对于有实习经历的同学来说，【实习经历】一定是简历中的重点内容。
对于没有实习经历的同学来说，【项目经历】就变成了突破点。
好多人在写简历的时候，眉头一紧：
我平时就是取数跑数，这简历咋写（chui）啊？”
“我平时就是打杂，这个报告跟一点，那个报告跟一点，怎么办啊？”
其实，绝大多数的我们，在秋招前，顶多有2-3段的实习经历，每段经历折合时间2-6个月不等。运气好的，在实习期会参与一些项目和分析报告；运气不好的，可能变成了人肉取数机……
但不管运气好不好，总得想办法更加体面的在简历上展示自己。
那在简历里，怎么更好的展示【实习经历】呢？
看了很多同学简历，我把一些典型的问题结合起来，提供了一个综合版本。
实习经历（修改前）
（1）为业务部门提供运营数据支持，制作可视化数据报表，方便业务方监控与决策。
（2）利用sql，excel透视表等工具处理多维度数据，如探索小程序用户流失原因，分析礼包类产品购买转化率较低的原因；借助python建立评分卡模型评估商家表现，筛选合格的直播商家，并根据数据结果提供运营建议。
里面有几点可以展示的共性问题：
（1）把简历写得像JD……
比如第一条：“为业务部门提供运营数据支持，制作可视化数据报表，方便业务方监控与决策”
和很多企业放出来的招聘JD，真的有异曲同工之妙……
（2）有项目，但在描写的时候过于简单，只用短短的一句话概论过去。
比如“探索小程序用户流失原因”，短短11个字囊括了所有内容，但没能展示分析亮点或者产出价值。
也会有同学通过这种简短的描写，一口气摆上了很多的项目，类似于“协助开展直播行业分析、短视频行业分析、游戏行业分析，提供分析报告”。不巧面试官曾经做过游戏数据，随口问道游戏行业分析怎么做的，由于写在简历的项目过多，没有一一准备，只能emm……
（3）没能结构化的分段。
数据分析的实习经历，一般都会有临时取数、做报表、做分析、或者参与下建模、机器学习的工作，但是很多人在写的时候，这些内容会融合在一起，强迫症很想进行人工分割……
还会有一些其他的小Bug。比如表达不清晰，前后语句重复，用了太多公司内部项目专有名词等等。
虽然吧，在校招的时候，学校和实习经历的加成会比较大，也会有很多逻辑不够清晰、表达不够完善的简历通过筛选。但若能技巧性的包装下简历，不仅可以给面试官留下好印象，甚至可以引导面试官提问自己最拿手的项目和模型，化被动为主动。
根据数据分析实习里的各种工作内容，我觉得可以归纳成3块：业务数据指标支持、分析报告、算法建模。
所以，我按这种逻辑来修改。
首先我们看第一块：监控业务指标
监控业务指标。根据小程序业务方kpi，从订单、流量、资源维度构建指标监控体系，追踪每日销售进度，及时发现数据异常，完成3+数据看板，40+临时取数需求。
一方面呢，我们会展示具体的监控维度（取数维度）。会包括订单、流量、用户特征、商品、商家、内容、服务等等，能够比较直观的看出实习中你负责的内容。
另一方面呢，尽可能的量化数据工作的产出。比如在实习中完成了10个、20个甚至40个、50个的临时取数需求，向业务方提供了两张、三张报表等等，这些都是实习的产出，证明我们在这段实习中是有为公司创造价值的（价值再小，底气不能少……）。
接下来看第二块：数据分析报告。
分析项目一定是面试过程中挖简历的重点内容。
大型或复杂的分析项目往往会写进【项目经历】里。但其实对应届生来说，很难有这种经历，没办法在简历里延伸描写出一大段的内容。所以我觉得，直接在【实习经历】里放上分析项目（报告）的简单介绍就OK了。
虽然说是放上分析项目的简单介绍，但不是说让你10个字飘过去啊。
撰写2份分析报告。如分析礼包产品的购买转化效果，采用sql清洗底表数据，建议结合用户单品类订单数据优化曝光置顶产品逻辑，转化率增长X%。探索小程序入口下用户流失同比增长原因，从用户、商品、版面等角度做出假设，量化分析验证，为业务提供运营建议。
很多帖子会指出，要遵循STAR法则来写简历，有S（情景背景）、T（任务目标）、A（行动方法）、R（结果）。
我们在运用的时候并不需要完全遵循，可以灵活一点。
比如：
分析礼包产品的购买转化效果（目标），采用sql清洗底表数据（行动方法），建议结合用户单品类订单数据优化曝光置顶产品逻辑，转化率增长X%（结果）。
其实想简单的介绍清楚一个分析报告，涵盖“分析目标+行动方法+结果”就基本够了。不过因为我们做的数据项目，所以最终的结果尽可能要用数据说话哦。
那如果没有最终可量化的结果怎么办？
看下一条：
探索小程序入口下用户流失同比增长原因（目标），从用户、商品、版面等角度做出假设，量化分析验证（行动方法），为业务提供运营建议（结果）。
在分析用户流失的报告里，提出的建议很多，可是都没有落地……导致既没有可以量化的结果，也没有亮点的建议，所以就干脆简写项目结果。但在行动方法上做了一点点扩充，希望能够稍加弥补。
那既然没有可量化的结果，也没有出彩的建议，第二个分析项目可以删了吗？
这个随你啦。不过考虑到这个项目的亮点和难点在于提出假设以及量化分析的过程，作为一个拿手的项目，能够展示出分析逻辑能力，还是希望写出来，被面试官提问。
最后是第三块：偏挖掘、建模、算法的内容。
这一部分的内容并非每个人都会接触。但如果有，可以考虑单拧出来写一条。
算法模型经历
参与1个数据建模项目。在直播商家监控中，根据商家个体特征、交易特征等数据，结合python工具建立评分卡模型，筛选合格商家，直播好评率提升X%。
同样可以参考STAR法则，描述建模背景（目的），过程方法以及最终产出。
参与1个数据建模项目。在直播商家监控中（目标），根据商家个体特征、交易特征等数据，结合python工具建立评分卡模型（行动方法），筛选合格商家，直播好评率提升X%（结果）。
在介绍具体行动方法的时候，应该带上所使用的的具体模型或者算法，并且做好被深挖原理的准备。
另外，在展示项目结果的时候，不一定需要使用业务指标数据，也可以是模型的准确率提升效果。
其实这里还有两个小技巧能够引导面试官问你最想展示的东西。
一方面，在面试前我们都会准备2-3个最拿手的项目，如果希望面试官问某个项目，可以考虑在自我介绍中引入项目介绍（参考：面试数分时，我是怎么介绍自己的？）。
另一方面，在简历的【实习经历】或者【项目经历】中只介绍拿手项目，且介绍字数和拿手程度呈正比，没有准备的东西不要往上面写，避免陷入一问三不知的境地。因为简历展示的东西，都是给自己面试挖下的“坑”，简历的每句话，都有可能成为你的“考点”。
比如修改后的【实习经历】里有一句话“追踪每日销售进度，及时发现数据异常”。这里可以深挖提问：日常工作里是怎么发现销售数据异常的？举一个例子？发现以后怎么解决？有哪些方法可以发现数据异常？写上一句话，就需要做好被拔干净的准备……
大多数人应该在实习中，预计7-8月会有不少人需要重新制作简历，增改实习经历。可以先收藏文章，7、8月再边改边看呀。
一年多在牛客后台的提问里，很多人问到了一些业务题、产品题、统计学、算法题的面试准备方法。近一年的工作中也攒下了不少的经验，准备在公众号慢慢整理数据分析方向校招的知识点和准备方式，目前想好的内容主要是：
【1】费米估算问题（已完成）
【2】业务场景题（已完成）
【3】AB实验和假设检验
【4】应届生-数据分析方向自我介绍怎么准备
【5】面试常见的SQL语法
【6】不懂算法但害怕面试中问到怎么办
【7】如何在面试中展示数据分析报告或者项目
【8】我的自我剖析文档有什么内容
………………
关注公众号回复“数据”即可收到一波我整理的pdf电子书，包括
1.精益数据分析
2.增长黑客
3.数据化管理
4.统计数字会撒谎
5.growing io出品的互联网第一本数据分析手册
等等12本书
想要书或者想跟进的可以关注我~平时也会更新一些工作中对数据分析、数据产品、数据可视化的思考，一起交流啦~
想跟进的可以关注我~平时也会更新一些工作中对数据分析、数据产品、数据可视化的思考，一起交流啦~~~
微信公众号：阿狸和小兔
全部评论
(1) 回帖