作者：朱小五
大家好，我是小五
同学，刚毕业或者转行去求职数据分析师的时候，你遭遇过这样的尴尬怪圈吗？
比方说下面的jd就很真实：
今天小五就跟大家聊聊，面试数据分析师时，如何彻底摆脱拿着单薄的简历与面试官尬聊的场景，关键词就是——工作经验！
别慌，不是让你瞎编。
没有相关工作经验的确是一个弱势，那么哪些项目经历可以弥补这项弱势呢？例如你以前做过一个完整的分析项目、挖掘项目，或者参加过与要应聘的岗位相关的某项竞赛，在简历中都是比较加分的经历。
因此，有给自己的简历增加一些数据分析项目，是一个巧妙加分的办法。
哪里找数据
这个问题，不少同学也在群里问过。
毕竟看看日历，马上都2021年了，你简历上要是还写“爬取拉勾、Boss直聘的数据进行分析”，就真要找不到工作了。
首先确定：招聘的公司最想看到的是做过真实项目的项目经验。在我们没有相关经验的情况下，退而求其次来模拟项目，模仿真实的数据分析师是如何做一个项目的，去复制他们做项目的思路，再结合自己的理解。
因此，这里所需数据也就有了一定要求，最好是商业数据集，尤其是跟你要应聘的行业密切相关的！
在这里，我推荐大家三个网站，kaggle、阿里云天池、和鲸社区。
这几个网站呢，商业数据集都很完整，并且有具体业务场景，所以很适合用来分析，并作为自己的数据分析项目。这些网站里的数据集，基本覆盖了电商、广告、出行、在线教育、金融等不同领域，足以支撑你完成各类数据分析项目。
如何选数据
不过挑选数据集的时候需要注意，像淘宝用户行为、泰坦尼克号预测、婴儿商品信息、波士顿房价等等这样的项目，用来练手比较好，但是真心建议不要写在简历上，要么烂大街，要么离真实的业务场景太远。
想找独特一些的项目，可以去小众点的和鲸社区看看，可能会有意外惊喜。
这里还要建议一下大家，小五平时公众号里的热点新闻，大部分偏娱乐性质，不能作为正式的项目经历哈。
这篇文章其实就是 Rilke Yang 利用上述平台网站中的数据集进行分析的，他用真实的数据集向我们展示了滴滴出行如何进行A/B测试以及城市运营分析。
这种真实的业务数据和分析方法，真的且用且珍惜！
如何分析数据
在分析方法优先的基础上，我们可以用来分析数据的工具有很多，使用Excel、SQL、Python、Tableau等等，不过涉及机器学习和算法的项目，就只能用Python了。这里建议直接使用和鲸，本身集数据、项目、比赛、在线环境于一体。尤其它旗下的 K-Lab（最新更名为“ModelWhale”）数据科学 SaaS 平台，可满足我们在线完成分类、建模、分析、可视化、结果输出等任务，并支持私有化部署和云端协同。
之前我一般推荐本地安装Anaconda，以免卡在学习Python的第一步——安装环境。不过如果你使用ModelWhale，连本地配置都不需要了，如果你之前使用过Jupyter notebook完全可以直接上手。
这里给大家演示一下，打开网页https://www.kesci.com/mw/project/5fe9d710840381003bfafb09
可以轻松看到完整的数据分析项目，包含思路讲解、代码注释以及数据集。
那我们如何复制本项目，并自己运行呢？
下面给大家演示一下~
建议选择2核8G的就够了，不同等级每月都会赠送鲸币（注册后随便做几个任务就升级了）。
反正小五我现在是3级，每月免费送我几百小时的使用时长，完全够用。
点击运行后，会跳转到这个界面，如果平时使用Jupyter Notebook来数据分析的小伙伴，一定会有一种亲切感。
而且与Jupyter Notebook相比，功能只多不少！
比如我们想更改或新增分析维度：
最后我们再说一个以前的痛点，如何把项目分析给其他人？
如果平时在本地使用Jupyter Notebook，分享给其他小伙伴的话就需要保存成本地文件，再存到百度网盘里公开分享。而且小伙伴接受到文件后，还需要自己再将.ipynb文件导入他自己的Jupyter Notebook中，才能预览或运行。
而我们在和鲸社区运行项目后，不仅可以同样导出.ipynb本地文件，也可以生成在线网址供其他人预览或fork。
点击个人主页，就会发现个人主页拥有了这个项目。单击分享标识，随时可以将链接（或者二维码）发给其他小伙伴，比直接发.ipynb文件好多了。
点击的小伙伴再打开这个链接，就是下面这个效果了，可以预览，也可以选择Fork后直接运行~
是不是针不戳
将分析结果写成项目
这里直接引用麟哥的书《拿下Offer：数据分析师求职面试指南》里的一段~
项目描述给出的建议是：用四五句话以列表的形式描述清楚一个项目，列出清晰的项目流程，并将数字部分具体化，同时加入简明的技术实现细节。
这里分享麟哥的一个项目描述案例，大家可以结合自己的项目实际情况进行调整
在这个数据分析师逐渐“内卷”的大环境下，希望本文能够给大家的求职简历项目带来帮助，祝每个数据分析师的努力都不被辜负！
总结分享
最后，小五还总结了一些和鲸社区上的精华帖子：
关注公众号【凹凸数据】后
后台回复“和鲸01”，获取Python入门合集
后台回复“和鲸02”，获取数据分析进阶教程与项目
后台回复“和鲸03”，获取各种真实场景实战项目
即刻获取链接，轻松fork小五的总结~
转载：https://blog.csdn.net/zhuxiao5/article/details/112130781