本文内容出自Joanne老师讲座，回看讲座视频：https://www.bittiger.io/classpage/ExxYEpY9d34mghTCC
BA简历痛点与误区详解
（1）简历的重点：
在Summary罗列技术能力，在后面经历及项目部分的技术描述又不够。自己的技术能力应该从experience、projects部分体现出来，在项目经历里体现你融汇贯通了哪些技能。一味地罗列关键词的效果远远没有在项目中渗透技术经验好，后者更容易让面试官对你的技术能力产生兴趣。
（2）简历总体感觉过于偏向技术/商业/general：
  • 过于偏向技术：举一个例子，一个学BA的人想投一个倾向于招Phd的Data Scientist职位，简历上写的都是机器学习的高级模型。一般来说，对于这样的职位，如果你的背景不是相匹配的专业，即使技能表述达到了要求公司给出面试的时候也会非常谨慎。大家要对自己和简历有清楚的定位，有针对性的投，背景和学历很匹配JD，公司才敢把业务交给你。。
  • 过于偏向商业：这样的简历会让人觉得你是刚刚转行，把自己的简历硬生生地打造成BA的简历，并没有做过比较深度的BA项目。偏向于商业还有可能让公司对你的技术能力有所质疑，因此简历中应该有适当部分的项目或经历是跟BA技术相关的。
  • 过于general：这样的简历看过之后，不能给人一种你就是这个岗位最适合人选的感觉，从简历中不能看出你适合做哪个方向。当你投operation的职位时，可以在项目经历里加一些operation相关的词，这会让人觉得你和这个岗位是匹配的，和这个岗位有共性，这样的简历就不会显得过于general。
（3）像课堂展示一样列举很多项目：
像课堂展示一样去描述一个项目，深度是不够的。还有人喜欢列很多的项目，把与电商、App分析、产品迭代等相关的全部写上去，这样会让人觉得你没有重点。我们应该着重于一个重要的项目详细描述，并且把项目包装得拥有很多insights，但是又留了一些余地。这样相当于给Hiring Manager放了一根线，让他想进一步了解你的项目。
（4）简历中出现错误的商业名词与不合理的描述：
比如在简历中写这个项目把客户的转化率提高了30%，内行人一看到这个数值就觉得你是瞎写的，在商业上并不make sense。如果出现错误的商业名词，也会给人不专业的感觉。
（5）用一个简历投所有的职位：
有些同学无论是投高科技公司还是传统公司，无论是投Operation Analytics还是Customer Analytics的职位，都用一样的简历。这样的结果是HR看简历时，会觉得简历上的内容投其他的职位也可以，和他们在招的职位关系并不紧密。所以大家对于不同类型的职位要定制不一样的简历。比如你要投Product Analytics得职位，你就可以在简历上把A/B Testing的能力凸显出来，投其他的职位把其他职位所重视的能力凸显出来。
（6）简历中的拼写错误：
单词的大小写、动词时态等错误并不会影响阅读，但是会给面试官留下你不注重细节，不可靠的印象，因为BA是和数据打交道的工作，需要细心。所以提交简历前一定要double check，自己检查之后最好找朋友或在业界的前辈再检查一遍。
（7）简历要确保在一页：
如果你只是Master，要确保简历保持在一页，因为HR扫简历时特别快，快速捕捉简历上的关键字，写得多并不能增加被选中的概率，反而会觉得累赘。
真实案例深度解析
接下来我们来看一个真实简历的例子：
首先我们看Marketing Analyst Intern部分：
  • 第二点和第三点的开头用的都是动词，而第一点中“mainly responsible for”，是以副词和形容词作开头，与下文形式不一致，这个细节可能会让面试官觉得你的presentation skill不是很好。
  • 第一点的陈述有句号，第二点和第三点没有句号，面试官可能觉得你不注重细节。
  • 从第一点中并看不出来求职者在这个项目中做了什么事情，是怎样负责这个项目的。
  • 第二点中提到的buying trends让人觉得还比较有意思，但是对于之后提到的face-to-face interviews，BA一般不会做interview这种数据收集的工作，面试官会猜想他是不是做的是marketing的工作，只是把自己包装成了Marketing Analytics的工作。
  • 第三点中，没有写出来marketing plan是什么，buying trend又是什么，看完之后得不到任何insights，也不知道具体做了什么。
写简历时，“怎么写”很重要。这个项目你应该强调你是怎样investigate这个buying trend的，你在buying trend里发现了什么，这个发现对business performance造成了什么影响，这才是一个BA的简历应该强调的地方。
我们再来看第二项Digital Analytics Class Project：
  • 首先，面试官看到标题中的Class Project，会觉得这个同学是不是因为没有什么实习和工作经验，才把课堂的项目写上去，即使你做的是Class Project，也不要出现这两个字。
  • 第一点中没有讲具体怎么analyze的，也没有讲最后的结果是什么。
对于最后的skills部分，在简历中并没有看出他用了任何在skills中提到的语言和工具，我们要在项目描述中体现出自己掌握了这些技能。看了这样一份简历，最终面试官可能就会觉得他的水平不够，背景也不是很匹配，而淘汰了这份简历。
我们再来看另外一个例子：
很多同学爱犯的一个通病是，如果你的项目是做客户分析的，就把项目名称写成“Increasing Revenue……”，这个说法很宏观。除非在一个很小的创业公司，一般来说一个项目不会直接对Revenue产生这么大的影响，希望大家详细地写出项目对Business的影响，写得越具体越好。这个同学提到自己用了classification models，logistic regression等等，还提到ROC curve，AUC，好像用了很多modeling，但是读完之后还是不知道这个项目到底是干嘛的，自己到底做了什么，对business 产生了哪些具体的影响。之后还列了一些skills，整个项目看下来，给人的印象可能是modeling能力还可以，但是business方面好像有所欠缺。
总结
  • 简历要有重点的写，针对不同方向的职位，应该有不同重点的简历来证明自己能胜任；
  • 书写简历要细心、耐心、有针对性，不必要的错误、过于general、过于偏向某个方向都有可能成为简历中的问题；
  • 时刻思考recruiter及面试官想要看什么，他们想要什么样的人，在打造自己简历的时候，要让他们看到自己的优势以及之前经验能对公司产生怎样的impact；
  • 简历信息不要冗余，多余的信息不但没有帮助，有时甚至会成为减分项。
很多同学的问题出在，想要转专业成为business analyst，背景不够匹配，需要利用实际的项目经验来补足技术能力及商业嗅觉。
BitTiger推出商业分析师直通车项目，旨在通过三个月的强化学习，精炼互联网公司，电商，金融机构三大企业级项目，增强同学们Business Analytics的背景，掌握Business Analyst 的核心技术，了解Business Analyst面试中的常见题型，达到工业级别职场的真实需求，争取最佳offer。
报名第一节公开课（免费）
报名第一节Orientation(免费)：
1. 复制链接或点击阅读原文查看“课程主页”
https://www.bittiger.io/livecourses/aHFTvSM5QavpuHhu5
2. 点击“Orientation Class（第一节课报名）”即可报名。
课程咨询及报名申请流程
1. 复制链接或点击阅读原文查看“课程主页”
https://www.bittiger.io/livecourses/aHFTvSM5QavpuHhu5
2. 点击“Class Consultation（课程咨询）”即可填写相关背景信息及上传简历。
我们课程组老师会在收到简历后24小时内进行简历背景评估，并电话回访提供职业指导
查看课程大纲，公众号后台回复“BA501”
课程亮点
  • 三个月完成互联网公司，电商，金融机构三大企业级实战项目
  • 两位业内重量级讲师亲自指导，手把手解决核心项目问题
  • 32小时SQL, R, Python, Notebook核心技术与高频面试题知识考点精讲
  • 12小时面试大冲刺求职辅导，职场规划个性化规划
  • 10小时经典案例总结，紧密结合面试必考题型与案例
  • 40小时BitTiger独家SQL, NoSQL, R, Python, Tableau基础知识视频
课程内容
第一阶段（Week 1 - Week 3）
项目一：预测Amazon销售增长
模拟Amazon销售增长项目，使用业界量级的数据，进行处理和分析，系统解决商业中高频核心问题。例如：
  • 分析每一季度、不同类别商品的销售数据
  • 计算销售增长或者下降的因素和比重
  • 在不同的销售增长情况之下，用扎实的数据向团队清晰呈现结果
关键技术栈与高频面试考点
  • 贯穿项目，强化SQL高频面试题库限时训练
    • 如何完美回答“what is the difference between inner join and left outer join”?
    • 如何运用SQL找到分组第N的三种SQL写法
    • 如何轻松应对N级Self Join
  • 强化Machine Learning，利用建模来解决商业分析中出现的各类问题
    • 电商如何实现销售增长？如何考虑全面并制定相应计划并实施？
    • Machine Learning常见考题，比如PCA的优缺点？如何使用？
第二阶段（Week 4 - Week 6）
项目二：实现Google产品迭代
运用Python帮助Google实现快速产品迭代
  • 面对不同的产品，迅速分析出产品不同的metrics
  • 面对丰富的消费者使用等产品数据，决定产品如何进行迭代
关键技术栈与高频面试考点
  • 熟练掌握Python，通过制作Notebook学习实战数据处理
    • 在Python Notebook中学会数据清洗和运算
    • 强化machine learning，利用Python Notebook学习Tensorflow的基本构架和用发
  • 贯穿项目，数据处理面试准备
    • 必备统计知识巩固与高频题
    • 产品迭代高频题
第三阶段（Week 7 - Week 8）
项目三：信用欺诈——金融用户数据分析
基于大量级的真实银行数据，处理数据并建立，优化模型，为下一步策略做好准备。
  • 实现独立地建立、优化数据模型，处理更加深入的数据问题， 同时将数据以最高效、美观和符合职场要求的方式展现
  • demo day展现项目成果，老师、以及FLAG级别speaker给出业界专业review
关键技术栈与高频面试考点
  • 独立完成业界级别项目，在项目中使用最核心面试知识
  • 触类旁通：学会如何把建模经历和project的理念放宽应用到任何领域
第四阶段（Week 9 - Week 10）
求职面试大冲刺
  • 简历修改与提高：如何避免别人踩过的坑
  • 工作申请过程中最重要的流程和时间节点
  • 最新BA实战面试题型详细解析
核心教学团队
Lance
Business Analyst @ Google
利用史上最大数据集进行growth hacking。毕业于University of Texas at Austin。曾在湾区某pre-IPO的科技公司担任Lead Data Scientist，帮助中小型电商完成向数据导向marketing的方向转型。目前。
Minnie
Senior Business Analyst @ Google
带领analyst团队为产品在线支付提供数据解决方案，毕业于北大数学系，在加入Google之前，曾在纽约顶级咨询公司担任管理咨询师，帮助500强企业解决商业问题。
BitTiger本周十佳Offer榜
继续阅读
阅读原文