CDA数据分析师 出品
作者:Elad Cohen
编译:Mika
作为一家技术公司的副总裁,我在管理数据科学部门时,还需要处理大量的招聘工作。
通常,招聘人员在一份简历上花的时间平均只有7.4秒。
一个抢手的职位可能会吸引到一百余人投递简历。在本文中,我将教你几个技巧,帮助你在求职过程中让你的简历脱颖而出。
下面我将分享一下,在快速筛选数据相关职位简历时,我最看重的这7点。
在浏览简历时,我会快速看看你以前的职位,看是否与数据挂钩,有数据相关工作经验。
比如具体有数据相关项目的经验,在项目中通过什么方法解决了哪些问题,或者参加过数据相关的培训或课程。
接着,我还会看一下你曾从事工作的技术方面内容,以及业务成果。有许多精通技术的数据分析人员对业务术语并不擅长。因此如果你能清晰罗列出所做工作对业务KPI的影响,这将是加分项。
例如,指出模型在AUC方面的改进是可以的,但若能明晰模型改进会导致转换率增加,这意味着你有不错的业务知识,并且有数据赋能业务的意识。
看到以下的例子,比较用技术与业务两个不同侧重点,来描述相同工作的方案:
我还会看看求职者所受的教育情况如何,来自哪所学校,哪个专业。对于应届生,我还会考察他们的成绩等情况。
由于数据分析是一个新兴且较广泛的领域,并没有某种唯一的标准化测试。即使你没有相关专业的教育背景,但如果有该领域的从业经验或接受过数据相关培训也是可以的。
我看过不少排版美观的简历,也收到过一些没有任何格式的txt文本简历。在编写简历时,可以找一找好的模板,在有限的篇幅内清晰介绍自己的情况。
这里可以有效利用简历的空间。将页面分割开来,突出不按时间顺序排列的工作或教育经历。当中还可以包括你熟悉的技能,做过的项目,自己的Github或博客的链接等。同时,一些简单的图标也可以帮助强调标题。
许多求职者在他们熟悉的语言、工具旁边会用1-5颗星或柱状图代表自己的熟悉度。我个人不太喜欢这种方法,原因有几个。
有些人把语言和工具,甚至把语言和软技能混为一谈。把自己领导力的熟悉度填上“4.5星”是没有说服力的。
还有把自己技能的主观衡量标准变成饼状图的,比如Python技能占30%,团队合作能力占10%等。虽然这是一种突出自己的创新方式方式,但却显示了自己对不同图表概念缺乏基本了解。
以下有两份排版很不错的简历,可以用于参考:
两个示例中使用的垂直分割,以区分经验、技能、成就等。用简短的摘要段落能有助于描述求职人背景和期望。
我主要会看这两种类型。
一些求职者只使用深度学习,包括在结构化数据,而这些数据更适合基于树的模型。虽然使用深度学习本身没有问题,但限制的工具集会让你的解决方案有局限性。
正如马斯洛所说,“如果你唯一的工具是一把锤子,那么你就会把所有问题都看成是钉子。”
在我的日常工作中,我们处理的是结构化、领域驱动、特征工程化的数据,这些数据最好用各种形式的提升树来处理,光使用深度学习是不够的。
这通常与两个需要大量专业知识的领域有关--计算机视觉和自然语言处理。
这些领域的专家很抢手,在许多情况下,他们的整个职业生涯都将专注于这些领域。但对于一个从事一般数据分析工作的人来说,这通常不适合。因此,如果你的大部分经验是在自然语言处理领域,而你要申请该领域以外的职位,可以试着强调你曾在结构化数据方面工作过的经历,以展示多样性。
通常细分为语言、特定的包(scikit-learn、pandas、dplyr等)、云及其服务(AWS、Azure、GCP)或其他工具。
某些求职者将其与熟悉的算法或架构混在一起,比如RNN、XGBoost、K-NN。
就我个人而言,我更倾向于围绕技术和工具展开;当提到一个特定的算法时,我想知道求职者的机器学习理论知识是否仅限于这些特定的算法。
这部分,我会看技术栈的相关性。
技能点是否是近几年的,这表明求职者在主动学习新技能;还有技术栈的广度,表明求职者是否局限于特定的工具;以及与我们技术栈的匹配度。
你会在GitHub上有分享个人项目吗?参加Kaggle比赛或副业项目都是加分项。从中能够看你代码的简洁性、预处理的类型、特征工程、EDA、算法选择以及在实际项目中解决问题的能力。
这里如果有的话,可以附上你的GitHub和Kaggle链接,以便面试官深入了解你的代码。
同时要熟悉自己做过的项目,最好在面试前就梳理一遍。之前的面试中,就有求职者对项目不太熟悉,从而面试官无法就项目展开,进一步了解求职者在项目中做出的选择和背后的原理。记住,在罗列项目时,列出2-3个高质量的项目要比10个质量的更有效。
结语
如果你正在找数据相关的工作,可以花点时间过一遍文章中的要点,希望本文能对大家的求职有所帮助。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29持证人简介 郭畅,CDA数据分析师二级持证人,安徽大学毕业,目前就职于徽商银行总行大数据部,两年工作经验,主要参与两项跨部 ...
2025-01-282025年刚开启,知乎上就出现了一个热帖: 2024年突然出现的经济下行,使各行各业都感觉到压力山大。有人说,大环境越来越不好了 ...
2025-01-27在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-01-26数据指标体系 “数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而 ...
2025-01-26在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-25俗话说的好“文不如表,表不如图”,图的信息传达效率很高,是数据汇报、数据展示的重要手段。好的数据展示不仅需要有图,还要选 ...
2025-01-24数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪70 ...
2025-01-24又到一年年终时,各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告,不仅能全面呈现你的工作价值, ...
2025-01-23“用户旅程分析”概念 用户旅程图又叫做用户体验地图,它是用于描述用户在与产品或服务互动的过程中所经历的各个阶段、触点和情 ...
2025-01-22在竞争激烈的商业世界中,竞品分析对于企业的发展至关重要。今天,我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-22在数据分析领域,Excel作为一种普及率极高且功能强大的工具,无疑为无数专业人士提供了便捷的解决方案。尽管Excel自带了丰富的功 ...
2025-01-17在这个瞬息万变的时代,许多人都在寻找能让他们脱颖而出的职业。而数据分析师,作为大数据和人工智能时代的热门职业,自然吸引了 ...
2025-01-14Python作为一门功能强大的编程语言,已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手,还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策,真的靠谱吗? 最近几年,“数据驱动”成了商界最火的关键词之一,但靠数据就能走天下?其实不然!那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么?Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09在如今这个信息爆炸的时代,数据已然成为企业的生命线。无论是科技公司还是传统行业,数据分析正在深刻地影响着商业决策以及未来 ...
2025-01-08“数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而言,数据指标体 ...
2025-01-07在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-06