，通过分析xx，搭建了xx，优化提升了某指标的xx%

工作经历：

工作描述方面需要体现出自己所做的业务类型、工作职责范围，因为在项目中已经体现了一些具体项目细节，所以工作经历的描述语言尽量具有总结性，体现自己的主观能动性、闭环能力。学会将繁杂细碎的工作内容体系化的描述，我们以数据分析师常见的工作内容：核心指标异动分析、指标体系搭建、专项策略输出为例：

错误示范：x

负责分析指标异常的原因，多维度拆解，并反馈给业务方；

写了xx个底层hive表，搭建了xx个数据可视化看版；

分析xx数据，得出xx策略；

正确示范：√

核心指标异动分析：(行动)对每日核心数据进行监测分析，在平日核心数据的异常波动的专项分析中提炼出可沉淀的(效率提升)固化分析框架，搭建智能数据监控体系，(结果)大幅降低了异常问题定位的时间成本，及时了解指标异动原因，并反馈推动，提升信息获取效率；

指标体系搭建：(行动)通过梳理xx整体业务流程，调研数据应用情况，设计能反映业务健康程度，风险提示的(业务多维度)流量、订单、转化、生命周期等维度业务指标，推动前端、数仓进行打点及数据传输，(了解底层数据)推动完成hive底表、中间表、上层表开发，设计制作整套业务体系的可视化数据看板及多维报表。(结果)及时发现异常问题，大幅提高数据使用效率及问题发现效率，覆盖日常80%数据需求。

专项策略输出：(目标)以用户拉新和促活为目标，深度参与业务策略设计。(分析方法)基于多元线性回归、用户行为漏斗分析、决策树等建模分析方法，拆分量化用户各行为价值，挖掘促进用户价值的关键行为，寻找业务提升潜力。(结果)并输出业务洞察，协同产品、运营和技术团队设计业务策略并推动落地，达成了xx；

    

02

    

简历注意要点

1、关键词的命中

浏览一份简历的时间通常在30s以内，所以简历如果命中业务方所看重的关键词将会大大提升通过率，目前通用的能力关键词有用户画像、标签体系、指标体系、监控体系、ab实验、用户分层运营、渠道分析、roi优化、增长模型、推荐(分发)策略等等。

也可参考特定的岗位jd将上面一些关键词在简历合适的地方写入。每类型的业务以及不同的部门所看重的关键词不同，我们要根据不同的业务需求去分析并进行关键词添加。

2、产出的量化

简历需要着重产出的量化。

• 数据分析师工作很重要的一项职责就是用数据进行业务洞察、业务衡量、业务指导，所以量化是一种职业习惯；

• 明确自己负责业务的产出，数字表达会更有说服力；

我理解数据分析师的日常工作有一部分是较难量化的配合支持工作，这部分需要我们积极的去追踪我们产出数据的效果以及作用，并多和业务方沟通，拿到量化指标结果。

3、项目的选取

综合考虑以下几个原则，来选择2-4个项目写在简历中。

• 选择自己最熟悉的项目 

• 选择产出价值最大的项目 

• 选择最能体现分析&推动能力的项目 

• 选择和意向公司业务最匹配，方法论可复用的项目

4、行动的体现

不论在项目描述还是在工作经历描述中，注意行动的体现，用了什么分析方法？如何推动了分析结论的落地？多一些动作描述，突出自己的主观能动性。

    

03

    

一些QA

1、取数工作较多，如何提炼项目？

很多朋友都会遇到这种情况，平时工作中临时数据需求太多了，没有经历过比较完整的项目，导致简历很难有重要的产出可以写。面临这种情况，我的建议是在平时的工作中将临时的需求进行体系化梳理，在对接临需的时候了解清楚背景及后续追踪结果，然后多沟通并多看产品、运营的周报，具体了解目前业务动向及自己所做的需求产生了什么实际效果，多思考自己工作的意义，然后将一系列的碎片化需求升华并梳理包装成一个项目，写在简历上。

2、面试官视角一般怎么针对简历提问？

面试官通常会挑自己最感兴趣的点&和所面试岗位最强关联的点进行提问。例如，面试的岗位是个增长数据分析岗，极有可能会针对简历中的ab实验、渠道roi优化、补贴策略等等进行提问。如果面试岗位偏数据科学，则很大可能针对简历中的机器学习内容进行提问。

不同面试官风格差异很大，也有一些面试官擅长问开放性问题，不会问简历上的。但是至少要保证写在简历中的所有内容，我们都是熟悉的。

3、如何挖掘jd要点，针对性准备简历？

上图为我在boss直聘随便找到的一个jd，并将关键词圈了出来。如果候选人的简历中可以体现内容资讯&短视频&直播等业务经验、推荐分发策略优化经验、分析报告经验、行业研究、竞品分析等经验，将会大大提高简历通过率，面试准备同理。

4、转行的朋友如何写简历？

首先明确一点，面试数据分析岗位，如果自己本身没有分析类的项目，那么非数据分析类的项目也不是不可以写。不是数分但是对接过数分，可以和公司的分析师了解工作内容，体现在非数据分析类的项目上。底层的能力是通用的，分析能力固然重要，但是把事情做成，拿结果的能力也同样重要。

很多人认为kaggle项目已经烂大街了，但是事实是已经有无数人通过自学数据分析，写kaggle的项目或者自己爬取一些数据做分析项目而顺利找到工作。针对转行的同学，最核心的是一定要多找业内人聊，保持自己在一个正确的学习方向上，切勿闭门造车。

- EOF -

推荐阅读  点击标题可跳转

看完本文有收获？请转发分享给更多人

推荐关注「数据分析与开发」，提升数据技能

点赞和在看就是最大的支持❤️