如果更想弄清「指标为什么变了,业务下一步查什么」,先试数据分析。如果更想让「数据每天能跑、出错能恢复、修改能追溯」,先试数据工程。两岗都可能写 SQL,区别主要在日常交付和谁对结果负责。
| 想比较什么 | 数据分析师 | 数据工程师 |
|---|---|---|
| 平时交什么 | 指标报表、原因线索、下一步建议 | 加工后的数据表、校验规则、告警与重跑记录 |
| 能力重心 | 定义指标、用 SQL 取数核对、把结果讲给业务 | 用 SQL 或脚本加工、设计数据表、处理重复和异常 |
| 零经验先练什么 | 用一份订单写一页指标解释 | 用同一份订单做一次去重,再重跑验证 |
| 相邻岗位如何切入 | 从运营、销售或财务报表做一个完整分析 | 从开发、测试或自动化任务做一个可恢复的加工流程 |
按招聘要求选第一份作品
先练共同基础。 两个方向都可以从 SQL 的分组、关联、缺失值和重复记录开始。分析方向多走一步,把一个业务问题写成「指标怎么算、这次变动能说明什么、还要查哪里」。工程方向多走一步,记录输入、预期结果和失败后的恢复方案,让另一个人用同一份材料也能跑通。
再对照两份你真能投的 JD。 找目标城市、相近职级和相同招聘阶段,分别圈出必须条件、优先条件和主要交付。已经做报表的人可先补业务解释,已有开发或测试经验的人可先补数据重跑。两岗也可能交叉。面试时问:「新人第一份交付是什么?数字对不上,谁负责解释,谁负责修数据流程?」
杉数科技历史校招样本的数据分析条目提到梳理业务、处理原始数据、分析结果与提出改进,也有工程支持工作。华讯网络上海社招样本的数据开发条目强调采集、加工、建模、数据服务及自动化。这两份可对照职责动词,招聘阶段不同,无法据此比较薪资或入门难度。数据工程的任务范围可参看 IBM 的介绍。
共同输入:重复订单、缺地区与跨日退款都怎么识别?
这是费马编辑部编写的虚构练习,无真实客户数据。时间用北京时间,D1、D2 是两个相邻日。支付表和退款表各自有唯一业务键。下表顺序只是到达顺序,支付和退款都用源事件记录判断实际业务发生时间。
| 记录 | 业务时间 | 数据到达 | 金额 | 地区 | 备注 |
|---|---|---|---|---|---|
| 支付 O101 | D1 10:00 | D1 10:01 | 120 | 华东 | 已支付 |
| 支付 O101 重放 | D1 10:00 | D1 10:03 | 120 | 华东 | 与原行一致 |
| 支付 O102 | D1 11:00 | D1 11:01 | 100 | 华北 | 已支付 |
| 支付 O103 | D1 16:00 | D1 16:01 | 80 | 缺失 | 已支付 |
| 支付 O104 | D2 09:00 | D2 09:01 | 200 | 华东 | 已支付 |
| 退款 R01,归 O101 | D2 10:00 | D2 18:00 | 30 | 沿用原单 | 成功、晚到 |
| 退款 R02,归 O104 | D2 11:00 | D2 11:01 | 50 | 沿用原单 | 成功 |
本轮业务问题是“按支付日期分组的订单,目前还有多少净支付额”。双方先确认这份口径:同一订单的重复支付记录只计一次,地区缺失归“未知”并保留在全站数,成功退款归原订单支付日。净支付额=支付金额减截至快照已接收且已匹配到原支付订单的成功退款金额。本例规定一单一笔有效支付,实际一单多笔支付时需先确认支付交易键和聚合粒度。退款也按退款事件键去重,部分退款不能直接按整笔订单金额扣除。
财务若想看“今天实际退了多少钱”,应该改为按退款成功发生日分组,再注明可见快照。业务补偿、结算或其他指标也需另定语义。这一结论来自问题和口径选择,任何职位都不能单靠工具替用户决定。
分析师交付:一张报表和一段能用的解释
以 D2 晚上 20:00 的数据为准,先去重,再对成功退款按同一快照汇总。
| 原支付日 | 唯一已支付订单 | 支付金额 | 已接收的成功退款 | 净支付额 |
|---|---|---|---|---|
| D1 | 3 | 300 | 30 | 270 |
| D2 | 1 | 200 | 50 | 150 |
| 全站 | 4 | 500 | 80 | 420 |
D1 支付额是 120+100+80=300。若把 O101 重放算了两次,就得到 420,虚增 120。按地区汇总,D1 华东净额 90、华北 100、未知 80,加起来仍是 270。把“未知”随手滤掉,地区总和只剩 190。如果想计算“D1 已知地区净额占比”,分母可以只取 190,但标题必须写清与全站指标的差别。
分析师会在旁边写给业务同事的短说明:“今天看到 D1 净额从中午快照的 300 修订为晚上的 270,原因是 D2 10 点成功的原单退款,到 18 点才进入计算。这是回补后的历史快照修订,不能由 30 元下调推断 D1 的成交突然变差。需要追的是迟到数据是否频繁,以及未知地区是否主要集中在某个入口。”假如只给一张图,读者会把历史回补误解成实时经营下滑。
本题既没有随机分组,也没有足够样本推断原因。即使 D1 净额高于 D2,也可能是订单量、渠道或观察成熟度不同。建议先让负责订单或退款团队核实异常来源,需要做更大决策时再扩展样本和观察期。
工程师交付:同一批跑两次,结果不会再多算一遍
工程端先保存原始快照和运行时间,随后用支付键和退款键识别重复。相同业务键且关键数据一致,按一笔处理;相同键却有冲突的金额或状态,按上游契约认定合法更新与冲突,将无法裁定的记录标记并告警。不确定时不能随便留最后到达的一行。
退款事件需要能找到原支付订单。若 R01 到达时原单还没到,把退款记录留在待匹配区,暂不扣减任何订单,同时让下游看见“有待匹配项”的质量状态。原单找到后重新计算相应支付日。每次产出记录快照时点和版本,以便区分中午可见状态和晚上的回补结果。
| 检查场景 | 应有产出 |
|---|---|
| D2 12:00 首跑 | R02 可见,R01 未到;D1 300、D2 150、全站 450,产出标明快照时间和退款仍可能晚到 |
| D2 20:00 更新 | R01 到达,找到 O101,对 D1 回补为 270;D2 仍为 150;全站为 420 |
| 同样输入再重跑 | O101 和 R01 即便再次出现也各计一次;同快照仍为 4 笔、净额 420 |
| 地区缺失 | O103 保留,全站计入 80;地区表显示“未知”80并记录缺值 |
| 键冲突或上游未就绪 | 标记异常并通知负责源表的人。未通过质量门槛时不把部分新结果冒充本批完成 |
以这张表作发布前测试,把“补数”具体化:输入只发生 R01 新到时,只有 D1 对应指标变动;发布日期、数据日期和运行批次能分别追溯。业务若查中午报告,仍能解释为什么是 450。工程一侧要告诉同事数据跑了哪一步、结果怎么查、出错以后怎样恢复,分析任务则把这些状态转成读者可用的解释。
退款先到、原单后到:两份交付各要给下游什么?
原表里,退款晚到会让昨天的净支付额下修。再做一个独立的虚构压力情景:D2 夜间,收到一笔归给 O105 的成功退款 R03,金额二十元;对应的支付记录还没收到。在 D3 上午,又收到 O105 的有效支付七十元,发生时间为 D2 晚间,地区是华北。这条分支加在原例之后,两处金额只用于演练,不改上表原有七条记录。
| 什么时候收到什么数据 | D1 净额 | D2 净额 | 全站净额 | 怎样解读这一版 |
|---|---|---|---|---|
| D2 晚八点,按原表发布 | 270 | 150 | 420 | R03 和 O105 尚未进入快照 |
| D2 深夜收到 R03,O105 尚缺 | 270 | 150 | 420 | 待匹配区新增一笔二十元;原订单还没找到,暂时不能算到任何支付日 |
| D3 早上匹配成功,回补支付和退款 | 270 | 200 | 470 | D2 支付额增加七十元、计入的成功退款增加二十元,净增加五十元 |
第三行可独立复算:原 D2 净额为 200-50=150 元,加上新匹配的 70-20=50 元,得到 200 元;全站支付变为 570 元,计入的成功退款变为 100 元,净额 470 元。第二行即使知道退款是成功状态,也没有足以归属的订单、地区和支付日。如果工程端擅自扣在 D2,D2 先被降为 130 元;第二天补数据再改到 200 元,读报表的人会看到一次没有经营依据的下跳。若任务另有按退款发生日统计的报表,它可在自己的已知口径下处理这笔退款,不能拿来修改此处的订单净额定义。
分析师应把两层信息都交出来:已能核对的指标,以及仍有什么缺口。可以留一则短更新:“D2 晚八点报表的 150 元基于当时已配对数据。本次新增一笔晚到支付及其可配对退款,按原支付日把 D2 净额修订为 200 元。若复盘昨天的运营决策,请保留当时可见的 150 元,并将 50 元记在补数说明内。”这个写法让读者分辨,哪个数字能解释当时为什么这么决策,哪个数字适合做回溯统计。
工程师应能说明这笔钱为什么不会在两次重跑后变成一百元净增。提交一份包含输入快照、待匹配记录、受影响分区、对账结果和发布版本的记录。D3 只需重算 D2 对应结果,D1 保持二百七十元。再次接收到相同的支付或退款业务键,只核重复,不重复累加。回补前后的快照都要能追到当时实际可见的输入。上游补来的金额若和已有记录冲突,先按源表约定核是否为合法更正,等能判定再替换;不能仅依到达顺序覆盖。
交稿前用四问判断作品能否交给同事
- 需求方临时改问“昨天退了多少钱”怎么办? 在报表标题里保留原来的支付日口径,另说明退款发生日统计需要哪些字段及另一张表。先确认对方想支持的是退款时间复盘,还是原订单收入复盘。
- 把上表最后一行盖住,别人如何恢复答案? 让同伴找到晚到支付、退款归属和旧快照,分别算出五十元改变量和四百七十元新净额。他需要听你补充哪句,哪句就应该进入说明或验收条件。
- 假如补数失败,读者还会看到什么? 约定保留上次完整发布的版本,明确标记刷新失败、数据时点和待匹配状态。确认出现断数由谁复核,什么时候可以告知业务下次更新时间。
- 放进作品集时怎么讲分工? 分析向把原问题、数据口径、两个快照及建议并排。工程向附输入、规则、预期出口、失败分支与重跑证明。面试官问起同一退款时,你应能从自己主导的交付解释对方如何验收。两份产物都可以出现 SQL,核对工作的重点在它们给接手者留下了什么。
怎么用真实 JD 和两次同题试做选方向?
- 分析试做 20 分钟。 拿这份输入做 D1/D2 指标表,写一段 80–120 字备忘,说清口径、修订与最值得查的一件事。找人指出其中一个他可能误读的数,再修改标题或说明。
- 工程试做 20 分钟。 把输入分成支付、退款两张表,写出五条处理规则和四个断言。可以用纸笔、电子表格或 SQL。让同伴要求“同样数据跑两遍”“昨晚的退款今天才到”或“键冲突”,检查方案能否解释表中每一种输出。
试做之后记下哪种返工你更愿意持续做。关心业务为何变化、怎样用查到的数据讲清判断,可以多看分析岗位。乐于解决偶发异常、旧数据修订和可重复交付,可以多看工程方向。两类任务都愿意尝试时,问团队新人主要维护什么、上游断数时谁处理、报表是否需要自行做分析解释。
如果你在从别的专业进入这两类岗位,可继续用招聘描述和技能证据核对清单把试做整理成作品。若喜欢排查和复核,可借动手排故与可靠交接的探索方法记录自己愿意重复哪段任务。想进一步看建模、维护与交接,可了解数据仓库专家职业资料,它是工程方向的一个具体参考。如果方向还不清楚,可以先用94 题职业测试梳理自己喜欢的工作活动、工作方式和择业条件,再拿两份具体 JD 对照上面的两项 20 分钟试做。
常见问题
零经验想转数据岗,要先学很多工具吗? 可以先学用 SQL 分组、关联和排查重复,再用同一份小数据分别做一次指标解释和一次可重跑加工。看自己在哪一步更愿意继续,也看目标招聘是否要求课程、相关经验或特定技术。试做帮你选下一步练什么,不能保证拿到面试。
分析师转数据工程,有哪块容易漏补? 除了写出能取数的查询,还要练失败后怎样恢复。给自己的流程设一个重复输入、一个缺字段、一个晚到订单,演示它会保留什么、拦住什么,以及修复后怎样让报告使用者知道数字变了。面试中可以直接用这份记录说明你怎样处理异常输入。


