CDA數據分析師 出品

作者：Elad Cohen

編譯：Mika

作為一家技術公司的副總裁，我在管理數據科學部門時，還需要處理大量的招聘工作。

通常，招聘人員在一份簡歷上花的時間平均只有7.4秒。

一個搶手的職位可能會吸引到一百余人投遞簡歷。在本文中，我將教你幾個技巧，幫助你在求職過程中讓你的簡歷脫穎而出。

下面我將分享一下，在快速篩選數據相關職位簡歷時，我最看重的這7點。

01、以往的數據相關經驗

在瀏覽簡歷時，我會快速看看你以前的職位，看是否與數據掛鉤，有數據相關工作經驗。

比如具體有數據相關項目的經驗，在項目中通過什么方法解決了哪些問題，或者參加過數據相關的培訓或課程。

02、業(yè)務方面的成果

接著，我還會看一下你曾從事工作的技術方面內容，以及業(yè)務成果。有許多精通技術的數據分析人員對業(yè)務術語并不擅長。因此如果你能清晰羅列出所做工作對業(yè)務KPI的影響，這將是加分項。

例如，指出模型在AUC方面的改進是可以的，但若能明晰模型改進會導致轉換率增加，這意味著你有不錯的業(yè)務知識，并且有數據賦能業(yè)務的意識。

看到以下的例子，比較用技術與業(yè)務兩個不同側重點，來描述相同工作的方案：

• 銀行貸款違約率模型--將模型的精確度-召回AUC從0.94提高到0.96。
• 銀行貸款違約率模型--在保持違約率不變的情況下，使業(yè)務部門的年收入增加3%（每年50萬美元）。

03、相關教育和學習背景

我還會看看求職者所受的教育情況如何，來自哪所學校，哪個專業(yè)。對于應屆生，我還會考察他們的成績等情況。

由于數據分析是一個新興且較廣泛的領域，并沒有某種唯一的標準化測試。即使你沒有相關專業(yè)的教育背景，但如果有該領域的從業(yè)經驗或接受過數據相關培訓也是可以的。

04、美觀且條理清晰的簡歷

我看過不少排版美觀的簡歷，也收到過一些沒有任何格式的txt文本簡歷。在編寫簡歷時，可以找一找好的模板，在有限的篇幅內清晰介紹自己的情況。

這里可以有效利用簡歷的空間。將頁面分割開來，突出不按時間順序排列的工作或教育經歷。當中還可以包括你熟悉的技能，做過的項目，自己的Github或博客的鏈接等。同時，一些簡單的圖標也可以幫助強調標題。

許多求職者在他們熟悉的語言、工具旁邊會用1-5顆星或柱狀圖代表自己的熟悉度。我個人不太喜歡這種方法，原因有幾個。

• 這是非常主觀的——你的“五星”和別人的“二星”一樣嗎？
• 這種熟悉度是很主觀的。你的 熟悉程度”5星 "和別人的 "2星 “可能并不一樣

有些人把語言和工具，甚至把語言和軟技能混為一談。把自己領導力的熟悉度填上“4.5星”是沒有說服力的。

還有把自己技能的主觀衡量標準變成餅狀圖的，比如Python技能占30%，團隊合作能力占10%等。雖然這是一種突出自己的創(chuàng)新方式方式，但卻顯示了自己對不同圖表概念缺乏基本了解。

以下有兩份排版很不錯的簡歷，可以用于參考：

兩個示例中使用的垂直分割，以區(qū)分經驗、技能、成就等。用簡短的摘要段落能有助于描述求職人背景和期望。

05、機器學習相關內容

我主要會看這兩種類型。

• 算法的類型

結構化、經典機器學習與深度學習

一些求職者只使用深度學習，包括在結構化數據，而這些數據更適合基于樹的模型。雖然使用深度學習本身沒有問題，但限制的工具集會讓你的解決方案有局限性。

正如馬斯洛所說，“如果你唯一的工具是一把錘子，那么你就會把所有問題都看成是釘子?！?/span>

在我的日常工作中，我們處理的是結構化、領域驅動、特征工程化的數據，這些數據最好用各種形式的提升樹來處理，光使用深度學習是不夠的。

• 機器學習領域

這通常與兩個需要大量專業(yè)知識的領域有關--計算機視覺和自然語言處理。

這些領域的專家很搶手，在許多情況下，他們的整個職業(yè)生涯都將專注于這些領域。但對于一個從事一般數據分析工作的人來說，這通常不適合。因此，如果你的大部分經驗是在自然語言處理領域，而你要申請該領域以外的職位，可以試著強調你曾在結構化數據方面工作過的經歷，以展示多樣性。

06、技術棧

通常細分為語言、特定的包（scikit-learn、pandas、dplyr等）、云及其服務（AWS、Azure、GCP）或其他工具。

某些求職者將其與熟悉的算法或架構混在一起，比如RNN、XGBoost、K-NN。

就我個人而言，我更傾向于圍繞技術和工具展開；當提到一個特定的算法時，我想知道求職者的機器學習理論知識是否僅限于這些特定的算法。

這部分，我會看技術棧的相關性。

技能點是否是近幾年的，這表明求職者在主動學習新技能；還有技術棧的廣度，表明求職者是否局限于特定的工具；以及與我們技術棧的匹配度。

07、個人項目

你會在GitHub上有分享個人項目嗎？參加Kaggle比賽或副業(yè)項目都是加分項。從中能夠看你代碼的簡潔性、預處理的類型、特征工程、EDA、算法選擇以及在實際項目中解決問題的能力。

這里如果有的話，可以附上你的GitHub和Kaggle鏈接，以便面試官深入了解你的代碼。

同時要熟悉自己做過的項目，最好在面試前就梳理一遍。之前的面試中，就有求職者對項目不太熟悉，從而面試官無法就項目展開，進一步了解求職者在項目中做出的選擇和背后的原理。記住，在羅列項目時，列出2-3個高質量的項目要比10個質量的更有效。

結語

如果你正在找數據相關的工作，可以花點時間過一遍文章中的要點，希望本文能對大家的求職有所幫助。