隨著資料分析師的崗位發展，網上的資料分析文章越來越多。我以為今年的校招，學生們對資料分析這個崗位會有更深的瞭解。

但是目前看來還是有很多學生用陳舊的教科書知識和他們自己的想象來理解這個職業的現狀。

由於不理解崗位要做的事情，所以面試前沒有對應的去針對性的準備。

所以今天簡單的說一下，目前市面上的資料分析型別以及校招的投遞要點。

目前市面上，以資料分析師為名的崗位一般來說可以分為這麼幾大類。

第一類是偏業務的資料分析師。這類分析師要解決的問題是具體的業務問題。比如說，如何提升使用者的留存率、降低流失使用者數、提升轉化率等等。這些分析師和業務走的很近。分析師需要了解網際網路的商業模式。需要了解一些常見的運營和產品的手段。

第二類是策略類的分析。策略類分析和上一類業務分析的區別在於。策略類分析要解決的問題一般比較固定，往往是業務直接給一個課題，讓策略分析師找出策略。比如像滴滴，美團這類企業，他們需要最佳化配送規則、制定反作弊規則等。

第三類是偏挖掘線的。這類資料分析是需要用演算法來解決業務問題。常見的演算法就那麼一些聚類分類迴歸等等。這類分析師相比策略類的分析師，面對的問題更加固定。因為演算法能解決的問題目前基本就那麼幾種，有點像拿著錘子找釘子。由於薪資水平高，這兩年學的人很多。但是需求不大，今年演算法崗灰飛煙滅，招的少報的多。

最後一類是偏開發的，這一類現在比較少。絕大部分的這類分析師現在的名稱已經叫做資料開發了。所以這塊就不多說了。

我們來看一下這種不同的資料分析師種類。他們需要的技能都有什麼樣的特點？

我給這幾類資料分析師的面試過程分為兩派。

一類是文鬥，一類是武鬥。

都說文無第一，武無第二。武鬥相對容易分出高低，而文鬥就各有千秋。

策略類和挖掘類需要的技能有個特點，需要的技能比較固定。

挖掘的演算法就那麼幾種，分類、聚類、迴歸、深度學習等等。雖然現在還在不斷的湧現一些更新的演算法，但是，經典的演算法已經可以解決出大部分問題了。所以這類同學他們的面試，就有點類似武鬥。因為技能的要求太固定了，所以哪些同學做的專案足夠的多，足夠難，專案的理解足夠深，是很容易評估出來的。

像策略類的分析。遇到那些資料建模大賽拿過多次名次的人，自然而然就碾壓了其他的同學。而做挖掘類演算法的人。如果有多次演算法落地的專案。也要比沒做過的人要好的多。

偏業務的分析面對的問題比較非固定。

每個公司面對的業務問題都不一樣，你必須先理解業務，然後才能夠做好這樣的分析。

所以對這類資料分析師來說，他需要懂業務。

至於什麼叫懂業務？你必須知道不同公司它的商業模式是什麼，以及日常的工作中業務都能做些什麼？

所以這類崗位的分析就有點像作文比賽。同樣一個命題作文，每個人都可以寫出自己的觀點。但沒有誰一定對，沒有誰一定錯，只要你說出自己的邏輯就可以了。

所以這類資料分析師面試的要點在於你的邏輯必須非常清楚。並且你的表達要非常的清晰。至於你會不會積極學習？你有沒有類似的業務經驗，這並不是特別重要。

因為這些經驗，在之後可能都沒用。