数据科学家（Data Scientist）在企业中扮演着越来越重要的角色，为企业高管提供制定战略决策所需见解。成功的数据科学家不仅掌握硬技能，还需要掌握“软技能”，例如同理心和沟通能力，与持股人有效分享工作成果。

考虑到他们工作的技术性质，一些数据科学家在制作简历时非常迷茫。他们应该突出哪些技能与经验？数据科学家申请职位时，招聘主管和面试官最看重的是什么？我们采访了几位招聘经理，了解如何制作出色的数据科学家简历。

#1 招聘主管倾向什么类型的数据科学家(DS)简历？

84.51°公司的数据科学人才战略部门副总裁林赛·帕登（Lyndsey Padden）告诉 Dice：“我有点老派，我喜欢排版整齐、格式良好的简历，看一眼就知道候选人做过哪些工作。”

换句话说，数据科学家候选人应该尽量以简洁的语言展示工作经验（如果工作经历比较复杂）。在制作简历时，你可以让你的朋友或同事查看简历，前提是这些人不从事数据科学类工作，——如果他们觉得非常内容清晰，那么招聘经理或招聘人员等非数据科学家也会这样觉得。

Padden 补充说，那些没有太多数据科学经验的候选人也不必担心。“对于那些处在职业生涯早期或刚接触数据科学的人来说，了解处理数据及解决问题方面的相关课程或经验，可能会有所帮助，”她说。“对于经验更加丰富的专业人士来说，参考项目及领域可能会有所帮助。了解不同编程语言及平台的熟练程度也不错。总的来说——无论你的经验是否丰富——公司想要的都是具有良好协作能力、学习能力和解决问题能力的人。”

人工智能顾问尤金•鲁登科（Eugene Rudenko）建议初级数据科学家注重教育培训。“从初级候选人的简历中判断在接受培训之前掌握哪些专业知识和资源，这一点也很重要。”他说。“如果该候选人有运行 CVS（GitHub、GitLab 等）的经验，我们会检查其代码，并询问申请人为什么采用某种技术。”

Rudenko补充说，对于招聘主管来说，在面试高级数据科学家时，跳槽可能是一个危险信号。如果你的简历显示你在一到两年内频繁更换工作，招聘经理可能会觉得你的专业技能不强或者很难相处。

Snarful Solutions Group 的创始人马特·威廉姆斯 (Matt Williams) 表示，他注重求职者不符合的指标，对数据科学家尤其如此。“许多人声称自己是数据科学家，但实际上他们只是小型公司中唯一一名数据分析师，然后就称自己为“数据专家”。我们公司想要的是一名真正的数据科学家，同时具备相关工作经验、处理过复杂的数据模型，以及可熟练运用数学及统计学知识。”

在申请数据类工作时，记住这一点，非常有用，尽管“数据科学家”与“数据分析师”经常代指同一职位，但实际上区别非常大，数据分析师通常更关注战略问题；而数据科学家通常以更全面的、更具战略性的方法处理数据。

硬技能非常重要，Williams补充道：“考虑到目前行业内部过度使用‘数据科学家’这个词，候选人需要确保更新自己的硬技能。”

#2 作品集以及 GitHub项目展示能否帮你赢得面试机会？

WallStreetZen 创始人 Nate Tsang 告诉 Dice：“我更喜欢在个人网站上查看作品集。简历和个人网站内容不要一模一样，应该达到互补的效果。在简历的硬技能部分列出你的 Git 经验，但你实际使用 GitHub 的个人资料应列在其他地方。”

有些人认为作品集没有那么重要，他们认为只要候选人的申请材料突出自己的技能和经验即可。Padden 说：“我认为，并非所有职位都需要这样做，但如果提供候选人可以提供作品集，招聘主管可能会认真查看。

但并非所有人都这样认为。例如，Williams认为，作品集“极其”重要：“就像你不会只根据一张大头照和一次面试就雇佣一个演员去拍大片一样，你也不应该根据候选人简历和面试招聘数据科学家。在申请工作时，分享并强调过往成功的工作经验，突出显示的成功工作非常有用。” （Williams认为GitHub 个人资料链接很有用，但对数据科学家简历而言并非如此。）

#3 数据科学家怎样才能获得面试机会？

简历的重点是吸引面试官的注意力，从而获得面试机会。随着数据科学家越来越受欢迎，从大批申请人中脱颖而出也变得愈发困难。

我们采访的专家一致认为，简历的格式非常重要，所以一定要注意简历排版。面试过程中，确保你可以非常详细地谈论你列出的技能或经验。正如 Tsang 所说：“你在简历中列出技能和经验——但如果你只是含糊其辞地概括了一下使用 RStudio的经历，而非详细讲述RStudio在最近某项目中的应用，这属于半途而废。你应该将简历以及你想在面试中讨论的内容联系起来。”

Padden 也认为，沟通技巧在面试过程中至关重要——不具备沟通技巧的候选人，是无法获得这份工作的：“这不是一蹴即至的。我真的希望想看到有人能够通过通用行业术语清楚地表达自己的工作经历。我也期待看到他们运用学术技巧解决商业问题，并且不断学习。”

面试时，软技能和工作本身一样重要。掌握一项技术、语言或学科固然很好，但无论你在数据科学领域的专长是什么，也要确保自己可以通过面试官能够理解的方式，讨论以上内容。而且，面试开始前，准备好问题的答案，并且不断练习。

作者：Nate Swanner