【相关性】是让简历通过筛选的第一要素，如果你曾经做过与数据相关的职位，请一定把它们放在最醒目的位置！如果没有，也可以把相关的课程，证书等等放在前面。

HR将快速浏览简历，查看以前的职位，并着重查看标记为“数据分析师”的职位，还有其他一些相近的职能，例如“数据工程师”，“商业分析师”或“营销分析师”等等。

如果你在目前的工作中确实从事着数据分析工作，但是你的职位并不能体现这一点的话，那么和你当前的雇主商量，把你的职位改成体现出数据分析职能的职位，会更有益处。

此外需要注意的是，如果你曾接受过数据方面的培训或者硕士课程，那么也非常有必要把这些经历放在简历上，因为这些经历可能会被视为你数据分析经验的开始。

在描述自己的经历时，最好每个的落脚点都在【为公司带来的商业价值】上。中间也需要用些词汇术语提升自己的专业度，但最后建议把自己的成果量化到业务上面。

一般情况下，HR想看到你的技术方面以及带来的商业价值。行业中缺乏的是能够以业务术语进行交流的，同时高技能的数据分析师。如果你可以分享你的工作所影响的业务KPI，那HP一定会两眼放光。

例如，如果你做了一个模型，虽然你确实可以去强调你的模型在AUC（area under curve，一个模型评估指标）方面的改进，但是其实更聪明的方法是去解释因你的模型改进而带来的转化率提高，因为这才意味着你真的懂行——毕竟商业价值才是最终真正重要的。以下两个例子描述相同工作但侧重点不同（技术vs业务）：

银行贷款违约率模型-将模型的精确召回AUC从0.94改进到0.96
银行贷款违约率模型-在保持恒定违约率的同时，将业务部门的年收入提高了3%（每年50万美元）

以时间线罗列出来的教育经历是必要的。如果专业和数据相关不太大或工作经验更丰富，可以写的简略一些，如果你刚刚毕业,就要在这部分多加些内容，比如绩点，奖项，比赛等等。

你的毕业院校和专业，对于较新的应届毕业生，HR还将看重GPA以及获得过任何奖项或荣誉，例如Dean's List。

由于数据分析是一个广阔的领域，没有任何标准化的测试，因此人们可能从各行各业进入该领域。时间顺序有助于让HR了解你的经历——如何以及何时过渡到数据行业。如果你没有任何数据方面的教育经历也没问题，但是你需要证明该领域的工作经历和/或相似领域的高级学位。

修改简历的过程可能会很痛苦，建议大家找不错的简历模板，在有限的空间内放入所有必要信息，包括你熟悉的技术，一系列项目， github或Blog的链接或其他内容。一些简单的图标也可以帮助强调小标题哦。

首先我们要对自己所有的技能做个分类:代码,建模,可视化,分析等等。把你使用过的工具穿插到经历描述当中，而不是仅仅罗列出这些名字。最后尽可能体现JD里要求的技能，自己擅长但工作不要求的适当少写。

在技能板块，HR更希望你能把工具和技能进行分类，比如可视化技能（比如Tableau）、数据处理工具（比如SQL、R和Pyhton）、商业分析的软件应用（比如Salesforce、Google Analytics等等）。同时，HR更希望你围绕技术和工具展开讨论，比如把这些工具的使用镶嵌在你的经历描述里，而不要只是列出你会哪些工具。
然后HR会看技术的相关性以及和公司的匹配性（所以了解一下这家公司的常用工具很重要），还有候选人是否会去主动掌握最近几年的新技术、技术方面的广度（它们是否仅限于特定领域）等等。

你有自己的数据作品集吗？打磨几个高质量的项目放在Linkedln上。别忘了对它们做好被提问的准备，要做到对自己的项目对答如流才行。

你有可以在GitHub上分享的东西吗？
你有自己的数据作品集吗？
你有在培训中获得的项目作品展示吗？
将链接添加到你的Linkedln上，以供雇主深入研究你的经验。HR和招聘官很可能会询问你其中一个或多个项目。

如果在面试中，你对某个项目不太记得，HR也无法就你所做的选择以其背后的原因展开更加深入的对话。所以请一定确保你展示了自己的最佳作品，并且投入看足够的时间和精力来准备对这段经历的介绍。最好有2-3个高质量项目，而不是8-10个中等（或更低）质量的项目。

对于想转数据的小伙伴：

一定要尽力在简历上体现自己经历和职业相关~