今天我们很高兴能够邀请到2019级的职图校友，毕业于UVA的Jessica学姐来为大家进行求职分享，Jessica学姐曾在美国最大的零售公司Dollar Tree担任Market Strategy Analyst，目前就职于Citizens Bank担任Data Scientist。在直播中她结合自身经验为大家解答和分享了统计专业求职者该如何选择求职方向、零售行业的BA需求、如何看懂各类Job Description、求职时间线、面试心得等问题，以下为直播视频文字版内容：
统计学专业毕业的求职者其实有很多方向可以走，但是大家主要走两种方向——一种是Analytics方向，还有一种是偏Biostats的方向，但我相信今天绝大多数人应该都更倾向于走Analytics方向。Analytics方向的专业也会内部细分，需要你决定自己想做BA、DA还是DS。此外，还有一些学习stats的同学可能有意向去银行、金融机构、大学、医院、药厂这类机构，这类机构需要操作SAS软件，所以建议想去求职的同学可以考取相关证书。除了我们平时上学学习的LinerModels、DataMining以外，我建议大家可以看看SQL的课程，职图有专门的录屏课程和相关讲座，还有A/B Testing相关的课程，大家可以通过这些课程熟悉一下Marketing的专业术语。
在我们公司的BA和DA职位，主要有三个部门，包括我所在的finance/strategy，以及E-commerce和marketing，marketing内部会细分为买手或者是market campaign等不同的环节。在需要的基本技能方面，第一，Excel，大部分情况下我们需要用它来做数据整合和financial modeling等；第二，R和Python，主要是用以清晰数据和整合数据；第三，SQL，主要用以在数据库中拉取数据，其中的ROW_NUMBER、rank、join、查重复、count、datetime转换我们都会用到，此外还有hive、mysql和oracle，大家可以根据自己的需求选取一个工具掌握熟练就可以了；第四，presentation和report，在你完成一个项目之后都会做一个简单的十五分钟概述；第五，Writing，一般做会议纪要；第六，Probability基本，这是hypothesis testing工作中最重要的一部分。
接下来向大家简单介绍一下我面试过的工作当中个人觉得比较有代表性的几类。
第一个展示的其实是我以前那份工作的Job Description。其中第一条的special analytics其实就是零售的空间时间，比如说坐标、traffic data或者是demographic这类data，我们都会放到特殊的软件中去用，但是大家不要害怕，这也不是非常重要的一点，因为通常情况下都是由别的部门去帮你pull这些数据。
第二条的maintain regression，这就是我们工作中比较重要的一个部分，就是sales forecasting。
接下来还有continual development of statistical analysis这些东西，这些部分其实都是看你如何去mapping一个project，当有一个项目下来的时候我们首先要去找数据，其次整合数据，再次就是要知道自己要做什么，然后要把以前做的report拿出来做一下对比，还有竞争分析等等，这一系列工序就是你project的一个简单流程。
第六条，大家可以看到里面出现了我们用过的软件，比如R、Python、Alteryx、ArcGIS，这些都是我们平时需要用的，而且一般在JD里面都会提及，Alteryx其实就是跟SQL很像的一个软件。
第七条、第八条都描述的是我们的日常工作，主要是做一些协商、团队合作等，作为一个BA不可能只是在自己的组里面工作，会经常涉及到和其他组传递信息的工作；第十条也描述的是一个团队合作的内容；第九条描述的是这个职位的特殊部分，其中的profitability projections for new/relocating/expanding stores就是零售业当中比较特殊的点，这一块我会在后面跟大家具体讲述一下。大部分情况下JD都不会像这样详细地告诉你这份工作的特殊任务，大家可以听我后面总结中的应对方法。
第二个是一个非常典型的DA或BA的工作JD，主要是写一些SQL，可以看到第一条Identifying where data gaps may exist，像这些内容就是你pull了数据下来后需要去简单地查询一下数据，然后保证数据的一一对应和准确性；第二条提到confirm source data is as described，就需要去做一些count table，或者需要单独的拿出一段数据来对比一下看它们是否consistent；下面的部分中可以看到像data warehouse、Resolving data mining issues这些内容其实就处理bug。所以说你只要看到一份JD它的前三点大部分情况下都在说database，或者直接说"Run SQL to......"那这份工作的面试一定会有白板题的，不会像前面那份比较偏analysis的可能会出一些case题来考核你。
第三种JD来自最近比较火的一个互联网公司，可以看出来它非常简短。其中第一条，Construct optimize code这一块在正式工作中不会让你去写一大段的code，主要都是把以前的code再利用，更改其中的一些内容，再移交后面的人去利用；第二条告诉你要进行一些合作，这里就很像前面第一份JD，这种情况下可能会着重地去考验你一些behavior questions，确保你是一个能够团队协作、会提问题、有创新性的人；在下面有一条包含了design、A/B test，当你看到有A/B test的时候，我建议大家好好准备一下probability吧，这里不光是怎样design那么简单，还需要你自己清楚distribution、P-value是什么，这些问题虽简单，但是他们一定会问到，大家最好在面试之前把概念都多看几遍。
还有一种考法，它不会直接问你A/B Test，而是会像这样问你：在一个case结束后，该怎么提升market campaign呢？比如说发布了一个广告，我们该如何看有更多的人来店里买东西了呢？或者有更多的人来使用了coupon，这个时候我们就要用到A/B Test，分成对照组、实验组应该怎么分？大概就是会像这样考。这种考法不会问你像probability这样概念性的问题，而是会问一些A/B Testing概念的问题。
最后一条提到了data visualizations，那这份工作中的dashboards可能也占到了30%左右的工作量，就是需要去检测一些类似于下单的数据，或是店铺每月销售的数据，店铺开店三到六个月我们都会去看这些数据的变化。我在下面特别附注了这样一句话：读懂JD有助于回答你为什么申请这个工作，为什么申请这家公司，以及不要在最后问JD以外的工作内容。一般来讲面试都会问为什么来申请这个工作，或者是”Tell me about yourself”就需要你回答自己为什么适合这个工作， 最后的提问环节一定不要向面试官问JD里没有写到的工作内容，不然可能会让面试官怀疑你并没有认真准备面试。所以说看懂JD非常重要，要确保自己不会在面试中提到这份工作以外的内容，其次是要确保自己根据JD做足了充分的准备，将自己的经历套进去，从而在面试时能及时反应。
大家可以从第一份JD当中了解到我的工作职责，我的工作中有20%的部分是在做modeling，这个部分看上去很fancy，但我们主要都用软件来写，其实也不是非常的难。我们主要做sales focus model，像我们Dollar Tree作为一个打折店，开店的地点也比较特殊，所以data会非常松散，在这种情况下如果只是建一个简单的liner model就会表现得非常差，但是我们数据中出现missing value的情况非常少，因为都是从网上pull下来的数据。在modeling当中我觉得比较难的一个部分，就是自己去define一些new variables，如果我在纽约，那我就不会去pull那些距离10miles的人来我店里买东西，可能只会去pull那些距离1mile的人，但如果是在山里，我们可能需要pull距离15miles的人，因为偏远位置并没有多少家店铺，这个时候我们就需要自己去做一些分析。我们做model其实不是做一个整体national的model，而是分成不同的区域去做的，我们还会用更专业的ArcGIS，除了可以看人员分布，还可以具体分析周边商家、保护区等等，这样做的话其实到店购物的人比你想象中的更少，这些情况你都要考虑进去，需要define一些新的variable进去。
第二就是design new strategy，像我们Dollar Tree有非常长时间的历史了，但是我们在在不同的地点同一时间开的店，它们的strategy都是不一样的。我们会有一些新的strategy需要去做实验，如果说现在我们用strategy A来开一个店，首先会有3个月的grand opening infect，会表现地特别好，但其实到后面我们就需要去进行监测，采用这个strategy之后这3个月表现得怎样，符不符合我们的预期，接下来每一个月它表现得怎样。有些时候可能就会出现突然间销售额下降特别多的情况，举个例子，旁边开了个CVS，然后CVS也grand opening，就需要注意一下这种情况。简单说一下我们的一些不同的strategy，比如Dollar Tree会经常开在一些shopping center里，但开在shopping center里比较大的店是我们的一种strategy，开得比较小的店也是我们的一种strategy，跟pharmacist firm开在一起也是我们的一种strategy。我们会分别检测店铺strategy在不同地区的不同表现形式，比如说在加州、纽约或者美国中部。design new strategy这部分只占10%，接下来就是占30%的analytics，首先是做competitive analytics，Dollar Tree的主要competitor是沃尔玛，所以基本上有沃尔玛地方就能看见Dollar Tree。沃尔玛的strategy我们肯定是不知道的，所以我们只能去看开在沃尔玛周围的店整体表现怎么样，从而分析可能出现的一些情况。如果某个沃尔玛开了很长时间，我们Dollar Tree开在旁边，结果销量惨淡，这样就说明这个strategy有问题，带来的损失非常大。第二个是monitor new strategy performance，我们会用tableau分析沃尔玛或者是CVS这些店铺的周边。还会做一些optimization，什么是optimization呢？第一种optimization就是指——你的所有strategy都没有什么区别，甚至可能跟十年前的strategy没有区别，那只需保留一个；第二种optimization需要去define主要的target area，其实零售行业开店的工作量并不像大家想象中那么低，单论坐标就非常的多，所以我们需要去做一些市场调研，去把它的范围缩小，这样就需要关注这个地方的人口密集度，比如说，十几岁的小朋友有多少，流动人口有多少，这附近有没有学校。假如这附近挨着NASA base，那么这些地方是不能开的，需要把这些区域全都去除掉，这样就能节省很多时间。
我觉得这种工作其实主要的挑战就是平时你是需要来来回回了跟合作方那边发邮件，因为他们经常会不满意你自己给出来的报价，但其实你的报价是取决于model的，而且做出一个model的时候，他们大部分人不了解、不care这个model，那这个时候你就需要做很多很多，比如说把dashboard这些你发现的finance，一个一个地列出来，然后告诉对方你看strategy在这个相似的地方，你都开了多长时间了，但是他的表现怎么样。就是这样来来回回地去来解决这个问题，这其实是非常耗费时间的，因为像我们的话，一个礼拜每个人大概会做个会有100个projection，下个礼拜一的时候大家才会把那些决定要开店的地方上报，然后VP他们才会来做决定。所以说这个部分的挑战比较大。
比较有意思的部分其实我也说了，主要就是你自己的一些比较好的filing，或者是define一些新的variable什么的，因为你会做很多的cluster，然后你自己就能看到其实在很多地区，其实谁谁谁不是我们的major competitor，但是在某些地区突然发现有些brand可以帮我们提升sales，其实这是一个非常有成就感的事情，尤其是在做一些汇报的时候，所以我觉得这个部分就是比较有意思的部分了。但是这一部分在你的工作当中大部分情况下都出现在做modeling，或者是做一些monitor的时候才会出现。
跟大家简单说一下找工作的时间线，找实习的话还是建议大家一入学就找，一入学就把简历给准备好，因为一般来讲Career Fairz在9月底10月初的时候就已经开始了，然后在网上投递简历，很多公司的第一轮面试在这个时候开始，所以务必在入学就做好准备。如果是找全职，你就需要在暑假实习还没有结束的时候把简历给弄好，因为在8月中旬有很多公司已经把岗位的列出来了，我记得我当年在8月中旬的时候就已经面了我的第一场面试了，所以说这个时候，你要准备的部分包括你现在的实习内容，包括你现在实习的project，如果你的结果暂时还没有没有出来的话，那就多写一些school project，在8月初一定要把简历、Linkedin全部都准备好，因为8月中旬就要开始面试了。一般实习的面试是从10月份开始到来年3月份，全职面试一直都有，只是在8月份比较密集，所以大家要抓紧时间准备。
接下来跟大家说一下简历准备的东西，首先Linkedin非常重要，因为像我的这份工作其实是一个recruiter在Linkedin上面看见了我的简历，就然后直接就问我要不要面试。虽然这种概率非常低，但是也建议大家更新一下，主要更新的就是你的经验、个人简介，因为他们会根据关键词去查询你。还有你自己的一些achievement，建议放在个人简历里面，因为大部分情况下recruiter一般都只看那一部分，所以大家要把最精华部分写在那里面。推荐大家用linkedin去找工作吧，因为很多公司在Linkedin上面有自己的主页，并且会定期更新，大家尽量的把他们近半年的post都认真看一遍，转发内容里会代表一些企业文化或者公司理念，比如说他们公司很注重创新，或者是很有关怀感，从而你就可以知道面试的时候要自己包装成一个什么样的人。还有就是不要一份简历打天下，像我当时面试的时候，BA和DS我是有两份简历的。因为我实习做了一个特别analytics的project，但我觉得如果不是面data scientist相关的话，其实没有人对这部分的内容特别感兴趣，所以说我有一份简历是把这部分加进去了，另外一份简历只是简单地概述，我没有很注重的去说，并且我把这部分其实是放在了最后一条。一般来讲，大家看JD也是嘛，一般比较重要内容都放到前三条，你自己的简历也是要把重要的部分放在前三条。这样recruiter也更容易把你的简历挑出来。
然后跟大家说一下面试的一些准备吧，第一个就是technical的准备，首先就是SQL，尤其是windows function，其实这些东西平时用也蛮多的吧，比如说你有些时候要查重复、要删一些重复数据，或者是同一类别里面只保留一项的话，那你非常需要用ROW_NUMBER或rank，然后R的基本package要熟练运用，主要包括dplyr、ggplot、caret、car，dplyr这个package能节省你找数据的时间，排版整洁，观感舒适；我觉得ggplot这个package在做得更加美化一点这方面是挺有用的；第三个和第四个主要是做modeling，其实比较少的data challenge会让你做modeling，但还是建议大家熟悉一下，因为可能有些面试官实在不知道问什么，可能就会问你平时用R做这个东西都是怎么做的，那你需要这样回答，比如说，你用了什么package，不仅要说你的每一步都是怎么做的，也要说具体用了哪个package去做的。像Python就包括numpy和pandas，如果大家data challenge选择用Python写的话，这些东西平时还是多多熟练一下吧，有些公司可能经常会出一些很简单的coding题，然后基本上都是array，所以大家还是熟悉一下numpy吧。SAS的话比较少碰见，除非你面一些像医院的岗位，或者是药厂的岗位，连银行的岗位现在都很少用SAS了。
接下来跟大家简单说一下面试的情景，第一种是白板SQL题和简单的一两道编程题。对于DA、BA来讲，一般就是考loop。第二种面试情景，像一些互联网公司可能会首先告诉你要做哪些项目，包括做可视化、做table，然后让你去查询一些数据。我想提醒大家一下，如果你们面试的是互联网类的公司，或者一些新兴行业的话，在时间比较充分情况下建议大家用Python做，因为Python真的很流行，如果你们面一些传统行业，比如保险行业，其实用Excel操作会更加简单，因为数据不大，用Excel做完了之后也非常的简洁，而且像那些保险公司那种传统行业可能不会给你三天时间回家做，一般就是这个时间给你发了，让你两个小时之后传回去，所以越快越好，其次Excel画图也是非常快，只要随便拉一拉就可以了，在Excel里面做一些table也非常快，比你写code要快很多，所以建议大家多多熟悉。接着是CASE的题目，主要分两种，第一种就是纯计算题，一般来讲就是算benefit、revenue和cost，会给你很多种不同的情形，大家就不要跳步。一般来讲，面试官有时候说话会很快，如果真没听见的话就多问两遍，他们也会提醒你。第三种就是一些设计实验的题，像AB testing这种题一般就会说有两种情形，比如说在网上给大家发coupon，或者给你Email coupon，计算哪一个方案的成本更划算。我之前还面过一些做游戏、金融的公司，他们会问你boosting和random forest等。如果岗位不是modeling相关的话，面试官可能会问你liner regression的那几个条件和假设，问你什么是logistic，就是问问你这些东西。如果大家是面一些互联网公司，尤其是要求做AB Testing的，他们需要大量数据和customer segmentation的细分，所以基本上就需要大家好好地理解一下confusion matrix，modeling相关的问题一定会问，还有就是像是如何处理missing data、如何降维这种问题。
面试心得2：behavior
第二点跟大家说一下behavior question，我觉得behavior question部分是能展现你人格魅力的时候。主要分为三个方面，第一个方面，就是问一些处理问题的速度和质量，首先，就是你工作中遇到了矛盾怎么办，大家的话是一定要准备处理矛盾的方案，第一种是你跟同事、同组的teammate之间出现了矛盾，第二种就是你跟别的组同级的的同事之间出现了矛盾。然后就是说关于任务分配的问题，比如你现在在做一个工作，这个时候老板又给你一个活儿你该怎么办，这个时候首先就是要看他的deadline，还有重要的程度，重要程度也是分工作性质的，像BA主要就是解决business上面的问题，假设老板让你做一个project，而现在有一个人很不满意你做的结果，过来跟你argue，那这个时候哪个比较重要呢？我面试的时候也觉得deadline比较重要，但如果这个时候真的是有一个人很紧急的过来说他不满意读这个结果，那么你还是需要去马上处理这个问题的，因为这样也能体现出你这个人是个会为团队着想的人，及时解决他人提出的问题，大家都会觉得这个组非常和谐。所以它要考验你这个人是否能很快变通。我曾经碰到过有一些manager就特别喜欢问这种问题，虽然这种情况不是很多，但是建议大家平时多多思考。
数据分析师的薪水高低跟其行业技能专业性和过往经验息息相关，其岗位对于数据领域知识、逻辑思维、统计学、工具掌握程度等要求并不低。对于在校大学生来说，大学是学习和提高技能的时候，也是积累经验的时候，所以在大一大二就应该开始做职业规划，提前准备。
针对转行想进入数据分析行业的求职者来说，你除了要系统学习专业的数据分析相关的理论知识，最重要的是多参加与行业匹配度高的项目，因为只有通过真正的商业项目实操才能掌握到数据分析岗所需的求职必备技能和专业知识。
如果你缺乏Data领域的实操经历，想要熟练的学习数据分析技能，在求职中展示你的能力，让你的简历更有说服力。那就千万不要错过职图×Grin联名的Business Intelligence飞跃实战项目，你将在Google、Facebook等大厂导师的带队下，在100%真实电商工作场景中，使用Python、SQL提取和分析爱用户数据、学会Tableau创建数据可视化、学习最佳方式进行A/B Testing等等，全面夯实你的求职硬实力！
1V1辅导
1V1求职软技能辅导·6次
大厂面试题解析
来自FLAG资深导师带领你攻克大厂面试难题，给你讲解解题思路，助你突破层层关卡，冲刺Offer。
与特约导师进行一对一
行业实战课作业内容批改，有针对性地解决学习过程中遇到的问题。
学员专属福利
联名款实战证书
完成飞跃项目后，将颁发联名款实战技能证书，加在简历和LinkedIn上，增加面试机会
行业干货不断更新
除了详尽的课程资料外，可无限领取职图研究院出品的行业白皮书和求职干货内容，免费参加Python挑战赛
导师团队
学员战绩
如何判断自己适合哪一类数据岗位？
Microsoft等大厂面试流程及考察内容
具备哪几种编程语言和技能会让简历更吃香
深度解析Case Study、Behavioral Questions等常见面试题
