最近有讀者私聊我時(shí)發(fā)現(xiàn)有不少應(yīng)屆生和初學(xué)者，他們?cè)诖髷?shù)據(jù)怎么學(xué)诈茧，以及大數(shù)據(jù)怎么面試产喉，簡(jiǎn)歷怎么寫(xiě)等方面有很大的困擾，今天我們就來(lái)談?wù)勱P(guān)于大數(shù)據(jù)的一些事若皱。
寫(xiě)在前面：每個(gè)人的學(xué)習(xí)方法可能不一樣镊叁，只有找到適合自己的才是最好的，以下這些只是我在學(xué)習(xí)大數(shù)據(jù)時(shí)的一些總結(jié)及經(jīng)驗(yàn)走触，有不全面的地方還請(qǐng)各位大佬多包涵晦譬，互相學(xué)習(xí)，共同進(jìn)步互广，非常感謝敛腌！
我之前在回答過(guò)類(lèi)似的問(wèn)題，有人問(wèn)大數(shù)據(jù)工程師的日常工作內(nèi)容是干嘛惫皱？像樊，我當(dāng)時(shí)看到之后就隨意回答了下，先說(shuō)了下大數(shù)據(jù)日常干嘛旅敷，然后又說(shuō)了下怎么準(zhǔn)備大數(shù)據(jù)的面試生棍，怎么學(xué)大數(shù)據(jù)等等，沒(méi)想到反響還挺好媳谁，截圖了部分評(píng)論：
今天走心回答一波涂滴，把之前回答的內(nèi)容再整理下友酱。
1. 大數(shù)據(jù)學(xué)習(xí)
大數(shù)據(jù)怎么學(xué)，該學(xué)哪些東西柔纵，不需要學(xué)哪些東西缔杉，是大家問(wèn)的最多的一個(gè)問(wèn)題，也有不少同學(xué)問(wèn)培訓(xùn)機(jī)構(gòu)講的框架太多了搁料，是否都要掌握或详，接下來(lái)我們逐個(gè)解析。
從 2008 年 Hadoop 成為 Apache 頂級(jí)項(xiàng)目開(kāi)始郭计，大數(shù)據(jù)迎來(lái)了體系化的快速發(fā)展霸琴，到如今已經(jīng)走過(guò)十幾個(gè)年頭，這些年里大數(shù)據(jù)框架層出不窮拣宏，可以用“亂花漸欲迷人眼”形容沈贝，框架這么多，應(yīng)該怎么學(xué)勋乾？
我們可以思考下整個(gè)大數(shù)據(jù)的流程是什么，從數(shù)據(jù)采集->數(shù)據(jù)存儲(chǔ)->數(shù)據(jù)處理->數(shù)據(jù)應(yīng)用嗡善，再加一個(gè)任務(wù)調(diào)度辑莫。每個(gè)流程都有很多對(duì)應(yīng)的大數(shù)據(jù)框架，我們學(xué)習(xí)其中一兩個(gè)比較重要罩引，也就是企業(yè)用的較多的框架即可各吨。
數(shù)據(jù)采集：就是把數(shù)據(jù)從其他平臺(tái)采集到我們大數(shù)據(jù)平臺(tái)，只是負(fù)責(zé)采集數(shù)據(jù)袁铐，所以對(duì)這個(gè)流程的框架要求是會(huì)用即可揭蜒，日志采集工具如Flume，大數(shù)據(jù)平臺(tái)與傳統(tǒng)的數(shù)據(jù)庫(kù)(mysql剔桨、postgresql...)間進(jìn)行數(shù)據(jù)的傳遞工具如Sqoop屉更，我們會(huì)用即可，這種工具上手也很快洒缀，沒(méi)有太復(fù)雜的功能瑰谜。
數(shù)據(jù)存儲(chǔ)：數(shù)據(jù)存儲(chǔ)就比較重要了，大數(shù)據(jù)如此流行树绩，和大規(guī)模分布式數(shù)據(jù)存儲(chǔ)快速發(fā)展有很大關(guān)系萨脑，當(dāng)然數(shù)據(jù)存儲(chǔ)的框架也比較多，不同的框架饺饭，功能不太一樣渤早，首先第一個(gè)：Hadoop HDFS，分布式文件系統(tǒng)瘫俊，HDFS的誕生鹊杖，解決了海量數(shù)據(jù)的存儲(chǔ)問(wèn)題悴灵， 但是一個(gè)優(yōu)秀的數(shù)據(jù)存儲(chǔ)系統(tǒng)需要同時(shí)考慮數(shù)據(jù)存儲(chǔ)和訪問(wèn)兩方面的問(wèn)題，比如你希望能夠?qū)?shù)據(jù)進(jìn)行隨機(jī)訪問(wèn)仅淑，這是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)所擅長(zhǎng)的称勋，但卻不是分布式文件系統(tǒng)所擅長(zhǎng)的，那么有沒(méi)有一種存儲(chǔ)方案能夠同時(shí)兼具分布式文件系統(tǒng)和關(guān)系型數(shù)據(jù)庫(kù)的優(yōu)點(diǎn)涯竟，基于這種需求赡鲜，就產(chǎn)生了HBase、MongoDB等庐船。
數(shù)據(jù)處理：大數(shù)據(jù)最重要的環(huán)節(jié)就是數(shù)據(jù)處理了银酬，數(shù)據(jù)處理通常分為兩種：批處理和流處理。
批處理：對(duì)一段時(shí)間內(nèi)海量的離線數(shù)據(jù)進(jìn)行統(tǒng)一的處理筐钟，對(duì)應(yīng)的處理框架有Hadoop MapReduce揩瞪、Spark、Flink等篓冲；
流處理：對(duì)運(yùn)動(dòng)中的數(shù)據(jù)進(jìn)行處理李破，即在接收數(shù)據(jù)的同時(shí)就對(duì)其進(jìn)行處理，對(duì)應(yīng)的處理框架有Spark Streaming壹将、Flink等嗤攻。
批處理和流處理各有其適用的場(chǎng)景，時(shí)間不敏感或者硬件資源有限诽俯，可以采用批處理妇菱；
時(shí)間敏感和及時(shí)性要求高就可以采用流處理。隨著服務(wù)器硬件的價(jià)格越來(lái)越低和大家對(duì)及時(shí)性的要求越來(lái)越高暴区，流處理越來(lái)越普遍闯团，如股票價(jià)格預(yù)測(cè)和電商運(yùn)營(yíng)數(shù)據(jù)分析等。
大數(shù)據(jù)是一個(gè)非常完善的生態(tài)圈仙粱，有需求就有解決方案房交。為了能夠讓熟悉SQL的人員也能夠進(jìn)行數(shù)據(jù)處理與分析，查詢分析框架應(yīng)運(yùn)而生缰盏，常用的有Hive涌萤、Spark SQL、Flink SQL口猜、Phoenix等负溪。這些框架都能夠使用標(biāo)準(zhǔn)的 SQL 或者 類(lèi) SQL 語(yǔ)法靈活地進(jìn)行數(shù)據(jù)的查詢分析。
這些 SQL 經(jīng)過(guò)解析優(yōu)化后轉(zhuǎn)換為對(duì)應(yīng)的作業(yè)程序來(lái)運(yùn)行济炎，如 Hive 本質(zhì)上就是將 SQL 轉(zhuǎn)換為 MapReduce 或 Spark 作業(yè)川抡，Phoenix 將 SQL 查詢轉(zhuǎn)換為一個(gè)或多個(gè) HBase Scan。
大數(shù)據(jù)流處理中使用的比較多的另外一個(gè)框架是Kafka，Kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)崖堤，它可以用于消峰侍咱，避免在秒殺等場(chǎng)景下并發(fā)數(shù)據(jù)對(duì)流處理程序造成沖擊。
數(shù)據(jù)應(yīng)用：處理好的數(shù)據(jù)就可以輸出應(yīng)用了密幔，如可視化展示楔脯，推動(dòng)業(yè)務(wù)決策，用于推薦算法胯甩，機(jī)器學(xué)習(xí)等昧廷。
任務(wù)調(diào)度：復(fù)雜大數(shù)據(jù)處理的另外一個(gè)顯著的問(wèn)題是，如何調(diào)度多個(gè)復(fù)雜的并且彼此之間存在依賴關(guān)系的作業(yè)偎箫？基于這種需求木柬，產(chǎn)生了Azkaban和Oozie等工作流調(diào)度框架。
同時(shí)針對(duì)集群資源管理的需求淹办，又衍生了Hadoop YARN眉枕，資源調(diào)度框架。
想要保證集群高可用怜森，需要用到ZooKeeper速挑，ZooKeeper 是最常用的分布式協(xié)調(diào)服務(wù)，它能夠解決大多數(shù)集群?jiǎn)栴}副硅，包括首領(lǐng)選舉梗摇、失敗恢復(fù)、元數(shù)據(jù)存儲(chǔ)及其一致性保證想许。
以上，在分析大數(shù)據(jù)處理流程中断序，我們把常用的框架都說(shuō)了下流纹，基本上也是大數(shù)據(jù)中最常用的框架，盡量全部掌握违诗。
以上框架大部分是用Java寫(xiě)的漱凝，有部分是用Scala寫(xiě)的，所以我們必須掌握的語(yǔ)言是Java诸迟、Scala茸炒，以便我們開(kāi)發(fā)相關(guān)應(yīng)用及閱讀源碼等。
總結(jié)
我們總結(jié)下重點(diǎn)框架：
語(yǔ)言：Java和Scala（語(yǔ)言以這兩種為主阵苇，需要重點(diǎn)掌握）
Linux（需要對(duì)Linux有一定的理解）
Hadoop（需理解底層壁公，能看懂源碼）
Hive（會(huì)使用，理解底層SQL轉(zhuǎn)化原理及優(yōu)化）
Spark（能進(jìn)行開(kāi)發(fā)绅项。對(duì)源碼有了解）
Kafka（會(huì)使用紊册，理解底層原理）
Flink（能進(jìn)行開(kāi)發(fā)。對(duì)源碼有了解）
HBase（理解底層原理）
Zookeeper（會(huì)用快耿，最好理解原理）
Sqoop囊陡、Flume芳绩、Oozie/Azkaban（會(huì)用即可）
如果走數(shù)倉(cāng)方向，需要掌握以下技能：
離線數(shù)倉(cāng)建設(shè)（搭建數(shù)倉(cāng)撞反，數(shù)倉(cāng)建模規(guī)范）
維度建模（建模方式常用的有范式建模和維度建模妥色，重點(diǎn)關(guān)注維度建模）
實(shí)時(shí)數(shù)倉(cāng)架構(gòu)（兩種數(shù)倉(cāng)架構(gòu)：Lambda架構(gòu)和Kappa架構(gòu)）
不管離線還是實(shí)時(shí)，重中之重就是：SQL遏片。多找一些SQL題練習(xí)嘹害！
等工作之后，有時(shí)間還需要學(xué)習(xí)比較流行的 OLAP 查詢引擎：
Impala 丁稀、Presto吼拥、Druid 、Kudu 线衫、ClickHouse 凿可、Doris
如果還有時(shí)間，需學(xué)習(xí)數(shù)據(jù)質(zhì)量及數(shù)據(jù)治理相關(guān)的內(nèi)容授账！
另還有元數(shù)據(jù)管理工具：Atlas
數(shù)據(jù)湖-Data Lake 三劍客：Delta枯跑、Hudi、Iceberg
2. 大數(shù)據(jù)就業(yè)方向
因?yàn)榇髷?shù)據(jù)涉及到的知識(shí)相對(duì)比較廣泛白热，全部學(xué)精難度太大敛助，所以現(xiàn)在企業(yè)在招聘的時(shí)候會(huì)細(xì)分大數(shù)據(jù)崗位，專(zhuān)注于某個(gè)方向招聘屋确，所以先解下大數(shù)據(jù)的都有哪些就業(yè)方向纳击，然后你在后續(xù)的學(xué)習(xí)過(guò)程中對(duì)哪部分比較感興趣就重點(diǎn)關(guān)注那部分
從上帝視角看一張圖，了解下大數(shù)據(jù)所處的位置及與相關(guān)崗位的關(guān)系
大數(shù)據(jù)行業(yè)的位置
數(shù)倉(cāng)工程師(全稱(chēng)：數(shù)據(jù)倉(cāng)庫(kù)工程師)
數(shù)倉(cāng)工程師日常工作一般是不寫(xiě)代碼的攻臀，主要以寫(xiě) SQL 為主焕数！
數(shù)倉(cāng)工程師是大數(shù)據(jù)領(lǐng)域公司招聘較多的崗位，薪資也較高刨啸，需要重點(diǎn)關(guān)注堡赔！
數(shù)據(jù)倉(cāng)庫(kù)分為離線數(shù)倉(cāng)和實(shí)時(shí)數(shù)倉(cāng)，但是企業(yè)在招聘時(shí)大多要求兩者都會(huì)设联，進(jìn)入公司之后可能會(huì)專(zhuān)注于離線或?qū)崟r(shí)其中之一善已。
就目前來(lái)說(shuō)，大多數(shù)的企業(yè)還是以離線數(shù)倉(cāng)為主离例，不過(guò)未來(lái)趨勢(shì)肯定是實(shí)時(shí)數(shù)倉(cāng)為主换团，所以學(xué)習(xí)時(shí)，為了現(xiàn)在能找到工作粘招，需要學(xué)習(xí)離線數(shù)倉(cāng)啥寇，為了以后的發(fā)展，需要學(xué)習(xí)實(shí)時(shí)數(shù)倉(cāng)。所以辑甜，離線和實(shí)時(shí)都是我們重點(diǎn)掌握的衰絮！
需要掌握的技能：
不管離線還是實(shí)時(shí)，重中之重就是：SQL
SQL 語(yǔ)法及調(diào)優(yōu)一定要掌握磷醋，這里說(shuō)的 SQL 包括 mysql 中的 sql猫牡，hive中的 hive sql，spark 中的 spark sql邓线，flink 中 的 flink sql淌友。
在企業(yè)招聘的筆記及面試中，一般問(wèn)的關(guān)于 sql 的問(wèn)題主要是以 hive sql 為主骇陈，所以請(qǐng)重點(diǎn)關(guān)注震庭！
除 sql 外，還需要重點(diǎn)掌握以下技能你雌，分為離線和實(shí)時(shí)
離線數(shù)倉(cāng)需要重點(diǎn)掌握的技能：
Hadoop（HDFS器联，MapReduce，YARN）
Hive（重點(diǎn)婿崭，包括hive底層原理拨拓，hive SQL及調(diào)優(yōu)）
Spark（Spark 會(huì)用及了解底層原理）
Oozie（調(diào)度工具，會(huì)用即可）
離線數(shù)倉(cāng)建設(shè)（搭建數(shù)倉(cāng)氓栈，數(shù)倉(cāng)建模規(guī)范）
維度建模（建模方式常用的有范式建模和維度建模渣磷，重點(diǎn)關(guān)注維度建模）
實(shí)時(shí)數(shù)倉(cāng)需要重點(diǎn)掌握的技能：
Hadoop（這是大數(shù)據(jù)基礎(chǔ)，不管離線和實(shí)時(shí)都必須掌握）
Kafka（重點(diǎn)授瘦，大數(shù)據(jù)領(lǐng)域中算是唯一的消息隊(duì)列）
Flink（重中之重醋界，這個(gè)不用說(shuō)了，實(shí)時(shí)計(jì)算框架中絕對(duì)王者）
HBase（會(huì)使用提完，了解底層原理）
Druid（會(huì)用物独，了解底層原理）
實(shí)時(shí)數(shù)倉(cāng)架構(gòu)（兩種數(shù)倉(cāng)架構(gòu)：Lambda架構(gòu)和Kappa架構(gòu)）
大數(shù)據(jù)開(kāi)發(fā)工程師
數(shù)據(jù)開(kāi)發(fā)工程師一般是以寫(xiě)代碼為主，以 Java 和 Scala 為主氯葬。
大數(shù)據(jù)開(kāi)發(fā)分兩類(lèi)，第一類(lèi)是編寫(xiě)Hadoop婉陷、Spark帚称、Flink 的應(yīng)用程序，第二類(lèi)是對(duì)大數(shù)據(jù)處理系統(tǒng)本身進(jìn)行開(kāi)發(fā)秽澳，如對(duì)開(kāi)源框架的擴(kuò)展開(kāi)發(fā)闯睹，數(shù)據(jù)中臺(tái)的開(kāi)發(fā)等！
需要重點(diǎn)掌握的技能：
語(yǔ)言：Java和Scala（語(yǔ)言以這兩種為主担神，需要重點(diǎn)掌握）
Linux（需要對(duì)Linux有一定的理解）
Hadoop（需理解底層楼吃，能看懂源碼）
Hive（會(huì)使用，能進(jìn)行二次開(kāi)發(fā)）
Spark（能進(jìn)行開(kāi)發(fā)。對(duì)源碼有了解）
Kafka（會(huì)使用孩锡，理解底層原理）
Flink（能進(jìn)行開(kāi)發(fā)酷宵。對(duì)源碼有了解）
HBase（理解底層原理）
通過(guò)以上技能，我們也能看出躬窜，數(shù)據(jù)開(kāi)發(fā)和數(shù)倉(cāng)開(kāi)發(fā)的技能重復(fù)率較高浇垦，所以很多公司招聘時(shí) 大數(shù)據(jù)開(kāi)發(fā) 和 數(shù)倉(cāng)建設(shè) 分的沒(méi)有這么細(xì)，數(shù)據(jù)開(kāi)發(fā)包含了數(shù)倉(cāng)的工作荣挨！
ETL工程師
ETL是三個(gè)單詞的首字母男韧，中文意思是抽取、轉(zhuǎn)換默垄、加載
從開(kāi)始的圖中也能看出此虑，ETL工程師是對(duì)接業(yè)務(wù)和數(shù)據(jù)的交接點(diǎn)，所以需要處理上下游的關(guān)系
對(duì)于上游口锭，需要經(jīng)常跟業(yè)務(wù)系統(tǒng)的人打交道朦前，所以要對(duì)業(yè)務(wù)系統(tǒng)比較熟悉讹弯。比如它們存在各種接口况既，不管是API級(jí)別還是數(shù)據(jù)庫(kù)接口，這都需要ETL工程師非常了解组民。
其次是其下游棒仍，這意味著你要跟許多數(shù)據(jù)開(kāi)發(fā)工程師師、數(shù)據(jù)科學(xué)家打交道臭胜。比如將準(zhǔn)備好的數(shù)據(jù)（數(shù)據(jù)的清洗莫其、整理、融合）耸三，交給下游的數(shù)據(jù)開(kāi)發(fā)和數(shù)據(jù)科學(xué)家乱陡。
需要重點(diǎn)掌握的技能
語(yǔ)言：Java/Python（會(huì)基礎(chǔ)）
Shell腳本（需要對(duì)shell較為熟悉）
Linux（會(huì)用基本命令）
Kettle（需要掌握）
Sqoop（會(huì)用）
Flume（會(huì)用）
MySQL（熟悉）
Hive（熟悉）
HDFS（熟悉）
Oozie（任務(wù)調(diào)度框架會(huì)用其中一個(gè)即可，其他如 azkaban仪壮，airflow）
數(shù)據(jù)分析工程師
在數(shù)據(jù)工程師準(zhǔn)備好數(shù)據(jù)維護(hù)好數(shù)倉(cāng)后憨颠，數(shù)據(jù)分析師就上場(chǎng)了。
分析師們會(huì)根據(jù)數(shù)據(jù)和業(yè)務(wù)情況积锅，分析得出結(jié)論爽彤、制定業(yè)務(wù)策略或者建立模型，創(chuàng)造新的業(yè)務(wù)價(jià)值并支持業(yè)務(wù)高效運(yùn)轉(zhuǎn)缚陷。
同時(shí)數(shù)據(jù)分析師在后期還有數(shù)據(jù)爬蟲(chóng)适篙、數(shù)據(jù)挖掘和算法工程師三個(gè)分支。
需要重點(diǎn)掌握的技能：
數(shù)學(xué)知識(shí)（數(shù)學(xué)知識(shí)是數(shù)據(jù)分析師的基礎(chǔ)知識(shí)箫爷，需要掌握統(tǒng)計(jì)學(xué)嚷节、線性代數(shù)等課程）
編程語(yǔ)言（需要掌握Python聂儒、R語(yǔ)言）
分析工具（Excel是必須的智绸，還需要掌握 Tableau 等可視化工具）
數(shù)據(jù)敏感性（對(duì)數(shù)據(jù)要有一定的敏感性余掖，看見(jiàn)數(shù)據(jù)就能想到它的用處姐赡，能帶來(lái)哪些價(jià)值）
3. 大數(shù)據(jù)面試
如果讓我招大數(shù)據(jù)工程師墙懂，我第一看中的不是技術(shù)憎茂，而是你有沒(méi)有獨(dú)立思考的能力透敌，給你一個(gè)你毫不熟悉的項(xiàng)目领斥，能不能快速理清業(yè)務(wù)邏輯嫉拐，能不能將需求完整的復(fù)述一遍鳍悠，因?yàn)檫@太重要了税娜，我司目前招進(jìn)來(lái)兩個(gè)大數(shù)據(jù)初級(jí)，不知道是跨行業(yè)的原因藏研，還是其他敬矩，需求始終理解的差那么一點(diǎn)，也可能是我們的業(yè)務(wù)比較復(fù)雜蠢挡。但是需求理解不到位弧岳，技術(shù)在厲害也是沒(méi)用
但是話又說(shuō)回來(lái)，需求這東西你沒(méi)辦法提前復(fù)習(xí)啊业踏，只有需求來(lái)了才知道要干什么禽炬，所以面試時(shí)只能考察技術(shù)及你的過(guò)往項(xiàng)目經(jīng)歷，通過(guò)你之前做的項(xiàng)目看你對(duì)這個(gè)項(xiàng)目的理解情況勤家，這主要看和面試官有沒(méi)有眼緣腹尖，沒(méi)有具體標(biāo)準(zhǔn)，因?yàn)槊總€(gè)人做的項(xiàng)目可能不一樣伐脖，你項(xiàng)目中會(huì)的地方多說(shuō)一點(diǎn)热幔，不會(huì)的少說(shuō)一點(diǎn)或者干脆不說(shuō)，面試官感覺(jué)你說(shuō)得好讼庇，你就有希望
但是技術(shù)是有標(biāo)準(zhǔn)的绎巨，問(wèn)你某個(gè)技術(shù)點(diǎn)，你會(huì)就是會(huì)蠕啄，不會(huì)就是不會(huì)
但是在學(xué)技術(shù)的時(shí)候要多思考场勤，這個(gè)技術(shù)點(diǎn)為什么這樣實(shí)現(xiàn)，有什么好處歼跟，多思考會(huì)讓大腦越來(lái)越靈活却嗡，就比如Flink支持精準(zhǔn)一次處理語(yǔ)義，但是大家深入思考下flink的精準(zhǔn)處理是怎么實(shí)現(xiàn)的嘹承，有人說(shuō)是通過(guò)兩階段提交協(xié)議實(shí)現(xiàn)的，對(duì)如庭，是通過(guò)這個(gè)協(xié)議叹卷，那再深入思考下撼港，這個(gè)協(xié)議的主要內(nèi)容是什么，底層的算法是怎么實(shí)現(xiàn)的骤竹，這樣一步步的向下思考帝牡，你就會(huì)發(fā)現(xiàn)一個(gè)新世界。
以上說(shuō)這么多蒙揣，其實(shí)就兩點(diǎn)靶溜，面試主要考察技術(shù)和項(xiàng)目。項(xiàng)目也是非常重要的懒震，通過(guò)項(xiàng)目一方面可以考察你的技術(shù)掌握情況罩息，另一方面考察你對(duì)項(xiàng)目的理解情況，如果你連自己簡(jiǎn)歷中的項(xiàng)目都不太熟悉个扰，說(shuō)的磕磕絆絆瓷炮，那么你進(jìn)到公司后，怎么能短時(shí)間內(nèi)快速熟悉業(yè)務(wù)呢递宅。
所以娘香，簡(jiǎn)歷中一定要寫(xiě)項(xiàng)目，并且對(duì)項(xiàng)目要非常熟悉办龄！
五分鐘學(xué)大數(shù)據(jù)公眾號(hào)對(duì)話框發(fā)送：面試烘绽，會(huì)有一份帶解析的超全大數(shù)據(jù)面試題！
4. 大數(shù)據(jù)簡(jiǎn)歷
對(duì)于許多應(yīng)屆生來(lái)說(shuō)俐填，有不少是帶著學(xué)生思維來(lái)撰寫(xiě)簡(jiǎn)歷安接，不僅于求職加分無(wú)益，還給自己挖了許多坑玷禽。敗在簡(jiǎn)歷關(guān)赫段，等于一場(chǎng)馬拉松摔輸在了起跑線，還沒(méi)開(kāi)始就結(jié)束了矢赁。
簡(jiǎn)歷的大忌：
海投簡(jiǎn)歷
不要一份簡(jiǎn)歷原封不動(dòng)地發(fā)送給數(shù)十家企業(yè)糯笙。這樣的結(jié)果往往是石沉大海。
求職講求“人崗匹配”撩银，即面試者個(gè)人素質(zhì)與職位要求高度一致给涕。要針對(duì)崗位要求適當(dāng)修改簡(jiǎn)歷，提升崗位匹配度额获。
簡(jiǎn)歷毫無(wú)重點(diǎn)
一篇優(yōu)秀的簡(jiǎn)歷够庙，應(yīng)該是懂得“舍棄”的簡(jiǎn)歷。你不需要將自己大學(xué)幾年來(lái)所有的事件經(jīng)歷都羅列上去抄邀，而是應(yīng)該根據(jù)企業(yè)和崗位的需求進(jìn)行取舍耘眨，選取出最匹配的經(jīng)歷大篇幅呈現(xiàn)出來(lái)，其他經(jīng)歷大可一筆帶過(guò)甚至干脆不談境肾。
簡(jiǎn)歷怎么寫(xiě)：
重點(diǎn)來(lái)啦Ｌ弈选５ㄓ臁！寫(xiě)簡(jiǎn)歷一定要用四大原則和STAR法則偶宫！
什么是四大原則非迹，什么是STAR法則，接下來(lái)我們就逐項(xiàng)解析：
四大原則：
關(guān)鍵詞原則
關(guān)鍵詞原則指的是纯趋，多使用一些行業(yè)術(shù)語(yǔ)或?qū)I(yè)詞匯放入你的經(jīng)歷描述中憎兽，凸顯出你的專(zhuān)業(yè)性以及對(duì)該行業(yè)的熟悉程度。
動(dòng)詞原則
動(dòng)詞是一個(gè)句子的靈魂所在吵冒，也是面試官判斷你的個(gè)人經(jīng)歷是否真實(shí)的重要標(biāo)準(zhǔn)之一纯命。在經(jīng)歷描述中，要著重注意動(dòng)詞的挑選桦锄，最準(zhǔn)確的動(dòng)詞才能夠傳達(dá)出你的經(jīng)歷價(jià)值扎附。
比如表明自己行為的動(dòng)詞“從事”“積累”“得到”，似乎是所有工作中都用得到结耀，但根本看不出這份經(jīng)歷的獨(dú)特性留夜。
為了展現(xiàn)你的經(jīng)歷真實(shí)與價(jià)值，足夠?qū)I(yè)化的動(dòng)詞才是加分項(xiàng)图甜。
數(shù)字原則
多用數(shù)字其實(shí)是簡(jiǎn)歷很好的加分項(xiàng)碍粥，數(shù)字的意義是將你的經(jīng)歷量化。豐富的數(shù)字比華麗的形容詞要更有說(shuō)服力黑毅。
數(shù)字一般可以用于三種維度：價(jià)值嚼摩，時(shí)間，數(shù)量矿瘦。
牢記枕面，能夠量化的內(nèi)容都量化，用數(shù)據(jù)展現(xiàn)你豐厚的經(jīng)歷缚去。
結(jié)果原則
許多同學(xué)在經(jīng)歷描述時(shí)會(huì)忽略自己經(jīng)歷的最終成果潮秘，但結(jié)果是證明你經(jīng)歷價(jià)值的重要依據(jù)之一。
STAR法則
Situation 項(xiàng)目背景
介紹一下你所處的平臺(tái)和團(tuán)隊(duì)有多優(yōu)秀易结，以證明你曾經(jīng)的被認(rèn)可程度枕荞。
Task 項(xiàng)目目標(biāo)
介紹一下你們此項(xiàng)活動(dòng)的具體目標(biāo)與設(shè)想，有時(shí)可以和上一部分進(jìn)行合并搞动。
Action 你做了什么
說(shuō)明你在團(tuán)隊(duì)中做出了怎樣的努力躏精，充當(dāng)了怎樣的角色，發(fā)揮了什么樣的作用鹦肿，以此展現(xiàn)你的個(gè)人實(shí)力和在團(tuán)隊(duì)中的成長(zhǎng)與歷練矗烛。這一部分往往是最重要的。
Result 得到怎樣的結(jié)果
說(shuō)明你最終取得了怎樣的工作成果箩溃，表述時(shí)可以參照上部分的“四大原則”瞭吃。
五分鐘學(xué)大數(shù)據(jù)公眾號(hào)對(duì)話框發(fā)送：簡(jiǎn)歷碌识，會(huì)有幾十份大數(shù)據(jù)簡(jiǎn)歷模板供你參考！
最后給大家一些高逼格的關(guān)鍵詞和動(dòng)詞虱而，僅供娛樂(lè)：
注：以下詞語(yǔ)簡(jiǎn)歷及面試時(shí)可以用，但是別太過(guò)开泽！
高逼格名詞：生命周期牡拇，價(jià)值轉(zhuǎn)化，強(qiáng)化認(rèn)知穆律，資源傾斜惠呼，完善邏輯，抽離透?jìng)髀驮牛瑥?fù)用打法剔蹋，商業(yè)模式，快速響應(yīng)辅髓，定性定量泣崩，關(guān)鍵路徑，去中心化洛口，結(jié)果導(dǎo)向矫付，垂直領(lǐng)域，歸因分析第焰，體驗(yàn)度量买优，信息屏障，資源整合
高逼格動(dòng)詞：復(fù)盤(pán)挺举，賦能杀赢，加持，沉淀湘纵，倒逼脂崔，落地，串聯(lián)瞻佛，協(xié)同脱篙，反哺，兼容伤柄，包裝绊困，重組，履約适刀，響應(yīng)秤朗，量化，布局笔喉，聯(lián)動(dòng)取视，細(xì)分硝皂，梳理，輸出作谭，加速稽物，共建，支撐折欠，融合贝或，聚合，集成锐秦，對(duì)標(biāo)咪奖，聚焦，抓手酱床，拆解羊赵，抽象，摸索扇谣，提煉昧捷，打通，打透揍堕，吃透料身，遷移，分發(fā)衩茸，分裝芹血，輻射，圍繞楞慈，復(fù)用幔烛，滲透，擴(kuò)展囊蓝，開(kāi)拓饿悬，皮實(shí)，共創(chuàng)聚霜，共建狡恬，解耦，集成蝎宇，對(duì)齊弟劲，拉齊，對(duì)焦姥芥，給到兔乞，拿到，死磕
你們對(duì)這些詞有什么看法呢。
最后庸追，來(lái)一個(gè)面試官的死亡提問(wèn)：
你這個(gè)問(wèn)題的底層邏輯是什么霍骄？頂層設(shè)計(jì)在哪？最終交付價(jià)值是什么淡溯？過(guò)程的抓手在哪读整？如何保證回答閉環(huán)？你比別人的亮點(diǎn)在哪咱娶？?jī)?yōu)勢(shì)在哪绘沉？你的思考和沉淀是什么？這個(gè)問(wèn)題換成我來(lái)問(wèn)是否會(huì)不一樣豺总？你的獨(dú)特價(jià)值在哪？
討論
你是因?yàn)槭裁丛蚨鴱氖麓髷?shù)據(jù)工作呢择懂，因?yàn)榇髮W(xué)學(xué)的這個(gè)專(zhuān)業(yè)喻喳？大數(shù)據(jù)比較熱門(mén)而學(xué)？大數(shù)據(jù)工資高轉(zhuǎn)行學(xué)困曙？歡迎在評(píng)論區(qū)留下你的留言表伦！
