大家好，我是宝器！
今天介绍一位数分实习生同学的实习感悟，关于学生思维前几天在胖里的群我也强调过，今天给大家再看下下实习生角度的感悟分享，以下是作者自述：
简单介绍一下自己的背景，我是一名澳洲top3某学校在读研究生，主修BA方向，目前是处于云留学的状态，6月刚刚结束了一份某电商大厂数据分析实习，现在正在某短视频大厂做用户增长方面的数据分析实习生。
进入7月，很多大厂的暑期实习项目已经进行一大半了，很多研发岗位的提前批也开始了，这意味着秋招即将开始了。对于应届要求职的同学来说，当下就是冲刺秋招前最后的准备。在本文中，我将结合自己几份数据分析岗位的经历以及和很多大厂的数据分析师沟通交流的内容。对一些正在找实习，或者是正在实习的朋友一些建议，希望对大家有用，也祝愿大家在之后的秋招中，能拿到属于自己心仪的offer。
首先从供需关系上来谈谈目前数据分析岗位的实习就业情况。从岗位需求上来说，互联网大厂的数据分析相关的岗位是真多，从数据分析师，数据产品，数据策略，到数据运营等等。供给侧人就更多了，国内的大学纷纷开设ds专业，西方国家排名靠前的学校也都陆陆续续开设了BA课程。现在很多同学也想明白了，目前自己的学历去卷金融太难了，都来学申请和就业门槛相对没那么高的BA了。从数量上看，像是一个“完全竞争”市场，实则不然。一方面，很多朋友反馈说数据分析实习真的非常难找。面试考察的SQL题难度很高，业务模型指标完全不懂。另一方面，一些前辈也说现在招一个（靠谱）实习生真的太难了。一个大厂的朋友说他大约面试了20个候选人，最终只发了2个offer，当然他也承认，现在大家都愿意招聘踏实靠谱、聪明且主动性强的实习生。一个好的实习生，真的能节约自己很多精力（有多余的精力和需求方吵架不香吗，orz），基于这一点，我想先聊聊用人单位对于一个理想的实习生的需求，以及很多还没有实习的朋友对于一个“合格”的实习生的看法。在我和多位朋友聊天的过程中，听到的最多的，其实是“软能力”，包括但是不仅限于沟通表达能力，总结复盘能力，以及灵活处事的能力。 一个一个来讲，数据分析师的核心，是用数据来讲故事，数据是工具，讲故事是过程，得到的结果是我们的目的。
其中沟通是一个必不可少的环节，和业务沟通业务需求，和数仓沟通埋点指标，和数产讨论看板需求等等。
表达能力是一个在当下职场几乎大部分岗位都要求的一个能力，目前国内的教学体系往往会忽略或者是不重视这一点，而留学生，尤其是“云留学”的朋友，甚至“丧失了语言能力”，很难在面试的环节中清晰的表达自己的思路。总结复盘能力，又是一个所有岗位都需要但学校通常不教的一个能力。我在我上一份实习中，隔壁组的leader分享了一段话，“认知决定行为，行为决定了目的”，当你想清楚自己的目的，反过来再去思考应该有怎样的行为以及对应的认知，会帮助你做很多的决策。一个好的实习生，能够清楚的表达出自己去实习的目的，为什么要去做这一份实习，在这一份实习的过程中，对于自己长期的职业规划有什么样的收获，对于目前面试的岗位，有着明确的认知。 这里要插一句，获得一份大厂实习机会没有想象中那么难，还是有非常多的实习岗位其实不需要太多的技术能力，千万不要为了进大厂，连续做好几份不相关且对长期事业规划没有增益的事情。最后说到灵活处事，其实是一个十分trick的点，在学校待久了的同学，做事往往一板一眼，写八股文一般的处理眼前的事情，但是在真实的工作场景，其实解决的办法有很多很多，我们需要的是最快的那种，比如，在excel，SQL以及python中，你现在能想到多少种“行列转换”的方法呢？再唠唠一些常见到的“学生思维”。我经常被问到，“Downey，你是不是天天python建模啊”。其实数据分析师的工作有很多，包括业务指标梳理，数据监控，策略输出等等。数据建模只是其中很小的一个环节，甚至上说不是决定意义上的一个环境，现在很多的模型，包括随机森林啊，XGBoost等等，在进行预测的时候，能达到是否显著的效果，但是如果真的拿到业务场景中去，你很难拿到一个合理的解释去说服你的业务方你的模型的真实性和有效性，有些时候，甚至不如用OLS或者logics的解释力度好的多。
另外，很多同学容易忽略了Excel的价值，目前，Excel还是最好的数据产品，他的好在于，产品操作上几乎没有使用的门槛，而在大数据分析的当下，几乎没有技术的上限。一些复杂的使用，包括VBA、power query姑且不谈，一些同学连一些常见的函数，多层嵌套都不能熟练的掌握，却在自己的简历里写着精通Excel，这对于一些把Excel作为自己主要输出的团队来说，可能随便问你几个函数，你就fail了。当然，作为数据分析实习生，最最基础的函数，包括但不仅限于 vlookup、sumifs，把这两个搞清楚，以及数据透视表的用法搞明白，能减少很多不必要的加班时间。
承接上一段说的，很多同学觉得数据分析师对算法有着很高的要求，在准备面试的时候，往往就忽略了对于业务模型的理解。其实反而这才是大多数岗位面试官比较在意的点之一。作为数据分析师，基础的常见要理解的模型，包括AARRR转化模型，LTV用户生命周期模型，FRM用户分层等等，这些才是一个数据分析师应该掌握的东西。除此之外，在面试之前，要对面试公司所在行业的指标体系有所了解，电商、内容、出行、团购，每一个行业都有自己特有的指标，在面试前一定要搞清楚。第二个害人的“学生思维”，就是把自己当成“工具人”。可能有一些工作真的就是“螺丝钉”，很多数据分析实习生的工作，往往都是由于数据开发，数据产品没有给排期而衍生出来的工作，包括而不限于数据标签，基础取数等等。这个过程刚开始是兴奋的，可能过了一段时间，变成了麻木，甚至烦躁。做一个数据分析师，很多时候要多问一个why？为什么要取这个数？我的mentor为什么让我画健康线，从点到线，从线到面，从简单的取数开始，一个好的数据分析实习生要开始了解产品、策略的逻辑，哪怕不能了搞清楚全链路的数据产出，也一定要搞清楚自己负责的数据方面的分析（哪怕是为了丰富自己简历上的经历）。聊完了思维，现在再聊聊选择的问题，在我接触到求职的朋友们中，很多都有“大厂情怀”，我也是如此。这本身没有任何问题，大厂真的有着中小厂完全不可比拟的先发优势。在大厂，你可以接触到行业最顶尖的数据分析师，产品经理等等。各个大厂都有着成熟的新人培养体系，线上线下的课程，帮助新人接触到最前沿的技术产品，最成熟的思维框架。每周的例会，leader会站在垂直领域对各个业务线的OKR进行梳理。
再去细拆，大厂也分为很多业务线，一些非核心部门没有想象的那么难进。有多个业务的大公司，主业务线和新兴业务线的难度可能完全不在一个level。大厂核心业务岗位的招聘（eg. 腾讯之WXG 快手之主站），那真的是“神仙打架”。所以不要妄自菲薄，引喻失义。再说说转正hc的问题，很多人会把有转正hc作为是否接受实习offer的一个重要选择。但于我而言，每天最快乐的在于这个环境真的可以push我去学习去提升自己，在这个过程中还发实习工资，一个好的成长起步环境要比多一个转正机会价值大的多。同时，一些公司内部转岗机会也会很多，只要表现出色，即使本部门没有hc，也还有机会去尝试其他的部门。所以转正hc这个条件也是要综合去评估选择，切勿一刀切的去否定。大厂没有想象那么难进，脚踏实地，完善自己的简历以及学习岗位所需具备的技能，并积极主动的寻找可能的机会。最后聊聊心态的问题，6月一整个月，我几乎一直处于求职的状态，面试的很多岗位，得到的结果往往不尽如人意，朋友反馈的面评结果也并不理想，这个时候真的会去怀疑自己。但随着面试次数增加，我越来越认为面试是一个相互选择匹配的过程，而不是单纯的是否足够优秀。有一些团队偏好一些踏实肯干，可以接受做相对枯燥工作的实习生，做着偏基础的工作。而有一些团队偏好具有主动性，思想比较活跃的实习生，做一些更深入的创造性业务。所以找好自己的定位，选择适合自己的团队，也是一个尤为重要的事情。 很多工作1-3年的人都表示过类似的观点，“还好自己工作早，如果自己读研了，可能很难进入现在的岗位”。针对数据分析师岗位，不论社招、校招甚至是实习，招聘要求都在水涨船高。很多人表示现在的面试问题，放在几年前的自己压根答不上来。大家要正视市场供给的现状，做好充足的准备。要怎么去准备呢，天天刷SQL吗，还是报班割韭菜？在夯实专业基础的同时，我认为还应该多提升思维上面的认知。可以多去network，例如多去参加一些线下的分享，多去认识行业朋友，通过聊天、请教的方式以提升自己的认知与信息广度。还没找到实习的朋友要抓紧时间投递简历，以一个实习生的身份去参加秋招和一个象牙塔的身份去参加秋招，真的完全是两种不同的人生体验。最后祝愿还在找实习的朋友尽快拿到心仪的offer，愿我们在此人生阶段都能不后悔。·················END·················
