我是 @咫尺天涯

2021年7月，我预料到竞争「保研资格」大概率会失败后，我开始准备了考研。

当时，我一心想转金融，所以报考了北外的金融学硕士。由于，备考时间过短再加上跨专业跨学校，考试结束后我就已经知道我考不上了。

于是，我压根连复试就没有准备。

接下来的日子，就是思考我下一步该前往哪里？我爸叫我二战，我心里是坚决拒绝二战的。我下定决心准备参加工作，步入职场。

我积极参加秋招，向辅导员询问有没有合适的岗位，那段时间不是准备面试就是在去面试的路上。

我拿到的比较好的offer是「学而思」小学数学老师和「星火教育」的初中数学老师，年薪分别是 12 万和 10 万。

说实话，在南昌这个二线城市有这样的年薪其实还算不错的，不过我还是放弃了。因为我觉得这个职业发展不长远，也不是我特别想做的。后来的双减政策也表明我当时做的决策是正确的，要不然我9月份就要失业了。

我放弃了那两个offer之后，无意中看到了「数分」这样一份岗位，顿时眼前一亮，招聘软件上的岗位职责与我的专业很符合，而且我也一见钟情。

数分符合求职的三角理论（我喜欢，我擅长和能赚钱）。于是，我疯狂在知乎上看「数分岗位」的知识，也就在这时碰到了猴子老师，并且付费加入了猴子老师的初级课程，开始了数据分析的学习之旅。

加入了猴子老师的数据分析学院，开始了初级课程的闯关模式，每学一关我都会把知识点都记录下来，做成「思维导图」，便于自己构建知识体系和日后复习。

同时，我还一边在b站上看尚硅谷免费的 Mysql 视频，是一位很nice的女老师，把sql讲的通俗易懂，我几天就听完了，然后慢慢实战。

除此之外，我还买了猴子老师的《数据分析思维》那本书，认真学习那本书里的指标体系的搭建和各类分析方法。

在学完初级课程和sql后，我开始学习python了。python也是在b站看视频，配合书籍（puthon基础和利用python进行数据分析）学习基础知识，实操部分是在和鲸社区参加各类训练营和项目实战。

下面是我梳理的比较完善的学习路径。

数据分析学习路径

 第一阶段(核心)

 数据分析思维与业务流程

业务为王，懂得业务才是最重要的，工具和模型都是为公司业务服务的，这样公司才能发展壮大，只懂技术不懂业务走不长远，但技术精湛能提升工作效率。

推荐《数据分析思维》、《精益数据分析》、《增长黑客》等书籍。

 第二阶段：Mysql

Mysql对于数分来说主要是写sql。

为各个业务部门提供数据支持用于决策。写sql想要熟练掌握不难，具备扎实的基础语法知识，然后灵活运用即可。

推荐牛客网刷sql的题目。直接难度系数最高的那个，差不多可以应付企业90%的数据需求。

Mysql的基础知识

图片看不清？（公众号回复：插图 ，获取清晰图片，图片源自@咫尺天涯）

第三阶段：商业智能工具

这个我自己用的少，因为公司有自己的平台做数据看板，监控业务情况。

第四阶段：

大数据查询利器：Hive and clickhouse

这两个在互联网公司很普遍，因为互联网公司每日产生的数据量太大了，用Mysql查询会特别慢。

只要不是实时的，很多分析工作都是T+1的，所有会用Hive和clickhouse。hive和clickhouse也特别简单，也是写sql，不过语法会一点点差异，稍微百度一下或者查看官方文档就会了。

我本人比较喜欢用clickhouse，因为clickhouse采用列式存储，查询速度比hive还要快个几倍，超爽。

第五阶段：python数据分析

python三剑客：numpy、pandas、matplotlib。python这3个模块的基础知识还没有梳理完成。

第六阶段：统计学知识

主动复习大学里的概率论和数理统计知识，这个非常有用，比如辛普森悖论、贝叶斯定理、大数定理、卡方分布、t分布、正态分布、假设检验。ABtest对于统计学知识有所要求。

第七阶段：

数据指标体系的搭建和ABtest

掌握ABtest设计，实验原理和流程以及实验结果分析，下面我会讲到我是如何搭建ABtest平台以及管理AB实验，撰写实验方法论为产品部门服务的。

数据指标体系反映公司业务发展状况的指示剂，数据指标体系是指标+体系，好比体检报告单上的身体健康指标体系。

第八阶段：数据挖掘算法和实战

数据挖掘是指对数据进行收集、清洗、加工和分析并从中获取有用知识的过程。

例如我涉及到的数据挖掘项目是在人机交互的过程中，用户说的话会通过ASR转化为文本，对这些文本进行挖掘分析(NLP)，想知道用户对产品的反馈和关注点是哪些，最后这个项目撰写成了PRD文档，产品直接把他做成一个内部的功能模块。

第九阶段：商业领域

选择你想进入的行业或者商业领域，大致可以分为六大块：电子商务、Saas、免费移动应用、媒体网站、用户生成内容和双边市场。

第十阶段：项目实战

kaggle、和鲸社区、阿里天池都是不错的数据科学平台，而且里面有众多的免费学习资料。

excel、sql和python项目各一个，用于展现你会运用基本的分析工具。

excel项目链接：

商业分析报告：淘宝婴儿用品数据分析

https://zhuanlan.zhihu.com/p/397276455

sql项目链接：

项目：淘宝用户行为分析

https://zhuanlan.zhihu.com/p/364603950

python项目链接：

1、关联规则推荐(基于购物篮推荐商品)

https://www.heywhale.com/mw/project/6143762ec2972a001762421c

2、RFM模型

https://www.heywhale.com/mw/project/61348efebc40120017e9f982

*复制后使用浏览器打开链接

使用猴子老师的求职秘籍。

主要分为教育背景、项目经历、专业技能、工作经理和其他模块。

最开始在boss直聘上投简历，基本没人理我，投出去杳无音讯的那种，当时很有一种挫败感，感觉是不是自己的简历太糟糕，在市场上不值钱，所以无人问津。

后来，才知道是流量曝光不够。

我花了六块钱开通过了一周的会员，简历被置顶七天，结果每天都有人来打电话邀请面试，几乎天天面试。

后来，有猎头内推了我一家AI公司，也是我后来入职的公司，当时是两轮面试，第一轮是我的部门领导，第二轮是公司的执行董事(也是老板)。下面我讲讲面试经历。

1、sql能力考察

当场手撕查询语句，不用敲代码，直接用嘴说。考察基本的语法知识，上面的思维导图烂熟于胸即可。

2、项目经历

每一个项目当场进行汇报，从整理框架到每一个部分的细节都会问的很清楚，所以自己的项目都得信手拈来。

3、英语能力的考查

由于公司的业务是海外的，涉及墨西哥，印尼，印度，菲律宾，越南、尼日利亚等诸多国家，分布主要在东南亚、非洲、北美洲，所以会对英文的读写能力进行考察，当时面试的时候翻译的是外文文献。

最后就是职业规划等其他一些方面的问题，整个过程很自然顺畅，顺利拿到了offer。

日常工作内容(平日的OKR)

1、AB test 

完善AB实验平台，支持各类AB实验，丰富实验类型，配合产品和基于数据分析的结论开展实验，搭建实验数据看板，用于查看实验数据，分析实验结果，最后撰写实验方法论，给新来的产品和数分同事培训。

2、数据看板搭建

通过指标体系，搭建各类业务线看板，实时监控业务情况。

3、SaaS平台

完善平台的埋点数据，健全埋点数据底表，建立 SaaS 平台数据追踪看板，分析平台的使用情况以及用户行为，并每月输出月报。

4、异常排查

对异常情况进行原因归因和故障排查，分析异常原因以及如何规避。

5、数据支持

负责产品以及其他业务部门的数据需求，用于和客户的review材料。

6、场景对话数据挖掘

营销场景下，人机对话过程中用户的response通过ASR模型会转换成文本，为了分析出用户对产品的看法以及关注点，采用TF-IDF对用户文本进行高频词组的统计和筛选，对用户的意图进行统计归类并用于FAQ NLU模型的语料库。

该项目后由产品经理撰写PRD文档开发新功能用于内部使用，提升营销产品线的业务表现。

7、数据校验和统一数据口径

给data部门提中间表需求，提升查询效率，并对中间表的数据进行校验，在平日的工作中统一前后台的数据口径。

以及专项分析和产品功能、需求、bug跟进等。

我自己对自己的定位是先偏向业务侧的数分，不断积累行业知识和业务知识，搭建自己的业务知识体系同时自己不断精进自己的技术能力，提升自己模型的构建能力和机器学习算法运用的能力，两者相辅相成，相互补充，在data science 领域不断深耕，自我成长。

 知乎数据分析训练营 

扫下方⬇️海报二维码

免费获取零基础数分课！