数据与算法岗位 · 简历与面试指南

数据与算法岗简历的筛选逻辑

数据与算法岗初筛看两件事：数据规模（多大数据量、什么频率）与业务落地（你的模型或指标真的被用了吗、带来什么变化）。只有技术名词没有业务闭环的简历很难过筛。

同类岗位之间差在哪

数据工程看链路与稳定性（ETL 是否可靠、延迟多少），数据分析看指标体系与归因方法，算法看实验设计与线上指标。三者对"结果"的定义不同，要写对。

这类岗位常见的关键词

这类简历最常见的三个问题

• 罗列算法名称却没有落地场景
• 不写数据规模（1 万行和 10 亿行是两份工作）
• 把离线指标当成线上收益

算法工程师

推荐算法工程师

NLP算法工程师

计算机视觉算法工程师

数据分析师

大数据开发工程师

数据仓库工程师

数据产品经理

商业分析师

SQL开发工程师

常见问题

算法岗必须写论文吗？

不是必须，但有就写。工业界更看重你把模型推上线并维持住指标的能力，纯离线提升如果没上线，价值有限。

转行做数据要先补什么？

先补 SQL 与指标体系，再补一个大数据的工具链。面试最常问的是"这个指标为什么涨"，而不是算法细节。