想成为Facebook的数据分析师,先得具备这五大技能

不管是刚毕业的,还是之前从事别的行业想要转到互联网行业的人来说,如果能顺利搞定面试中的案例分析 (case analysis),基本就成功了一大半。以 Facebook analytics data scientist 的工作要求为例,基本上一半的要求是跟 technical 相关,例如 SQL 等,另一半则主要跟产品相关,考察的是产品思维 (product sense) 和案例分析的能力,此外还有少数的统计、数学、概率等。面试中产品思维、案例分析相关更是占据半壁江山。

产品经理

来源: http://www.ibm.com/developerworks/library/os-datascience/

然而如果之前没有做过相关行业的话,比如说我,产品相关的知识又是最难积累准备的。在从信用卡转到互联网行业的过程中,我得到了很多前辈(的资料)的帮助,也积累了一些经验和资源。接下来我会在这篇文章里分享一下我的经验,文章最后也会总结一些我认为非常有用的资源,希望能帮助有兴趣的小伙伴进入互联网数据分析行业。

一、试用相关的产品

所有互联网公司都强调员工要使用自己的产品,也就是所谓的 dogfood,这是提高产品思维最有效的办法,没有之一。比如 Airbnb 会每个季度提供一定额度的金额让员工去度假的时候可以用上,住 Airbnb 上的房源,Uber 会给员工提供 credit 打 Uber 的,Facebook 会给员工提供 credit 在 Facebook 上做广告,通常来说每个季度几百块的样子。通过这种方式员工可能会发现一些 bug,或者提供一些产品相关的反馈等等。很显然,即使你不是上述公司的员工,你仍然是可以使用他们的产品,想想他们为什么样这么做,有什么可以改进的。

以 google map 为例,有一个功能是在达到目的地的时候,会显示出目的地的街景。那么接下来可以有一系列的问题。

为什么要显示出街景?方便用户辨认目的地。除了显示街景还可以显示什么?可以显示附近停车场,或许目的地本身是没有停车场的,那么用户需要停车的话如果能自动给用户一些选择或许是一个不错的功能。

假设要做这么一个功能的话,什么情况下应该显示呢?比如显然应该只有在用户在开车的时候才应该显示,那么如何辨别用户之前是开车而不是走路?比如假如有目的地有停车场的话,那就不需要显示,这又如何辨别?

如果要显示停车场,又需要显示哪些信息?比如停车场的距离?价格?开放时间?假设做了这么一些新的功能出来了,又如何验证效果是否好?A/B test?如何选 metrics?选用哪些用户?

类似的问题可以一直问下去,多进行类似的思维训练,对积累行业相关知识,训练产品思维是很有帮助的。而且这种积累并不是说一定要坐在桌子前开始慢慢想,形成习惯了之后,使用产品的过程中会自然而然的想到这些。比如上面的例子就是在一次导航完发现 google map 自动显示了目的地的街景而想到的。

数据分析的工作除了需要技术上的打磨,如何训练分析过程中的思路,也就是 analytical / critical thinking也是非常重要的一环。很有效的一个办法就是碰到一个问题的时候,至少问自己5个为什么,不断深入,剥丝抽茧,问题也自然越来越明朗了。

二、善用搜索引擎

信息爆炸的时候,如何搜索信息、汇总、提炼出有用的信息变得尤其重要。具体关于如何使用 google的一些技巧,这篇文章就不细说了。另外,墙内的同学们,试试翻墙或者用 Bing 吧。除此之外,知乎和 quora 上都聚集了大量互联网相关从业人员,很多问答也是与此相关的,至于能不能找到你想要的信息,搜索技巧就很重要了。

三、跟行业前辈交流

这里面的行业前辈可以是已经在行业里工作的师兄师姐(有时候是师弟师妹),也可以是这个行业里并没有什么关系的人。那么如何结识这样的人,并且让他/她愿意帮助你呢?Linkedin 是一个很好的地方。就我个人来说,我很愿意帮助有一定准备的同胞。注意是有一定准备,自己花了一定时间进行积累思索,而不是一上来就问我该怎么办的。这种情况下,我也不知道你该怎么办。即使我知道,告诉你了,极大可能也没什么用。另外即使你不直接认识在这个领域工作的人,很有可能也是可以通过你的好友间接认识的,此外还有一些社交网站,诸如微信群、知乎等,也可以认识不少行业大牛。

说到这里不得不提一下知乎大V @曾加,在蚂蚁金服做数据分析。有一回有人问他,作为十几万粉的知乎大V,最好的变现方式是什么?他回答的大意是,通过这样一些资源认识更多的行业大牛,不断增强自己,这是最好的“变现方式”。

产品经理

另外还有一个很好的办法是通过各种线下聚会,比如美国这边尤其是湾区比较常见的 meetup,不时会有各个行业的活动。这些活动上通常可以跟业内人士聊聊他们做的东西,请教一些问题,而且一般他们也会宣传他们的招人计划,可谓一举两得。

四、书籍

《Zero to One by Peter Thiel -- 从0到1》
《The Hard Thing about Hard Things by Ben Horowitz -- 创业为艰》

这两本书是讲创业的,都有中文版。如果你还没看过,又想从事互联网行业的话,一定要看一下。虽然是讲创业的,但是却可以让人退一步,在一个更高的角度理解如何做好产品。

《Case in Point》

这是准备管理管理咨询面试的人常用的资料,挑几个出来看看借鉴一下思路不错。

五、网络资源

不管你是处在世界的哪个地方,只要有网络,也就意味着你可以接入到世界上无数的公开课、行业领头人物的分享。但是信息太多,也就意味着如何精简挑选变得更加的困难。

这里我分享一下过去几年来我总结的一些资源,以及简单的讲一下推荐的理由。

网站

http://jwegan.com/

Pinterest 的一个用户增长工程师的 blog,很多各种产品开发的思路、实验、分析。

https://www.kissmetrics.com/

产品思维里重要的一面,metrics metrics metrics。看名字你应该就能猜出来我为什么推荐这个网站了。

https://medium.com/

各种科技相关资讯。

http://firstround.com/review/

同上。

http://www.slideshare.net/

LinkedIn 旗下的网站,有大量专业人士分享的 slides (幻灯片)。视频资源

https://www.youtube.com/channel/UCxIJaCMEptJjxmmQgGFsnCg

硅谷最出名的 YC 创业孵化器在斯坦福的讲课

中文版的看这里:

http://startupclass.club/

https://www.youtube.com/watch?v=raIUQP71SBU

https://www.youtube.com/watch?v=PWshoKN952k

https://www.youtube.com/watch?v=n-ajQ0nk6FI

https://www.youtube.com/watch?v=dW7S1z24TjU

https://www.youtube.com/watch?v=ajccEoAhfmc

https://www.youtube.com/watch?v=F8vJLDjcyZE

https://www.youtube.com/watch?v=hwQQFTr4WfM

https://www.youtube.com/watch?v=I25oJp-kOrY

各大公司如何做用户增长的视频 -- growth hacking,需要翻墙。

http://glassdoor.com

上面有一些面试经验,不过要注意到不少答案是错的。

Causera 上关于行业积累方面的课程比较理论,但是可以参考一些基础入门课程,比如市场营销等相关的。

微信/知乎推荐(排名不分先后)

@张溪梦,微信公众号:GrowingIO

https://www.zhihu.com/people/simonzhang1

LinkedIn 前 Business Analytics 的大头创办的公众号,现在在国刚创业数据分析服务。

@覃超,微信公众号:qc_empire

https://www.zhihu.com/people/qin.chao

前 Facebook 早期工程师,公众号里很多用户增长的分享

@曹政,微信公众号:caozay

https://www.zhihu.com/people/cao-zheng心得分享

@Angela Zhu,微信公众号:AngelaTalk

https://www.zhihu.com/people/angela-zhu-45

Airbnb 工程师,硅谷技术、文化、故事、职业发展等。

@董飞,微信公众号:donglaoshi-123

https://www.zhihu.com/people/dongfei

LinkedIn 工程师,创业、大数据、在线教育、技术分享、职场体验等。

@曾加,微信公众号:PlusZeng

https://www.zhihu.com/people/zengjiaplus

不是数学专业的数学达人,分析思路非常赞。

@何明科,https://www.zhihu.com/people/he-ming-ke

做过投资做过互联网产品;目前专注于数据和互联网产品中

@chenqin,https://www.zhihu.com/people/chenqin

知乎数据帝

关键字:业界动态, facebook, 技能, 数据分析师

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部