【解密】筛选数据分析师简历全流程

简介: 【解密】筛选数据分析师简历全流程

这是我的第29篇原创


我现在都快成朋友圈的简历优化师了。上篇文章发出去之后一堆人找我改简历。我是真没空...授之以渔不如授之以渔,来吧,开始展示!


学习一件事物最好的办法,就是去做一遍。想写一份完美的简历,最好的办法就是自己去招聘一次。这样你就知道所有的关键点了。然后反向去思考,就知道简历应该怎么写了。

我虽然不是HR,但是我基本都自己招人,这样效率比较高,对候选人也更了解,HR主要帮我走流程就好了。所以还是比较有经验的。

OK,Let's GO!


简历搜索界面

这是智联招聘的简历搜索界面,其他平台大同小异。

在这里使用最频繁的就是关键词搜索。其他功能是HR精准搜索用的,对咱来说不太适用,可以看着优化。

搜索“数据分析”关键词,“多于4000份”的意思是很多很多,该关键词非常热门,这是为了防止爬虫用的。一般人不会用那么多。

每个平台都有自己的排序规则。在智联,金领、急求职等标签的会排在前面。然后才是匹配程度,最近登录过、投递过、简历关键词非常匹配(TF/IDF算法)等,综合计算之后,给每份简历排序。

这个就是搜索数据分析师自然排序的第一名。看一看到,最近三份工作全是数据分析师。

这个搜索结果栏中会体现几个信息:

1、性别、年龄、所在地区、学历;

2、工作经历、公司、职位信息。

各位注意一下标黄的地方哈,这些都是搜索关键字出现的地方。

我在招人的时候每天会抽1小时筛选简历,搜索出结果后,一页往下扫一眼。我个人筛选重点有:

1、工作时长,看你是否频繁换工作。频繁换工作说明不太稳定;

2、学历,主要看专业,数据分析师得跟统计、数学、计算机等靠边的;

3、公司,公司和职位,这里其实能看出你的职业路线。逐渐向上的有加分,一会销售一会数据的,这个得减分。


个人总结

如果看着都ok的,我会把简历点开。点开之后的重点内容其实就三个:

1、个人总结

2、工作经历

3、项目经历


智联很奇葩,把个人总结(智联叫自我评价)放在最后。我习惯直接看个人总结,因为这部分是最能体现一个人的总结、提炼能力的。

像上面这个,就不太合格,说的都是空话,基本可以判断是一个应届生,或者刚毕业不久。

这个比上面的稍微好一些,但是也全是空话,没价值。

这个比较不错,说明了行业背景、工具、分析方法、软技能,并且有描述。各位可以参考。

个人总结、自我评价相当于论文的绪论。需要把你最值得说的放在这里。

我总结了一个套路,各位可以抄一下:

个人总结

【行业】在XX、XX、XX行业工作过,熟悉XX、XX、XX领域经验

【专业】X年基础岗,X年管理岗,熟悉XXX体系建设、XX构建、XX

【工具】熟悉XX、XX、XX工具,掌握XX、XX、XX模型;

【管理】带过XX人团队,完成组织建设、招聘、培训、绩效管理等;

【软实力】沟通、组织、协调XX等

如果有其他值得说的,一定要在这里写出来。这个值得说不是说你自己引以为傲,而是对用人单位来说有价值的点。你1岁就不尿床,是很牛,但是请不!要!写!上!来!


一个朋友很搞笑,他说最近三年都在摸鱼,这怎么写。我笑~~~

即便是摸鱼,也是有产出的,按照产出,反向总结提炼,总是能写出来的。简历并不是你的账本,应该是你的精华,所以考验的是你提炼精华的能力。再不行就私信我吧。


工作经历

在首页上其实就能看到你的工作经历,那边只能看到你工作更换的频繁程度、职业路线和公司信息。点开之后是这一个样子:

你看哈,这里也会高亮我刚才的搜索内容“数据分析”。玩过搜索引擎、SEO的同学应该能秒懂。机器怎么能知道你的简历有多符合搜索人的需求?其实就是看你简历中关键词的密度。这个关键词密度非常高,而且内容也很贴切,做的的确是数据分析师该干的活。是不是感觉质量很高?

质量高的原因:

1、所有工作全部分类;

2、每一类工作都有具体的工作内容;

3、整体工作内容与高级数据分析师的职责相符;

4、工作按照重要程度进行排序

反面的例子我就不举了。能看到现在的同学,自己回去看看自己的简历就行了。


项目经历

每段工作经历建议补充2-3段项目经历。很多同学都不写,觉得都是重复劳动的事情。其实不然。给你举个例子:

这段项目经历只有一个月,其实我看一个月都不到。但是你看,这就是一个非常优秀的项目经历。有项目简介、有前中后流程,有细节、有结果、有复盘。

项目经历其实是把你的工作细节剖开给HR或者面试官看,让他们能更了解你。这个与时间长短没关系,重点在于你是否真的做过,工作有章法,流程是否完善,有没有自己的思考。不要本末倒置哈~~~

你真要写一个历时5年的项目经验,我反倒是要怀疑你这个人是不是一直在摸鱼。

这个项目经验看上去也很唬人,但是我大概率不会邀约,这纯属个人观点哈。我个人认为专业术语堆积的比较多,没有具体的实在的内容。

如果是我来写,那我可能会写,选品的时候考虑XX、XX等几方面的因素,因此选择XX、XX、XX等指标,经过对客户的问卷调查,结合主成分分析法等,确认各个指标的权重,然后确定选品策略,进行商品的甄选。并在选品之后,对销量进行XX、XX方面的监控,及时发现问题,不断进行XXXX方面的优化........

而不是用5w2h、pest,方法本身没错,但是没有细节就是你的错了。

时间比较长的,可以参考这个,用什么工具,做了那些业务,最后的结果是怎样的。上面这个其实只能给个60分,很多细节都没透露。


简历筛选流程

这是我个人的流程哈,只代表个人,也不一定对,仅供参考哈。不过你们可以偷偷的问问你们hr是不是也是这样的

1、搜索关键词

2、快速扫描结果页,每份简历停留3-5秒,关注重点:大学专业匹配度、工作时长、是否频繁跳槽、职业路线;

3、符合条件的,先点开,之后统一挨个细看;

4、个人总结:看你的总结、提炼能力,看是否有我需要的软硬技能、是否有类同的工作经历、项目经历。

5、工作经历:看你在这个公司这个团队的位置、主要负责什么、参与负责什么、具体的工作职责是什么,看你是否能分清事情的轻重缓急,是否能在某些地方帮助到团队;

6、项目经历:看你实际落地的能力,是否在说空话、套话,做事情是否有章法,是否有自己的想法。


每个人头上其实都早已有一个标价,我们应该努力提升自己的标价,而不是卖个好价钱,祝大家一切顺利!


相关文章
|
6月前
|
数据采集 人工智能 数据可视化
Streamline Analyst: 基于LLMs、一键完成全流程的数据分析AI Agent 🚀
Streamline Analyst 🪄是一个开源的基于GPT-4这样的大语言模型的应用,目标简化数据分析中从数据清洗到模型测试的全部流程。分类预测、聚类、回归、数据集可视化、数据预处理、编码、特征选择、目标属性判断、可视化、最佳模型选择等等任务都不在话下。用户需要做的只有选择数据文件、选择分析模式,剩下的工作就可以让AI来接管了。所有处理后的数据和训练的模型都可下载。
513 2
Streamline Analyst: 基于LLMs、一键完成全流程的数据分析AI Agent 🚀
|
6月前
|
数据采集 机器学习/深度学习 数据可视化
数据科学项目实战:完整的Python数据分析流程案例解析
【4月更文挑战第12天】本文以Python为例,展示了数据分析的完整流程:从CSV文件加载数据,执行预处理(处理缺失值和异常值),进行数据探索(可视化和统计分析),选择并训练线性回归模型,评估模型性能,以及结果解释与可视化。每个步骤都包含相关代码示例,强调了数据科学项目中理论与实践的结合。
620 2
|
4月前
|
数据采集 机器学习/深度学习 SQL
如何构建高效的数据分析流程:从技术视角出发
【7月更文挑战第22天】构建高效的数据分析流程是一个持续迭代的过程,需要技术团队与业务团队的紧密合作。通过不断优化流程,企业可以更加高效地利用数据资源,为业务决策提供有力支持。
|
4月前
|
数据采集 机器学习/深度学习 数据可视化
完整的Python数据分析流程案例解析-数据科学项目实战
【7月更文挑战第5天】这是一个Python数据分析项目的概览,涵盖了从CSV数据加载到模型评估的步骤:获取数据、预处理(处理缺失值和异常值、转换数据)、数据探索(可视化和统计分析)、模型选择(线性回归)、训练与评估、优化,以及结果的可视化和解释。此流程展示了理论与实践的结合在解决实际问题中的应用。
113 1
|
5月前
|
数据采集 机器学习/深度学习 数据可视化
利用Python和Pandas库构建高效的数据分析流程
在数据驱动的时代,数据分析已成为企业决策的关键环节。本文介绍如何利用Python编程语言及其强大的数据分析库Pandas,构建一套高效且可扩展的数据分析流程。与常规的数据分析流程不同,本文不仅涵盖数据加载、清洗、转换等基础步骤,还强调数据可视化、模型探索与评估等高级分析技巧,并通过实际案例展示如何在Python中实现这些步骤,为数据分析师提供一套完整的数据分析解决方案。
|
人工智能 Cloud Native 大数据
构建高性能云原生大数据处理平台:融合人工智能优化数据分析流程
构建高性能云原生大数据处理平台:融合人工智能优化数据分析流程
445 0
|
6月前
|
数据采集 数据可视化 数据挖掘
利用Python和Pandas库优化数据分析流程
在当今数据驱动的时代,数据分析已成为企业和个人决策的重要依据。Python作为一种强大且易于上手的编程语言,配合Pandas这一功能丰富的数据处理库,极大地简化了数据分析的流程。本文将探讨如何利用Python和Pandas库进行高效的数据清洗、转换、聚合以及可视化,从而优化数据分析的流程,提高数据分析的效率和准确性。
|
6月前
|
数据采集 数据可视化 数据挖掘
知识分享-商业数据分析业务全流程
知识分享-商业数据分析业务全流程
105 1
|
6月前
|
算法 安全 数据挖掘
Python典型数据分析流程——纯理论(深入理解的看)
Python典型数据分析流程——纯理论(深入理解的看)
120 0
|
数据采集 算法 数据挖掘
如何写出一份高质量的数据分析师的简历?
如何写出一份高质量的数据分析师的简历?
如何写出一份高质量的数据分析师的简历?