該如何去應聘數據分析師？

首先，對于一個數據分析師來說，重要的不是編程技能，也不是對機器學習算法的認識。

一個數據分析師的本職工作，就是解決問題。給你一個問題，你需要能明確問題的本質，并想清楚如何才能很好地回答這個問題。

第一，要實現這一目標，首先我們需要有良好的邏輯思維能力。問題提出之后，我們必須能冷靜地對問題進行拆解，弄清楚這一問題背后真實的目的，這樣，我們才能有的放矢，不會做無謂的工作。

第二，弄清楚問題之后，我們需要熟悉常用的數據分析框架和概念。比如最常見的對比分析、結構分析、橫向和縱向的對比等，不要小看這些基礎的知識，往往你工作中絕大多數的問題都只需要使用最簡單的工具。分析方法并非越高級越好，而是越對癥越好。

第三，你需要構建適宜的評估指標。比如老板讓你分析一下網站用戶的黏性，那么什么是黏性？我說我比你對網站更忠誠，可信嗎？不可信。我們要將定性的東西給量化，互聯網公司只認數據。針對這個問題，我們可以定義一些指標，比如用戶日均活躍時長，比如用戶平均每個月活躍多少天，比如用戶分享給其他人的意愿（可以用分享次數等評估）等等，我們將一個難以捉摸的黏性用各種各樣的行為數據量化了出來，這樣我們就知道了哪些用戶是更忠誠的用戶，哪些用戶有更高的價值，有更好的黏性。

第四，明確了目標，就需要考慮如何得到這些數據了。大多數互聯網公司會將數據放在大數據平臺或者數據庫中。比如Hadoop平臺（hive、hdfs等）和MySQL、MongoDB等，你需要學會它們的使用。另外，Excel、Python、R等也是數據分析的好工具，可以針對性地進行學習。

第五，你需要有良好的統計學基礎，大多數的任務不需要你掌握太高級的統計學，但你要對數字有基本的認識，知道如何從數據中發掘信息。

第六，你要對互聯網行業常見的指標有所認識，比如PV和UV的區別，比如CTR/CVR/DAU等，還有廣告領域的CPC/CPA/CPM等，你不認識它們，在工作中就會頻繁卡殼。

第七，你要知道如何呈現你的數據。數據分析師一般會面向管理層，管理層不會花太多時間看你數據處理的過程和細節，它們要的是一個結論。因此你需要將你的分析邏輯和結果清晰、美觀、高效地展示給他們。因此對于基本的可視化原則、工具和方法，你要有所認識。

第八，也是最重要的，你必須要了解業務，你要比產品經理、比項目經理、比其他所有人更加深入一線，了解業務。只有了解工作的所有細節，你才能更有洞察力，才能更加輕而易舉地發現問題。比如某個行業一到周末數據就會下降，在你不了解這個業務的細節時，很可能會產生各種無端的猜測，很可能花費大量精力卻找不到癥結所在。

一個好的數據分析師，必須要有抽絲剝繭、大事化小的本領。至于你自己，是否能勝任，我們不好判斷。但你最好的選擇，就是看一下各大招聘公司的JD，也就是職位描述，看一下你是否能勝任它們的要求，是否能完成他們所描述的日常工作。如果不能，不妨針對性地進行一些訓練和學習，在面試的時候盡量有的放矢地進行回答。

說起來，你的工作能力和能否得到一份工作并不是完全劃等號的。有些時候面試就是看眼緣，對上眼兒了，工作就到手了。你不妨投簡歷去試一下，說不定機會就在眼前呢？