如何写出一份高质量的数据分析师的简历?

简介: 如何写出一份高质量的数据分析师的简历?

这是我的第25篇原创

看我文章的基本都是圈里的老朋友,上次发了一篇《价格是价值的外在表现形式-求职宝典》,被一位小朋友批评太短了,而且还偷懒引用别人的内容。好吧好吧,今天来手把手教你怎么写出一份完美的数据分析师简历。

OK,Let's GO!

关键的第一页

ps:已经征得简历主人的允许,隐去相关隐私信息。

开始,第一页:

第一页你给几分?

我给20分。这20分给个人总结中的内容。

第一页是最宝贵的,一般来说,HR进行初筛,然后把有关键词的简历转给用人部门。HR的工作量非常大,我身边的HR筛选一份简历的时间平均时间在30秒之内,忙的时候只是扫一眼。没有关键词就直接丢掉。

几个问题:

1、联系方式后面有个“背景”,不知道是什么意思,同时缺少“是否在职”、“年龄”等关键信息

2、第一页中没有完全体现自己的全部优势,证书、学历等硬性优势没有体现出来;

3、个人总结中,缺少点睛之笔,建议增加自己对数据分析的理解

4、工作经历中的内容混乱,没有逻辑。产品和运营的需求不一样,项目不一样,应该分开写;A/Btest那段语病较多,在运营会议提出产品优化意见,混乱。满足不同业务数据需求?具体是什么需求?不够具象化。

再重点说一下工作内容:

工作内容部分要提炼和总结你的工作内容,告诉用人单位,你的工作内容跟新工作的匹配程度,描写原则:

  • 一句话只说一件事情;
  • 一定要具象化,不能假大空;
  • 你的工作按照跟目标职位的匹配程度、价值高低进行排序;
  • 要跟上面的个人总结相互呼应;
  • 用W(who)W(what)H(how)法则简述工作内容,说清楚为谁服务,解决什么问题,怎么解决的。

调整如下(红字为修改内容,下同):

调整内容:

1、去掉“背景”两字;增加在职状态和年龄;

2、增加证书、学历等硬性优势(原简历内容放在最后了);

3、增加对数据分析的理解,方法论、流程;

4、重新梳理工作经历。

落地的第二页

如果说第一页是一见钟情,第二页就是深入交往。项目经历必须要与期望职业相匹配,内容一定要详实,不要像我一样啰嗦就行。

项目经历中的问题:

1、部分项目经历与其实际工作内容不符(她是偏商业数据分析方向),即便获得面试机会,一句话就穿帮,这是大忌!

2、内容假大空,全是片汤话。例如“利用python进行数据统计计算,数据库读写,数据清理,统计规则实现,编写自动化定时脚本,将商品选品的数据结果在帆软报表是呈现”。这里你选了什么数据,用了什么算法?进行了什么样的数据清洗?设定哪些规则?为什么要用以上的东西?解决什么问题?一个都没回答,所有的话都是飘在空中的。

3、项目要解决的问题、怎么解决的?最后的结果怎样?一个都没说清楚。

修改如下:

调整内容:

1、删掉与实施不相符,看上去很高大上的工作内容;

2、增加实际工作内容,如一些重复比较频繁的工作,可以先总结流程、方法论,再举例说明。

3、去掉项目管理中的空话套话,用STAR原则,说清楚在什么情况下,认领了什么任务,做了那些动作,最后得到什么结果,详细把每一个工作细节全部剖析清楚,体现你在其中的价值。

完美的收尾

大多数简历的结尾都是这样的,认为最不重要的放在最后。其实简历上的每一个字都应该逐字过,如果不重要,就删掉。

这个结尾的问题:

1、项目经历较少,只提取了3个典型项目,建议以项目列表的形式罗列,方便用人单位进一步了解。

2、专业技能中缺少商业数据分析的内容(老朋友偏商业数据分析)

调整如下:

调整如下:

1、增加项目列表,把写不下的项目、报告经验都罗列进去

2、专业技能增加商业数据分析模型及自己总结的方法论,修改不专业的描述

回头再通读一遍:

1、个人总结中体现了你的核心优势,必要的时候需要布关键词,帮助你能被一见钟情;

2、工作经历中展示了你负责的具体事项,突出了你在公司、团队中的位置,帮助用人单位快速匹配你在新岗位中的位置;

3、项目经历中复现了你的做人做事的细节,告诉用人单位:你做过这个事情,有章法,能控制,找我没错!

4、最后用学校、学位、证书等硬实力收尾。

排版上在稍微优化一下,行间距、缩进等就不再赘述了


相关文章
|
数据采集 监控 算法
【解密】筛选数据分析师简历全流程
【解密】筛选数据分析师简历全流程
|
5月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
97 2
|
2月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
108 4
数据分析的 10 个最佳 Python 库
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
270 4
|
5月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
106 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
2月前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
38 2
|
4月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
72 5
|
5月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
172 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
5月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
126 1