大家都知道，在JD中，一般寫在前幾行的內容要比寫在後面的重要。 我們要能做到透過不同的JD知道不同的資訊。要明白什麼是關鍵資訊，什麼是次要資訊。

JD隱藏資訊

要挖掘出JD中的隱藏資訊，判斷出符合哪些要求會為自己的簡歷加分以及自己的簡歷必須涵蓋哪些要求。下面我們來通過幾個JD例子來為大家講解如何進行JD分析。

上面這則JD前兩行重點強調了前端技術，比如Angularjs，Coffeescript，D3 和Visual Designers，這就說明了這個職位主要是做一些比較前端的東西。那麼你在申請這個職位的時候，就應該重點強調一下自己比較偏Web的經驗。同時，你也可以看到有很多JD都在強調一些軟實力的東西，你可以透過這些要求看出這個團隊的風格，這也代表了整個團隊的文化，那麼你在面試的時候也就應該體現出自己有那方面的素質。

在這則JD中，可以看到在前面部分並沒有出現任何技術名詞，這說明此職位對求職者的技術棧熟練使用程度的要求不高，但更在乎求職者的綜合素質。這則JD在Requirement裡面提到了很多技術名詞，說明這個團隊強調的是求職者的學習和能從系統的較高Level去思考問題的能力而並非能快速掌握某項技術的能力。

分析上面這則JD，如果一個公司把Move Fast，Build Great Things放在JD前面時，就說明這是一個很有Start Up精神的公司。此時，你應該強調自己獨立解決問題的能力。

在這則JD中，可以在Qualifications中明確看出這是一個用Wordpress的網站，運用MySQL和PHP等技術。透過Expert Level Javascript等可以看出他們希望你可以幫忙最佳化他們前端網頁的內容。並且這個職位還有一些整合的工作，因為JD要求求職者會使用Git和Gulp。在JD最後幾行我們可以看到出現了Ios，我們在前面已經講過，沒有將Ios放在前面就說明這個團隊往往都不做Ios這一塊，但是在這裡出現Ios就說明此公司的產品一定有一個Ios客戶端。此時，如果你有過Ios開發的經歷就可以使自己從眾多Candidate中脫穎而出。如今，Node。Js與Meteor都是熱門技術棧，透過JD我們可以知道盡管這個組不使用這兩種技術，但可能隔壁組你需要呼叫的很多Web Services是用Node。Js和Meteor寫的，如果你懂的如何使用就可以在此小組中得到重視。

如何解讀DS Job Description

Data Scientist定義很寬泛，常見的Title有Data Scientist， Product Analyst， Machine Learning Scientist， Statistician， Business Analyst， Quantitative Analyst， Marketing Analyst， Operation Analyst等等。不同公司對DS Title的定義完全不同，有可能兩個公司的DS Title一樣，但是工作內容完全不一樣。對於DS，就要看Job Description具體的內容，而非Title本身。

對於IT行業來說DS大致可分為三個Track：第一個是Modeling或Machine Learning的Track， 主要做一些建模的工作。第二個Track是Product Analytics；這在灣區的一些大公司，比如Facebook，Google需求量都非常大。第三個Track是Business/Marketing/Operations Analytics，這也包含在DS範疇，他合作的物件不是產品方向，而是Business或Marketing方向。以上是IT行業的三個主要Track。

其他行業還有很多，比如說Finance，銀行等有Risk Modeling，在生物統計或醫藥行業也有很多做Clinical Statistician，在一些零售行業有Supply Chain Optimization的工作。

本部分主要講解IT行業常見的DS Track，下面我們將透過三個案例進行分析。

第一個是Modeling/Machine Learning Track，具體如下：

首先，大家可以看一下Key Words，也就是上圖中標綠色的部分，第一個是說Frame A Problem，並且就是你要能夠獨立地去定義一個問題，並且去解決它。這就要求你有工作獨立性，要能夠獨立完成一個Project，也強調是結合了Business Context的實際的一些數學問題。第二條是Exploratory Data Analysis，這就是畫一些圖示來做一些分析。第三個是Construct And Fit Models，這是一個建模的要求。第四個是Write Production Modeling Code，Production Modeling Code就是說要進入Engineer的系統，是實時的，在執行的一些Code。比如說Uber，使用者叫了一輛車，它要算這輛車什麼時候可以到達，或者是怎麼使乘客和司機進行配對，這些不可能在Local Machine上面算好後再傳上去，這些都要實時進行運算，這就對Engineering的要求比較高。第五個是Design And Run Experiments。這個是IT行業幾乎都要做的。

總結一下，第一你要會建模，第二你要會做一些基本的資料分析，第三就是要能把模型進行到Production System中，最後要做一些AB Testing。

然後我們看一下它要求的Skills，第一條是Passion For Solving Mathematical Problems，這就是強調你要有很好的數學基礎，也要有很強烈的熱情去解決一些比較複雜的數學問題。第二條是End-To-End Experience With Data。什麼是End-To-End Experience呢？我們在學校裡面做的專案資料都是給定的，問題也是定義好的，這不叫End-To-End，End-To-End是說你要去抓取資料，要做一些資料處理，再分析資料，然後建立模型。做出模型後，要做成實時的產品，之後還可能做一些Reporting，這些所有Cover了Data步驟的過程叫End-To-End。這個工作對資料處理的經驗要求比較多，後面對Communication也有要求。

第二個是Product Analytics Track，這是一個招人比較多的一個Track，這是Facebook的一個JD，具體如下：

我們來看一下第一條，第一條是Partner With Product And Engineering Teams，它把Partnership放在了第一條，然後寫了要做Product Decisions，就是說你要透過資料幫助Product做一些決策。然後它在下面分了四個不同的領域，第一個是Product Operations，包括給Product設定一些目標以及績效的考核，這樣可以Motivate工程師。Designing And Evaluating Experiments也是屬於Ab Testing。下面有Metrics，我們可以看到Metrics出現在了第三條，第五條和第六條。就是說所有的產品你都需要Check Api，所以Metrics是產品中很重要的一條。還有Exploratory Analysis就是一些基礎的分析。在Exploratory Analysis我們看到Identifying New Levers To Help Move Key Metrics，New Levers就是透過資料發現哪裡是產品增長的機會，即透過資料分析去提高產品的Process。Product Leadership就是說能夠影響Product的產品決策。Data-Based Recommendations就是說透過資料分析要產生一些Recommendations，就是你要透過分析得出Actionable的結果，所以這條就比較看重成果。下面一條講到了交流，最後一點講到Technical Skills的要求是你要會用Hadoop和Hive中的SQL，有些同學可能會認為要學Hadoop和Hive到很深的程度，其實對於Product Analytics方向，你只要會在Hadoop和Hive上面操作SQL就可以了。

第三個是Business/Marketing/Operations Analytics Track，這是一個LinkedIn的一個招聘，具體如下：

首先我們看一下第一條Provide Key Business Insights，這比起第二個Track更強調Business的東西。第二條In-Depth Analysis Of Our Various Business也是說Business，第三條Develop Deep Understanding Of Key Value Drivers是說你如何透過資料發現怎樣去發現產品的增長點。第四條是Cross-Functional Team，Functional Teams在DS的JD中經常出現。除了你自己所在的Team外，其他的Team都可以稱為Functional Team，就是根據你的職位和哪些人合作，Business Track更多是和Sales，Marketing這種Team合作。第五條是Identify，Diagnose And Resolve Performance Issues，這是說你要能夠Monitor一些KPI，這個在前面的Product的Track裡面講的很清楚。第六條是Manage Dashboards，Dashboards就是把一些圖示放在一起，這樣不同的Team都可以看到各項KPI表現怎麼樣。最後一條是Communicate Effectively Across All Levels，這是對於Business Track的DS非常重要的一點，就是說你不僅能夠和你周圍的人交流，還要跟其他部門交流。比較有趣的是，在最後Preferred Qualifications中講到了一些比較Behavior的一些詞，這主要是說希望你有這樣的Personality。你要是一個比較有熱情的人，要很會交流。我們可以看出，第三個Track跟第一個Track比更偏Business方向，更像是Business的JD。它更注重Communication和Personality，第一個則更注重Technical Skills。

從上面三個案例我們可以看出每個Track的側重點不同，Modeling/Machine Learning Track比較側重Model，Production Coding以及Math。Product Track中比較看重Product Sense ，Communication以及一些基本的技能比如SQL。Business Track中最看重Communication With Business和Product Sense。大家注意一下，Product中的Communication是With Eng或PM的Communication，而Business Track的Communication是With Business。這三個Track的薪資在最開始的時候是1>2>3，但是後期不一定，有時候2和3在後期可以升很高，1主要取決於你的Technical Skills有多強以及你做的方向是否熱門。

剛才我們已經講了三個不同的Track，大家可以在有一定了解後，確定一下自己的目標方向；然後準備2-3份側重點不同的簡歷，以便突出不同的點，比如說如果你想去產品方向，就要突出自己與Engineer和產品方向的經歷；如果你想去Business方向，就要突出Business，Communication這些內容。接下來，你要分析Job Description去選擇最合適的簡歷版本；最後你要對重點職位進行針對性的修改。

JD分析的要點

首先，總結出自己的簡歷上面有哪些JD中涵蓋的技術棧，以及需要補充哪些內容。要挖掘出JD中的隱藏資訊，爭取使自己的簡歷脫穎而出。站在一個HM的角度上看，如果兩份簡歷的技術棧是差不多的，但是其中一份有Ios開發的經歷就會更容易拿到面試。HM往往會選擇技術棧廣度和深度比較平衡的職員。