![]()
![]()
最近一年多，我除了在自己的CareerChoice公众号这一亩三分地上精耕细作，还应渭河老师的邀请，在知识星球“渭河数据分析社区”，作为人力方向的星球嘉宾，发表相关文章和回答星友问题，和大家定期分享我在从业过程中对数据相关背景人才职业路径发展的一些观察和建议。“渭河数据分析社区”是以数据分析类从业者为主的聚集地，里面的内容从技术学习到业务讨论都有，干货满满，氛围也很积极向上。我作为嘉宾，也会每星期抽时间阅读星球内容，受益良多。如果是数据相关背景、或希望从其他专业转至数据方向的朋友们，感兴趣的话可以来社区看看。![]()
本文中，我们就以数据类人才这个群体来举例，看看从招聘方和猎头角度，何谓具备数据分析能力的候选人？
首先来看社会招聘，如果较为严格地定义，该类候选人一般至少拥有2-3年左右企业或乙方数据分析岗位的相关工作经验。这里面其实还是有个分层，也就是说，不同企业背景的数据分析人员，大家的经验值在市场上被评估出来的含金量有较大区别。比如说，市场相当青睐互联网里类似某团背景的具体业务端数据分析岗位人选。因为作为互联网巨无霸，业务大部分以C端为主，辅以部分商户B端业务，这种业务模式使得它能通过自身业务不断产生和积累、沉淀相当真实、新鲜、一手的个人及商户大数据。同时，互联网基因里不断迭代、试错、以数据为导向、竞争激烈等特质，又使得大厂们相当看重对数据的收集、清洗和深入分析。所以，一般来说，具备互联网大厂数据分析经验的候选人，不仅能在同行业内跳槽，也被其他非互联网企业当成被大厂培训得特别好的样本教材，受到市场欢迎。
那除了这种最严丝合缝的，我们也接触过一些传统行业企业里负责所谓“数据运营”的人选。具体工作包括：-也会囊括一些业务的具体数据分析（比如针对经销商、供应商的每段时间数据波动分析）、这种虽然也能算是数据相关岗位，但因为工作重心主要放在数据质量控制、项目管理等方面，留给和业务相关的数据分析的时间就较少。毕竟一家企业的业务林林总总，如果不是具体分属某个部门或业务线，日常里能把相关数据拉出来提供给需求方就不错了，恐怕没有太多动力去分析某块业务数据，也没有能力和时间去吃透公司业务逻辑，从而达到“分析”和提出“改进”建议的较高要求。问题1：如果我在非互联网企业的具体某个业务部门里做数据分析，主要都是在为业务提供数据跟踪、数据参考、以及通过数据变化，对业务战略进行微调，我的工作经验含金量怎么样？回答：坦诚来说呢，目前热门度最高的还是刚才讨论过的to-c端互联网大厂的经验值。究其原因，非互联网企业在数据挖掘和应用上，一般被认为稍微保守些。举例来说，我曾经有某位数据分析背景的候选人，在多家金融机构都工作过，后来去到标准的互联网企业。我曾经问过对方，你有哪些不同的感受？我还真真切切记得对方的回答：互联网有部分企业，数据是有可能面向大多数人开放的。这和在金融机构的感受截然不同。从对方个人的角度看，互联网更有意思、更有趣、更前沿，对数据的开放使用和挖掘更彻底，更能调动起对方作为个体在数据海洋里探索的自我驱动力。
问题2：近年来随着企业数字化转型需求的大大增加，以及各级监管部门对于数据合规、数据治理等的要求迅速拔高，以四大会计师事务所（普华永道、德勤、安永、毕马威）为代表的乙方公司，都曾招兵买马，强力扩充了自己的数据咨询业务团队。很多朋友会想要了解：作为乙方，能够接触的行业、企业众多，在这里工作几年，经验值的含金量如何？回答：从个人目前的了解来看，四大的数据咨询，更多还是体现在数据治理方向，不侧重在分析。所以当四大从市场上找人时，如果候选人本身的经验是数据相关（分析或治理均可），经验值也不用太长，2年到4年，那么有机会能进来。但等到你在四大做几年数据治理项目，再跳槽时，更多的还是去到非互联网企业的数据综合岗位（数据治理+数据分析均有），而且以数据治理为主。这两年金融机构尤其被监管要求要在数据治理上下功夫，所以四大也有不少候选人借着这股东风去到公募基金或券商（这两者可谓是国内金融牌照机构里，平均收入最高或较高的细分行业）的科技部门，年薪相较四大来说，整体也有不错的涨幅（固薪涨幅不明显甚至有降，但公募基金和券商的年终奖，往就算中后台，只要平台足够头部，一般也是几个月保守起发，6-12个月的也不是没听说过——不过……今年各大金融机构都在响应号召主动降薪，那么年终奖的波动和递延，可想而知也会比较大，这也算一个当下需要重视的风险因素吧）。但综合整个市场来说，其实去到传统的金融机构，比互联网少了些震荡，也是可遇而不可求的难得机缘了。
当然了，以上只是普遍性的市场看法，不能精准对应到任何一家互联网或非互联网企业上来。很多时候，招聘市场的主观看法也带着“偏见”。但我一直有个观点：不管主流的招聘市场的观点，安在你身上的标签或者倾向是否正确——你都应该先了解，这些观点是什么？为什么会产生这样的观点（或偏见）？只有了解了这点，知己知彼，才能够判断，在你这个个体的求职流程里：选择1：你应该顺应趋势来彰显自己的优势？
选择2：还是通过对简历和面试准备的素材进行深度挖掘，来冲破这种“主流观点”？
选择3：或者干脆承认，这个点很难说服对方，我们从其他方面找找强项，算是绕道走？
而且由于简历往往是要经过猎头、或者人力部门的初筛，才能到达实际用人部门的手上。而猎头和人力这样的中间方，很多时候对技术和项目细节是没法直接看明白或者测试的——更别说还有很多候选人也根本在简历上写不拎清……
综上，在招聘方第一次接触陌生的数据分析背景候选人时，极有可能通过以下几个标签和关键词，先粗略来进行经验含金量的区分：b. 数据分析的对象是否为量级较大的to-c端业务？是的话有不少加分。b. 和数据相关的工作岗位里，是数据质量控制、项目管理的内容占比更大，还是有足够比重和时间保证做业务相关的数据实际、实时分析？一般这点需要关注候选人所在的部门，特别是和业务条线的配合紧密度。单纯的数据分析（以及互联网相关的经营分析、商业分析等等）岗位更关心后者，而金融机构的数据岗位（特别是在IT部门）则更关心前者。d.数据团队是否是项目的“核心推动方”，分析报告是否能定位到实际价值？有的话，会视面试时沟通的情况，对候选人的素质和能力项有一定加分。因为仅有“做过分析”的经验其实也还不够，如果能证明可以“主动地推动业务团队”更能证明分析师的价值。关于d这一点，补充一下，在职业咨询的时候，咨询者的典型心态会有两种——第一种：到底是否给业务团队创造了“价值”，啊我不是很想面对这个问题，一定要挖掘这种例子么？第二种：我觉得我创造了价值啊，项目和事例也有，但真的都要写在简历上么？大家可以先根据这几点，给自己的数据分析相关经验值打个“印象分”，心里有个数。对于不少非热门赛道/领域的候选人而言，这个“印象分”可能低于你的实际业务水准；或者说，同样一个候选人，面对招聘方是互联网或金融机构，“印象分”的区别波动非常大。那么，如何在简历上通过具体深入的挖掘，通过其他细节表述，或针对不同的招聘方，把“印象分”提起来，未来我们找机会可以详细说说。CareerChoice专攻泛金融职业发展方向的个人职业发展咨询及课程。-泛商科圈（如互联网或上市公司）投资/战略/财务/法律/政府事务/人力/品牌……等岗位。
![]()
1. 如果你感兴趣针对性极强的“1对1个人职业咨询”服务（在职人士或在校生均适用），请查看以下链接，并在公众号后台发送“报名1对1咨询”。
2.如果你想通过线上方式，随时随地开始学习泛金融职业发展课程（在职人士或在校生均适用），请查看以下链接，即可根据目录顺序，方便快捷地开始线上独家轻课程学习。点亮 ![]()
，鼓励我为你持续提供更多职场心得![]()
