都2024了，到底谁家招数据分析师还考机器学

习呀？ 真的，到底是啥正经公司，招数据分析师还重点考机器学习呀？！ 你要是在北美，我信，我经历过，在硅谷（湾区），技术氛围浓，面试确实要考很多ml知识，尤其是很多start-up，很强调DA综合能力。但是在国内，岗位划分细致，数据分析师根本不管那个，谁能理解业务，谁能解决问题，谁就能掌握更大的话语权，机器学习只是像可视化一样，是解决问题的众多手段之一。 更有意思的是，最近经常看到某些面经分享“SVM模型的优缺点”，还不止“一家公司”的面经，好几家公司都考这个，嘿，我就纳闷了，怎么，高考吗，统一全国卷？能不拿这种垃圾玩意儿骗人吗，大家时间都很宝贵，尤其是很多应届同学们，写论文压力已经很大了，结果还得背诵这些玩意儿！用这种面试根本不考的题目糊弄人家点赞收藏关注你，良心不痛吗？ 很多人会奇怪，数据分析师不是商业和技术的结合吗，为啥数据分析面试不侧重机器学习呢？这里仅针对国内的现状，聊聊核心原因： 1️⃣国内的数据分析师偏业务导向 国内业务卷是出了名的，比如某公司做视频不过瘾，非要去卷人家本地生活。在这种快节奏的业务变化中，非常强调数据分析师能够快速定位问题、迅速拆解分析框架、极速论证假设和飞速产出策略建议。没有几个pm/运营愿意等着我们慢悠悠地拿着机器学习模型一通训练数据，然后产出个不痛不痒的结果 2️⃣机器学习的黑盒和难解释性 如果大家接触过机器学习，应该能发现，很多效果特别好的model，很难解释“为什么”。比如我们加了50个自变量，模型accuracy能达到95%以上，且不说为啥这50个变量中，相关性最高的因素为什么那么高，单就说把高相关性变量放回到业务场景下，究竟给我们有什么指导意义和落地动作，就实在难以说清 3️⃣机器学习有专门的岗位负责 国内互联网分工明确，机器学习有专门的数据科学家和算法研发在做，几乎不用DA搞。 所以，如果大家以后再见到某些数分面经帖子，尤其是涉及到头部几家大厂的，帖子中提到了很明显的八股文题目，“SVM是什么”、“解释下K-means”，直接跳过就行，不用浪费时间。 而数据分析面试到底考啥，后面我会出2篇帖子： 1️⃣数据分析师面试最常见4类题型 2️⃣面试考察的底层逻辑 希望和大家彻底讲清楚面试考什么