面試官還會問一些其他奇奇怪怪的問題,對於我們這類一心只想做事,不懂這些彎彎繞的人來說很容易踩坑。面試到最後技能都過關了,就是因為說錯了一句話,被面試官以出門先邁左腳為由拒絕。

所以求職的時候,除了技能和經驗的準備之外,還是要懂一點面試套路。不是為了反套路,只為能在技能過關的情況下,不會被莫名其妙的刷掉。

這一篇先說一個經典面試題。

你的缺點是什麼?

經典送命題來了。

這題如果不知道套路,難度和另一道送命題老婆和老媽掉水裡先救誰的問題一樣特別容易送命。

應對的套路網上可以搜到很多招數,但都基本沒用,比如:

﹣避重就輕類:談一個無足輕重的缺點,比如唱歌不好聽。這種答案實在沒有營養,只能拉低面試的效率和對你的評價。
﹣耍小聰明類:我太追求完美了。這回答十年前估計還好使,現在再用反感度拉滿。
﹣指指點點類:不要談致命缺點、不要談無法改善的缺點、不要談非職業的缺點……這種文章看到就可以直接拉黑了,說了一堆不要,那到底要啥,給個方向啊。

考察點是什麼

這類問題現在比較成熟的HR不太問了,因為懂套路的人越來越多了,問不出什麼有用的資訊。

但在最開始的時候,這個問題還是能獲取到一些資訊的。

第一個資訊是和職業技能相關的硬性要求。比如這個崗位除了專業技能過關,還需要性格開朗,喜歡和人打交道。那麼缺點是孤僻的人就容易被淘汰。
第二個資訊反映出候選人自己對自己的評價。當你不懂面試套路,遇到別人問你缺點,你的第一反應往往決定了你希望自己成為什麼樣的人。

﹣如果你第一反應是覺得自己管理能力不足,那麼說明你一直有想做管理者的想法;
﹣如果你第一反應是無關緊要的一些缺點,比如唱歌不好聽這種,那麼說明你日常的關注點也很可能集中在娛樂上;
﹣如果你第一反應是覺得自己沒有什麼缺點,那麼說明對自己沒有什麼要求,目標也不夠清晰。

一橫一縱回答法

HR想獲取以上兩種資訊,所以我們回答的時候也可以沿著這個套路走。對應方法分為一橫一縱。

收集了麥肯錫、波士頓等頂尖諮詢公司常用的12個思維模型,掌握並熟練運用這些模型,你就能迅速找到解決問題的突破口,成為解決問題的高手。

1 — — PEST分析

這是麥肯錫顧問經常使用的一個框架。

麥肯錫顧問在為企業進行管理諮詢時,首先會從政治(politics)、經濟(economics)、社會/文化(socio-cultural)和技術(tech-nological)四個方面,把握重大環境變化、進行宏觀分析。

不過,在多數情況下,PEST分析也僅是一個對各種因素進行單純梳理的框架,從這一框架中不可能得出新的洞察結果。

雖說如此,PEST分析在觀察宏觀趨勢方面還是能夠發揮其應有作用的。尤其在把握非連續性的環境變化時,對此前的常識不再通用的未知市場並對其進行驗證時,這個框架使用起來也比較方便。

2 — — SWOT分析

SWOT分析從內部環境和外部環境兩方面、每個方面進行正面和負面觀察。

內部環境的正面是優勢(strength),負面是劣勢(weakness);外部環境的正面是機會(opportunity),負面是威脅(threat)。

今天繼續分享九大資料分析方法系列。上一篇說到,當我們要分析的問題,受到太多因素的影響的時候,經常會不知道從哪裡下手。這時候,需要把各種影響因素梳理清楚,就需要用到MECE。

一、什麼是MECE

MECE是(Mutually Exclusive Collectively Exhaustive)的縮寫,指的是“相互獨立,完全窮盡”的分類原則。透過MECE方法對問題進行分類,能做到清晰準確,從而容易找到答案。

很多小夥伴聽到MECE,都會眉頭一皺,大呼:
“好難呀!”
“怎麼做到獨立窮盡!”
“是不是要懂得世界上所有道理,才能窮盡?”

其實完全不是,最好的做到獨立、窮盡的辦法,就是二分法。舉個簡單的例子,門店的店長抱怨:“遇到個颳風下雨打雷,街上沒有人了,生意就很差”。這裡的颳風下雨打雷,就不符合MECE原則。因為這三者之間既有關係,又有區別(如下圖)

那麼怎麼做到MECE呢?

二、如何做到MECE

首先要明確目標:其實我們關心的不是天氣咋樣,而是天氣會不會影響人流。那麼在對影響因素分類的時候,就得先把最大因素分離出來,再分離小的因素。由大到小,逐步剝洋蔥。

比如颳風、下雨、大雷三件事,颳風除非是颱風天,否則很少能影響到人們出行。大雷往往和下雨相伴,乾打雷不下雨情況很少。因此相比之下,颳風、下雨、大雷裡邊,下雨影響最大,可以第一個分離出來。

這樣,透過下雨/非下雨的區分,就做到了獨立、窮盡。是和否的二分類,是很容易做到獨立窮盡的。

三、如何利用MECE做分析

但是僅區分是否下雨並不能進行分析。如果下的雨很小,也不會影響人流。我們還需要更細緻的劃分,才能分析問題。好在,天氣預報軟體能給出具體的氣象資訊,包括溫度、溼度、降雨量等等,可供分析使用。

這裡有兩種深入方法:
•用相關分析法,收集降雨量指標,之後尋找降雨量指標與客流之間關係。比如收集了10個下雨天氣的客戶流量資料,可以做散點圖,尋找相關關係。這種做法,靈活性較大,可以在沒有經驗積累的情況下總結出規律。
•用標籤分析法,不糾結具體降雨量多少,而是直接用氣象局給的暴雨警報標籤(黃色、橙色、紅色)。然後看不同標籤下的客流情況這種做法,直接採用現成標籤,在有標籤積累的情況下更好用,很直觀。

“要說職場上最反人類的東西是什麼?”

“那必然是日週報無疑”

“日週報可能是最具特色的網際網路行業事項”

可以說,只要你在職場上,90%的人都有過被日週報支配的恐懼

﹣“本來5點半就能下班,寫個日報硬生生憋到7點半,到家直接9點,955被日報整成995”
﹣“週末玩了兩天,周天11點洗完澡躺床上,準備玩會兒手機睡覺,突然想起週報沒寫,只能痛苦地從床上爬起來寫週報”
﹣“剛入職時日報過於簡略,被領導樹立為反面教材,隨後不斷學習成為了公司日報卷王”

而這90%的人中,還有20%的表哥表姐是天天都要整理報表,跟Excel愛的難捨難分

拿傳統制造企業來說,監控每天生產資料和完成進度,對製造企業來說是非常重要的,哪怕這些報表人工製作起來非常繁瑣,也不得不花費人力去做。相比之下,普通人寫日週報簡直是小菜一碟。

對錶格表姐來說,寫日週報就意味著,需要收集整理來自各車間的資料統計報表、臺賬、資料圖表等來作為週報,也就是說每週需要收集幾十個來自不同部門的Excel表,收集後再將這些表合併起來統計資料。

經常有小夥伴問:“做資料分析師是不是很好呀?我看網上好多人寫轉行的文章”。這個,我勸你小心。網上寫文章嘛,都是隻寫賊吃肉,不寫賊捱打,以我3年來的經歷來看,至少有十個常見的問題,是網上文章很少提到的。

今天集中火力吐槽一波:

本文翻譯自Aseem Kashyap《8 Rules for optimal use of color in data visualization》

資料視覺化的目標是傳達來自資料分析工作流的關鍵結果。雖然圖表需要美觀,但視覺化的首要目標不是“高顏值”。

在資料視覺化中使用配色應該是幫助傳播關鍵發現,而不是成為某種藝術創作的一個環節。

規則1:在應該使用配色的時候使用,而不是在可以使用的時候使用配色

顏色的使用應該仔細斟酌,以傳達關鍵的發現,因此,這一決定不能留給自動演算法來做出。大多數資料應該是中性顏色,如灰色,保留鮮豔的顏色以將注意力引向重要或非典型的資料點。

1991–1996年的銷售額(百萬美元)。紅色被用來引起人們對1995年異常低迷的銷售的關注。其他沒有明顯銷售額變化的年份都是灰色的。

規則2:利用顏色對相關資料點進行分組

顏色可用於對相似值的資料點進行分組,並使用以下兩個調色面板呈現這種相似性的程度:

順序調色盤由均勻飽和度的單一色調的不同強度組成。相鄰顏色的亮度變化對應於它們用於渲染的資料值的變化。

數據分析那些事

數據分析那些事

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/