小洛：今年1月底Jasmine找到我的时候，她在研究院工作，虽然已经自学了一段时间的数据分析，但对于转行却心有忐忑。基于之前在「因果推断学习小组」建立的信任，我决定尽力帮助她。从简历到面试到offer谈判，历经2个多月的辛苦，我们的努力最终换来了满意的结果，Jasmine拿到了多家头部互联网offer。希望她的转行经验与准备过程，可以给到大家一个借鉴与帮助。
大家好，我是Jasmine，最近零经验求职互联网数据分析相关岗位，在小洛的帮助下拿到了头部大厂offer，这篇文章就来细细分享一下我的转行历程，希望能给在路上的小伙伴一点参考。
一、我的背景
我的本科和硕士专业均为传统工科，目前硕士毕业不到一年。本科毕业于某世一大，研究生和工作都在京郊的一家研究院，没有互联网行业的从业经历。从专业背景来说，数理基础部分的能力比较容易迁移到数据分析方向，加之我自己也比较想从事业务和技术结合的工种，所以初步定位的求职方向是数据分析。
二、技能准备
通过咨询朋友前辈和浏览网络公开资料，我大致制定了转行技能学习计划，主要是快速学习数据分析求职面试需要的硬技能，包括SQL、Python的数据分析相关库、机器学习算法、简单的业务思维，同时整个过程也在关注互联网行业的相关资讯。
2.1 SQL学习
主要分为三个部分，基础学习、OJ刷题、面试常见题型练习。
基础学习主要是过了一遍《MySQL必知必会》，然后直接上牛客在线刷题，整个过了一遍之后差不多有整体的了解和概念。过程中穿插学习窗口函数、行转列等经典语句，之后练习力扣的SQL题库。在面试前夕，集中了解几类面试常见题型，和业务结合紧密但如果第一次见可能会比较难写，包括TopN问题、连续登陆天数、留存率计算等。
除了练习手写题目之外，还要了解一些基本概念，例如union和union all的区别、sort by和order by的区别。
这部分我的经验教训是，sql练习是学习初期集中完成的，没能长期坚持每天练习几道题，后期忙于准备面试也没有足够的时间充分练习，导致面试时写得不是很熟练，特别是我的面试历程还穿插了过年假期，一段时间的放松也对面试状态有影响。所以对于学习战线比较长、没有客观条件练习的同学，建议日常坚持练习保持手感。
2.2 Python学习
这部分我主要是通过看书学习，书单有
- 《Python编程：从入门到实践》通过这本书快速了解Python基本语法，包括数据类型、循环和判断语句、函数、类的写法，非常易读，跟着敲一遍示例代码和练习题即可。
- 《Python数据科学手册》涵盖了python基础语法（包括和其他编程语言的区别）、数据分析库的介绍、机器学习算法包的使用，这本书相对比较基础，Python数据科学相关的内容都有涉及，也有项目练习模块，比较适合新人入门。
- 《利用Python进行数据分析》作者是Pandas项目创始人，非常实用的数据分析库使用指南，但我自己看完第一本书之后直接看这本书有点不太好消化，可能主要还是这本书的语言叙述较为精炼所致，但有一些基础经验之后再看这本书会有很好的效果，里面有不少实用便捷的方法介绍和总结。
2.3 机器学习算法
我的学习路线是：吴恩达机器学习课程、《机器学习实践》、《统计学习方法》+《机器学习》(西瓜书)、《百面机器学习》。
- 吴恩达（Ng）的机器学习课程算是最基础的机器学习入门材料，里面的数学语言简洁易懂，Ng讲算法的思路清晰明了，非常适合理解算法底层最基本的思想，也适合新人学习。这门课是Coursera的第一门课，上传比较早，网上的资料非常多，都可以结合来看。
- 《机器学习实践》主要是讲解如何用Python的数据科学库来实践机器学习和深度学习，我只看了第一部分，也就是机器学习相关的内容，里面会涉及到使用Seaborn的模块进行特征工程、实现各种算法和Pipeline，也对常用机器学习算法有系统性、概括性的介绍，非常适合快速入门和上手。
- 《统计学习方法》和《机器学习》两本书主要是算法的基本理论介绍，在完成前两项的学习之后，考虑到时间紧张，我主要是选择之前遇到的几种常见算法和模型评估方法过了一遍。
- 《百面机器学习》是在群里被安利的一本书，写书的目的主要是帮助算法工程师，但里面和机器学习相关的问题都非常典型，在面试当中也很常见，适合看一看整理思路。
2.4 业务思维
这部分没有固定的套路，可以看看《精益数据分析》这本书建立基本的概念，具体的业务主要看网络上公开的文章分享（比如小洛的公众号>_<）。同时在日常也多关注互联网和业界的相关资讯。
三、面试准备
如果说技能准备相对比较明确的话，面试准备就有比较强的不确定性，但总体来说也有一定的规律，考察的内容其实小洛之前也分享过了，具体可以再看看《数据分析岗位面试准备请看这篇！》
我的面试主要在过年前后，平均每家公司面试次数在4~5次。在面试过程中，我准备了一系列面试文档，一边准备一边面试一边更新。面试文档分为5个部分：
3.1 面试应对
自我分析，主要是提前准备好自我介绍，可能会问到的针对我个人的问题，比如肯定会问到我为什么想转行、为什么会选择数据分析方向，另外还可以准备下自己的优缺点、对互联网行业、数据分析岗位的认识、职业规划。
简历项目经历的发掘，利用STAR原则介绍自己的项目，针对项目可能会问的问题提前准备。
费米估算和常见智力题，费米估算要先自己学习一下估算方法，并且准备好基础数据，比如人口数据、面试公司所在行业相关的数据。常见的智力题可以在网上搜面经总结一下，比如烧绳问题、取数问题等等。
公司面经，在获得某个公司的面试邀约之后，会先在网络上寻找该公司的面经作为面试准备的参考，当然这个经验更适用于初级岗位。
3.2 业务分析
- 基础的业务分析框架，如RFM模型、用户行为分析、同期群分析、用户生命周期分析、用户画像等等
- AB测试相关内容，流量分配、指标确定、样本量、持续时间等
- 指标体系搭建，准备大致的框架，在面试前根据业务或产品具体准备
- 指标异动分析
- 用户流失预警
- 某个业务/场景下的特征选择
- 衡量某个细分模块给平台带来的收益
业务分析是业务向数据分析师面试的重点，在了解分析方法论之外，还要根据面试岗位的具体业务和产品定向了解，以更好地应对面试官提出的问题。
3.3 统计学、数据开发
统计学基础，包括大数定律、中心极限定律的理解，常见概率分布，假设检验的原理及相关概念（如p值、两类错误和alpha、beta），贝叶斯原理等等。
因果推断基础，面试前期在小洛群的自学小组了解了常见的因果推断方法，例如PSM、DID，同时了解这些方法的使用场景。
面试常见SQL题类型整理，行转列、TopN问题、计算连续登陆天数、计算留存率，常见的时间处理函数等等。
3.4 机器学习
整理机器学习思路的思维导图。因为机器学习涉及到很多方法，所以还是要用思维导图来理清整体的框架思路。
整理各个方法的基本原理、适用场景、优缺点比较，这部分需要耗费的经历比较多，我自己也没有整理完，在面试过程中主要针对常见问题捋出来了两条路线：
一个是模型评估的思路，另一个是决策树+随机森林+ AdaBoosting + GBDT + Xgboost + LightGBM。模型评估会涉及到欠拟合过拟合/偏差与方差、错误率与精度、精确率与召回率、F1 Score、ROC和AUC。
决策树相关的线路有比较大的提问空间，从简单算法到集成学习都有涉及，并且互相之间可以比较，也能够展现学习和思考的深度，例如信息熵/增益和基尼系数、预剪枝和后剪枝、bagging和boosting的区别、GBDT/ XGBoost/ LightGBM几种方法区别等等，都是需要搞清楚的问题。
另外每个算法也有常见问题需要准备，例如 K-means 聚类分析的结果如何检验，PCA降维和特征选取的区别，逻辑回归和SVM的区别等。
3.5 面试记录
- 记录面试进程和时间
- 记录每次面试的过程，便于后续复盘和总结
整个面试准备的过程其实也就是完善这些文档的过程，面试前我几乎没有针对业务面试的准备，也是边面试边准备，所以早期面试节奏比较慢，等到基础内容准备完之后，后续就主要针对具体公司业务和产品准备，面试节奏也可以加快了。零经验同学在面试前一定要快速大量学习业务相关知识，并且准备好扎实的基本功，以弥补实操经验的欠缺。
四、经验分享
总的来说，我从学习技能、准备项目、到投简历联系面试、面试和拿到offer，整个历程延续了有半年多的时间，中间也常常间歇性地焦虑，也被很多团队“不要没经验的候选人”直截了当拒绝，不过好在最终还是顺利完成了转型。整个历程中，我总结了几点经验与大家分享：
4.1 积极主动与圈内人士以及一起转行的朋友互动
很多零经验转行的朋友都是单打独斗，工作环境、已有人脉都不一定和互联网行业有关系，所以要主动去寻找一线从业人员交流，以防自己蒙头前进不看方向，同时如果有一起转行的小伙伴也可以分享学习资料、互相打气。我自己在求职过程中，无论是前期准备还是内推面试、offer选择，都得到了互联网朋友非常大的帮助，在此也再次谢过这些朋友们。
4.2 把握好面试准备和面试节奏
在做初步转行计划的时候就做好时间节奏的把握，前期准备的时间不能太长，否则很容易影响心态或者中途放弃，但也要留够时间，以免没准备好去面试被打击到。一般情况下，社招的朋友最好控制在几个月到半年的时间内。
面试过程，最好能保持连贯的节奏和好的状态。我自己的面试间隔了春节，春节后的状态确实没有节前好，当然也跟我春节期间以为offer稳了放松心态有关系，但如果能够在一个比较连贯的时间内完成面试，还是建议一鼓作气地好。
另外，约面试时间最好也要结合自己的情况，不要安排地过于密集，保持应对每个重要面试的良好状态，尽量不浪费每个面试机会。
4.3 心态调整
整个转行过程注定从心理到生理都不会轻松，在做出这个决定之前，就要做好各方面的准备，在过程中，尽量不患得患失，保持相对稳定的心态。另外，最好有个兜底的选择，也就是即使转行失败了，我还能有可以接受的退路，这样在过程中也不会过分地焦虑。
最后，感谢小洛在求职过程中给我的巨大帮助，也祝愿其他想要转行的朋友们能得偿所愿！
Jasmine针对机器学习算法、业务分析、行业知识相关的准备非常充分，面试评价也反馈其虽然没有互联网的工作经验，但是对互联网行业知识，产品、策略、分析相关方法论均有一定程度了解，对于她的综合能力与学习能力给予了高度评价，这归功于其非常强的主动性、行动力与信息搜集能力。
此外，Jasmine分享的系列面试文档也是一个非常好的面试准备方法，可以记录面试中的问题，复盘，充实知识库，并有条理的记录自己的面试历程，让自己更好掌控求职节奏。
最后，祝福Jasmine在未来的工作中取得更好的成绩，也希望看到这篇文章的朋友们可以得到些许启发，求职顺利。
