背景
经济统计本科，抱着对金融好奇心，修了金融双学位，研究生误打误撞去港念了个运筹方向的理学硕士。自己定位:偏业务方向的数据分析岗位，或者商业分析师。
从今年8月18开始，正式进入找工作的阶段，认真花时间准备了中英简历，每个版本都改了又改，不停的改。从互联网一直投到互联网金融，最后到银行。券商比较少今年，而且到11月中后，三思和数据越走越远没了心常，做罢。
三个月来，几经起伏，做了很多笔试，面了一堆面试，也放弃了一些机会。最终决定去北京, 兜兜转转，收心，认真做事，慢慢积累，没有什么比觉得自己正走在正确的路上更令人振奋了。
这个总结其实有心准备多时，虽然感觉今年挺失败的，毕竟没拿到所谓的BAT，一路磕磕绊绊。也算这一阶段的总结，就分一下几大点写写。
简历
开篇简单说了下，总体来说，简历非常成功，除了少数卡着截止日期申请的职位可能服务器太忙之外，几乎都顺利过关，没有被刷。
再说，做数据的，脱不开技术层面，可能那些有的没的浮夸之笔没那么重要。不过，我自己的简历不管怎么说，我觉得用赏心悦目不为过。
笔试
谈到这个，总是有种浓浓的忧伤，按理来说，认真准备了，结合专业知识，网上轻而易举就能找到的各类笔经，应该顺利通过才是。只是，忘记了前提，本身你得适合这个岗位。由此，埋了好多大坑。
客观说，我一直关注数据分析这个大方向，本科研究生相关课程学的是勤勤恳恳，只是，总觉得目前这个职位在国内定位有点模糊，根据公司性质和部门的不同内容相差很多，一轮下来，整体的印象是:公司偏向会点统计的程序员，绝大部分公司对数据挖掘的需求很大，而且数据分析或者挖掘在某些公司其实是一样的，有直接产出能快速代码有结果的，成为主要竞争力，从互联网公司95%的笔试都有一半的编程题(而且几乎没有R语言可选)可以看出。对业务偏向的数据分析岗，其实好多公司可能设置在运营之类的其他部门，很少有公司专门分出来放在数据岗招聘。我拿到的offer是为数不多一家(怪不得能拿到>\<)。这就扯远了，涉及到公司对数据的根本理解还有战略之类的，就更混乱了，要怪就怪这个行业还是比较新。
大致上，概括地说:
- 岗位里有写统计数学或者计算机相关的，基本更偏向计算机，以下技能点也多是各种算法熟悉。
- 要求里写出熟练使用ppt, SQL，能分析日活、月活的，基本是干运营。
- 明确写明专业为计量经济学，统计学的，有数据分析能力，会使用SAS,R,Python的，对金融或者信用评级模型有见解的，挺合适的。But，这类公司一般是互联网金融公司，风口上的行业，但是校招规模偏少，相关实习经验很重要，今年秋招不成规模。
- 要求会机器学习，Hadoop，Hive等的，都是算法或者挖掘岗again，只是公司喜欢称作数据分析。
这样一列，纯技术还是主流，再加上没有相关行业实习的我，在互联网笔试上挂得太惨烈。主要是实际上都投成了开发岗或者挖掘岗。后面金融相关的行业，以银行为主倒是一路顺畅，不过，毕竟不是本心，不提也罢。
面试
这个，其实还真不知道怎么说，银行的或者金融部门的岗位，倒是面了好几大家，没什么“技术”含量，各种讲究综合素质，仁者见仁了。
先说些不成功的吧。华为投了IT应用支撑岗大类下的大数据岗位，后期专业面试的时候，和面试官聊才发现，这个部门需要开发的，包括报表系统等，纯正的技术风。实际上在财务类里，有作为集团的数据支持岗位。
美团点评，今年设了个单独的商业数据分析师岗位，而且是单独招聘，从职位描述看数据分析岗似乎是商业岗的升级版。其实还是老样子，一个技术，一个业务。
一圈下来，其实也不难理解了，除了阿里的逻辑清楚，数据岗位细分得比较合理，其他公司都忙着搭建或者壮大自己的数据部门。先把平台弄起来，流程运行熟练了再说，至于作为产出的数据产品，用不用，好用与否，似乎看不出来。这样前期肯定是纯正技术线条的占主流优势。从长远看，借鉴北美Facebook, Linkedin等等，以后肯定会进一步细分，会更清楚。类似的背景才会逐渐有优势。
offer
最后，还是说说我的offer吧。商业数据分析岗位，9月底就意外收获offer的我，对帝都一直没想好，所以各种纠结，先是放弃了，最后心里挂念还是在11月初厚着脸皮给把offer要回来了，一波三折。
一家刚过A轮的公司，当初投简历是google数据可视化的时候偶然发现公司主页的，感觉团队氛围好，就投了。后期多轮电面下来，满满干货，能学到很多，越是了解，就越感觉数据驱动的理念，以技术为核心，岗位细分准确的团队是我一直向往的。一阵蹉跎后，感觉人生好短，喜欢的事就赶紧去做，终于11月上旬又和HR联系是否还有空缺，加试了两轮，感觉还没见面，部门小组人都快聊一遍了，也是莫名小确幸。
未来，在这个岗上肯定会很忙，要学的还有很多，终于开始百分百地一头扎进去，满满积累沉淀了。想想，如此也是份幸运，真好。