随着数据分析师的岗位发展，网上的数据分析文章越来越多。我以为今年的校招，学生们对数据分析这个岗位会有更深的了解。
但是目前看来还是有很多学生用陈旧的教科书知识和他们自己的想象来理解这个职业的现状。
由于不理解岗位要做的事情，所以面试前没有对应的去针对性的准备。
所以今天简单的说一下，目前市面上的数据分析类型以及校招的投递要点。
数据分析师到底有哪些类型
目前市面上，以数据分析师为名的岗位一般来说可以分为这么几大类。
- 偏业务
- 偏策略（建模）
- 偏挖掘（算法）
- 偏开发
第一类是偏业务的数据分析师。这类分析师要解决的问题是具体的业务问题。比如说，如何提升用户的留存率、降低流失用户数、提升转化率等等。这些分析师和业务走的很近。分析师需要了解互联网的商业模式。需要了解一些常见的运营和产品的手段。
第二类是策略类的分析。策略类分析和上一类业务分析的区别在于。策略类分析要解决的问题一般比较固定，往往是业务直接给一个课题，让策略分析师找出策略。比如像滴滴，美团这类企业，他们需要优化配送规则、制定反作弊规则等。
第三类是偏挖掘线的。这类数据分析是需要用算法来解决业务问题。常见的算法就那么一些聚类分类回归等等。这类分析师相比策略类的分析师，面对的问题更加固定。因为算法能解决的问题目前基本就那么几种，有点像拿着锤子找钉子。由于薪资水平高，这两年学的人很多。但是需求不大，今年算法岗灰飞烟灭，招的少报的多。
最后一类是偏开发的，这一类现在比较少。绝大部分的这类分析师现在的名称已经叫做数据开发了。所以这块就不多说了。
分别需要什么技能
我们来看一下这种不同的数据分析师种类。他们需要的技能都有什么样的特点？
我给这几类数据分析师的面试过程分为两派。
一类是文斗，一类是武斗。
都说文无第一，武无第二。武斗相对容易分出高低，而文斗就各有千秋。
策略类和挖掘类需要的技能有个特点，需要的技能比较固定。
挖掘的算法就那么几种，分类、聚类、回归、深度学习等等。虽然现在还在不断的涌现一些更新的算法，但是，经典的算法已经可以解决出大部分问题了。所以这类同学他们的面试，就有点类似武斗。因为技能的要求太固定了，所以哪些同学做的项目足够的多，足够难，项目的理解足够深，是很容易评估出来的。
像策略类的分析。遇到那些数据建模大赛拿过多次名次的人，自然而然就碾压了其他的同学。而做挖掘类算法的人。如果有多次算法落地的项目。也要比没做过的人要好的多。
偏业务的分析面对的问题比较非固定。
每个公司面对的业务问题都不一样，你必须先理解业务，然后才能够做好这样的分析。
所以对这类数据分析师来说，他需要懂业务。
至于什么叫懂业务？你必须知道不同公司它的商业模式是什么，以及日常的工作中业务都能做些什么？
所以这类岗位的分析就有点像作文比赛。同样一个命题作文，每个人都可以写出自己的观点。但没有谁一定对，没有谁一定错，只要你说出自己的逻辑就可以了。
所以这类数据分析师面试的要点在于你的逻辑必须非常清楚。并且你的表达要非常的清晰。至于你会不会积极学习？你有没有类似的业务经验，这并不是特别重要。
因为这些经验，在之后可能都没用。
投递指南
最后说一下。校招生的投递指南。
上一篇文章我已经提到了今年的数据分析，校招竞争已经非常激烈了。所以那些非对口专业的。就不要再指望在技术、算法上超过其他同学了。要想在这一点上超越对口专业的同学，非常难。
这类同学不如去读一读一些产品，运营，增长的书。了解业务到底是做什么的，增强一下业务的思维。然后好好练习一下什么是结构化表达。实际上要做好结构化表达，难度并不低于深入理解算法原理，甚至犹有过之。
而那些想要走策略分析数据挖掘方向的同学。
如果你本身是对口专业的，那么，你要记住，你参加的是一场武斗。谁的实习经历更丰富，项目更出彩，算法理解更深。谁就更有机会。
所以，把这几项堆上去。就像是游戏里堆高攻防数据，大家谁的攻防最高就靠堆的履历水平如何了。如果简历中项目、实习等很精彩，秒杀了其他人，那么已经基本拿到offer了。
面试不过是最终确认一下你的实力，是否达到你简历中的水平。另外，也要稍微看一下。表达的结构化。这个要求没有业务分析那么高，你不能够磕磕绊绊。
