正在准备内容……

两人在同一张订单表旁分别核对图表和订单卡片
职业发展职业发展

数据分析师和数据科学家怎么选?用一份订单数据试做两份交付

数据分析师和数据科学家怎么选?用同一份可复制订单数据,试做经营拆分和退款排序,再用两份交付核校招岗位。

作者: 费马测试编辑部

发布于: 2026年11月16日

更新于: 2026年11月16日

阅读时间:9 分钟

内容审核完成 · 2026年11月16日

订阅中文博客(Atom) · 将链接添加到支持 Atom 的 RSS 阅读器,接收最新公开文章和实质更新。

如果你更愿意把经营指标讲清楚,发现问题后追到业务能核查的地方,可以先试业务数据分析。如果你更愿意定义一个可以预测的结果,拿未来数据检验方法能否帮团队做决定,可以先试偏建模的数据科学。投简历前,更值得问的是团队让你长期负责哪项交付。

有些公司把两种任务放在同一岗位。塔牌集团的 2027 届校招就有「数据科学家(数据分析师)」:同一个职位既参与指标与 BI 看板,又做预测、异常检测。它是制造企业的一个招聘样本,说明不能靠职位名或工具栈划出固定界线。下文的「分析师」具体指业务分析、商业智能方向,「数据科学家」指负责预测验证的一类工作。 同为 2027 届,拼多多的「数据分析师」岗位也要求 SQL、Python 和数理统计。拿到招聘说明后,看板、指标和经营复盘要问谁使用、谁验收,建模、预测和异常检测要问目标与验证方法。两类岗位的工具可能重合。 塔牌集团校招:展开「数据科学家方向完整职位描述」查看岗位三 · 拼多多集团校招:数据分析师(南开就业网全文) · IBM:数据分析与数据科学的关系

同一个业务问题里的分工经营分析方向预测验证方向
业务方怎么问净成交额少了多少?跌差主要在哪个渠道?下单时能否排出优先人工核查的订单?
分析对象两周的渠道金额、已确认退款较晚下单的一批订单及随后出现的退款结果
交给谁运营或财务核数字、安排进一步调查审核负责人核队列,数据与工程同事复核输入、效果
交付物一张可复算差额表,一条带负责人的核查建议一份可重现的排序对比,一条保留或再测的建议
怎样验收分组加回总额,计算口径一致,结论不夸大预测只用当时已知信息,两种做法在相同审核容量下比较

先拿同一张订单表,确定两个 14 天各算什么

以下是编辑部虚构的微型练习。每行一笔订单,取消、退货运费、部分退款分次到账等复杂情况省略。「已确认退款金额」以退款确认日计入;本练习的 14 天指下单日为第 0 日,第 0–13 日按北京时间自然日计算。复制这张表到表格软件就能进行下面两次试做。

订单下单日(示意)渠道使用活动券订单金额(元)已确认退款日已确认退款金额(元)
A13 月 2 日搜索是3603 月 7 日50
A23 月 2 日搜索否240—0
A33 月 2 日其他是230—0
A43 月 2 日其他否170—0
B13 月 23 日搜索是3003 月 28 日90
B23 月 23 日搜索否260—0
B33 月 23 日其他是2404 月 2 日20
B43 月 23 日其他否160—0

A、B 各代表一个下单周的完整合成样本,周内只有表上的订单。对经营分析,14 天限定每笔订单要扣掉多少退款,再合计到下单周。对预测验证,14 天限定每笔订单有没有确认退款,是或否各记一个结果。B3 对经营分析扣 20 元,对预测验证却和发生 90 元退款的 B1 一样,都记为「是」。这套预测的目标是找出更可能退款的订单,无法评判实际损失大小。

试做一:给运营一张能对账的经营报告

用「订单金额减 14 天内已确认退款」算练习中的净成交额。假设 4 月 7 日才复盘,两个下单周的观测均已结束,且退款记录已到齐。按渠道核一遍:

渠道A 周订单金额 − 退款B 周订单金额 − 退款B 比 A 的净额差
搜索600 − 50 = 550560 − 90 = 470−80 元
其他400 − 0 = 400400 − 20 = 380−20 元
合计1,000 − 50 = 950960 − 110 = 850−100 元

搜索渠道少的 80 元,可以继续拆成下单金额少 40 元、确认退款金额多 40 元。这样就能给运营一个可执行的动作:“先查搜索渠道下单金额的构成,同时请售后核 B1 的退款原因。检查其他渠道是否也出现同一原因,下次用相同观察窗复算。”搜索贡献了本例下跌金额的 80%,这个贡献是代数拆分。它没有告诉我们搜索广告、活动券或运营动作是否造成了跌幅。

交卷检查: 留一张分组表、一行口径和两句建议。让同学暂时删掉 B3 的退款,再算一次。其他渠道净额应回到 400 元,总跌差应变成 80 元;如果只改了渠道明细但合计不动,先修公式。真正的工作里,如果某周退款记录晚到,先标记未齐并解释影响,再决定何时出对齐后的报告。

试做二:给审核团队一张有时间边界的排序验证表

把 3 月 20 日当作拟上线的决策日。当时 A 周的订单已走完观察窗,B 周还没下单。假设 A 周的已确认标签也已经入库。把 A 周视为规则讨论材料,在看到 B 周结果之前固定两个简单做法:原有规则按订单金额从高到低;候选规则让用了活动券的订单优先,同类内按金额排序。活动券和下单金额都在下单时已知,退款日和退款额都不能拿来排序。正式项目里,还要核字段实际入库时点;单有一个日期字段,不代表当时已经能用。 活动券优先作为候选规则是为了练习怎么比较排序。A 周两笔用券订单一笔退款、一笔未退款,四笔订单无法判断用券是否有预测价值。 scikit-learn:时序切分的原始说明

假设这个模拟批次只够人工看两单。等 B 周结果收齐,在同一批订单、同一审核名额下验收:

做法前两单其中后来退款的订单前两单命中率
按订单金额B1、B2B11/2
活动券优先B1、B3B1、B32/2

这里没有训练模型。把 B3 改成未退款,两条队列都只命中 B1。就算候选规则多命中一单,正式试点前还要问三件事:多找出的退款里,有多少原本能被人工介入阻止?会误拦多少正常订单、多花多少复核时间?换一批订单,差距还在吗?这四笔数据只够示范如何比较。可以先在后续批次用相同审核容量空跑两条队列,看看命中和误报,再做独立的干预评估,测量人工处理的实际收益与成本。

交卷检查: 留一张两条队列与命中的对照表,写清决策日、允许用的字段以及哪条结论需要另一批数据来证明。请同学拿掉退款列,看能否独立排出两条队列;如果排不出来,说明规则描述不完整,或者用了预测时还拿不到的字段。

用代码对照两个交付

把八笔订单导入 SQLite 的 orders 表。列名按 order_id, order_day, channel, amount, refund_day, refund_amount 填,日期用 YYYY-MM-DD(示例用 2026 年),无退款的确认日留空。按下单组和渠道汇总,预期 A 周搜索 550 元、其他 400 元,B 周搜索 470 元、其他 380 元。

SELECT substr(order_id, 1, 1) AS cohort, channel,
       SUM(amount - CASE
           WHEN refund_day >= order_day
            AND refund_day < date(order_day, '+14 days')
           THEN refund_amount ELSE 0
       END) AS net_amount
FROM orders
GROUP BY 1, 2
ORDER BY 1, 2;

排序时,下面只把 B 周每笔下单时就知道的编号、用券和金额交给 Python。规则在 3 月 20 日约定,订单要等实际发生后才进入模拟批次。排好两条队列,再拿另存的退款结果查命中。

orders = [
    ("B1", True, 300), ("B2", False, 260),
    ("B3", True, 240), ("B4", False, 160),
]
baseline = sorted(orders, key=lambda row: -row[2])[:2]
candidate = sorted(orders, key=lambda row: (not row[1], -row[2]))[:2]
print([row[0] for row in baseline])   # ['B1', 'B2']
print([row[0] for row in candidate])  # ['B1', 'B3']

这两段展示的是输出和时间边界。实际岗位用什么工具、由谁负责,按目标团队的招聘说明和面试答复确认。

把试做变成一次投递决定

各给两份交付一次同样长的试做时间。先记录哪里卡住、哪类反馈更想继续追,再去问目标团队:「新人第一个完整交付是什么?谁验收?通常多久做一次?」如果团队主要验收看板口径和建议是否被业务用上,优先带经营报告。若对方更关心基线、数据可用时点和方案失效条件,优先带排序验证。如果两类交付都要,继续问首三个月的比例和谁有能力带你做弱项。一次练习只能帮你产生要验证的问题。

可将这两种活动带回费马的商业智能分析师档案和数据科学家档案核对更完整的工作范围。准备投递时,用两份招聘公告的比法验证所在城市的实际岗位,再按专业不对口求职指南把示意练习和真实业务成果分开写。

常见问题

不会机器学习,可以先投数据分析吗?

可以先挑职责以业务指标、取数、分析和可视化为主的岗位,用一份能复算的报告证明思路。再看岗位是否明确要求实验、统计建模或预测,按招聘要求补足。

数据科学家是不是每天都在训练模型?

岗位可能同时需要定义问题、检查数据、比较基线、验证错误和沟通上线条件。问清团队平时交什么、由谁看,以及模型验证占多少时间。

同一个练习可以投两类岗位吗?

可以。投经营分析放差额表、口径和核查建议;投偏建模方向放时间线、基线对照和下一批验证计划。两份均写明数据为虚构,未上线。

内容分类

职业发展

相关标签

职业发展

开始测试

如果你想把阅读转成自我测量,可以从测试入口开始。

关于费马测试

费马测试(FermatMind)从中文世界出发,帮助全球青年认识自己、探索职业方向。用 MBTI 了解性格偏好,用霍兰德测试发现职业兴趣,再查阅千余种职业档案,比较工作任务、技能和入行条件,找到值得亲自尝试的下一步。

数据分析师和数据科学家怎么选?用一份订单数据试做两份交付 | FermatMind