数据开发简历

本章目标：把项目经历写成 HR 愿意看完、面试官愿意追问的一页纸简历。 前置知识：已完成 Olist 电商数仓项目，能说清四层架构、核心指标和 10 类数据体检。

1. 简历的筛选逻辑

应届生简历通常先被扫 10 秒，再看 1 分钟。

• 10 秒：看学校、专业、毕业时间、有没有相关项目、能不能马上实习。
• 1 分钟：看项目做了什么、有没有数字、技能和岗位是否匹配。
• 面试前：面试官会挑简历上的关键词准备问题，写上去的每一项都可能被追问。

所以简历不是“把自己写全”，而是“把能被验证的亮点写清楚”。

三条原则：

1. 一页纸。 没有实习经历时，两页会显得空。
2. 项目占一半篇幅。 这是你唯一能证明动手能力的地方。
3. 每条 bullet 有数字。 没有数字，说明你还没想清楚自己做了什么。

面试高频：简历上写“精通 SQL”会怎样？ 面试官会现场给你一道窗口函数或连续登录题。写“熟练”也要能扛住追问。没有把握就用“熟悉”，并准备好对应边界。

2. 一页纸结构

从上到下，顺序不要乱：

1. 基本信息
2. 教育背景
3. 专业技能
4. 项目经历        <- 核心，占 50% 左右
5. 实习 / 课程 / 竞赛
6. 其他（证书、开源、作品集）

2.1 基本信息

必须有的三项：电话、邮箱、GitHub。

姓名 | 求职意向：数据开发实习生
电话：138-XXXX-XXXX | 邮箱：xxx@xx.com
GitHub：github.com/xxxx
期望城市：深圳 | 可实习时间：每周 5 天，可实习至 2027 年 X 月

“可实习时间”一定要写，HR 最先看这个。不要放照片、身高、籍贯、身份证号。

2.2 教育背景

XX大学 | 信息管理与信息系统 | 本科 | 2024.09 - 2028.06
GPA：X.X / 4.0（排名前 X%，不好就删）
核心课程：数据库原理、数据结构、Python 程序设计、统计学

GPA 不好就删，不写不扣分。核心课程挑 4 到 5 门和岗位相关的，不要列 10 门。

2.3 专业技能

分条写，每条给出程度和证据。示例见第 6 节。

2.4 项目经历

写 1 到 2 个，至少 1 个是数仓。标题格式：

项目名 | 角色 | 时间

项目下面放 3 到 5 条 bullet，每条 1 到 2 行。不要把技术栈堆成一段。

2.5 实习 / 课程 / 竞赛

有实习写实习；没有就写课程项目、竞赛、开源。数模、统计竞赛、数据类比赛有用。学生会文艺部、志愿者小时数，除非没东西写，否则不占版面。

2.6 其他

证书、博客、作品集。没有就删，不要写“吃苦耐劳、学习能力强”。

3. 数据开发简历模板

下面是一页纸模板，把方括号内容换成你自己的真实信息。

张三 | 求职意向：数据开发实习生
电话：138-XXXX-XXXX | 邮箱：xxx@xx.com | GitHub：github.com/xxxx
期望城市：深圳 | 可实习时间：每周 5 天，可实习至 2027 年 6 月

教育背景
XX大学 | 信息管理与信息系统 | 本科 | 2024.09 - 2028.06
核心课程：数据库原理、数据结构、Python 程序设计、统计学

专业技能
- SQL：熟练使用窗口函数、多表 JOIN、CTE，能独立完成复杂取数与指标计算；
  了解 JOIN 膨胀、COUNT(DISTINCT) 不可加等常见问题。
- 数仓：掌握 ODS-DWD-DWS-ADS 分层、事实表与维度表、维度退化、指标口径；
  了解 SCD2 拉链表原理，项目未落地。
- Python：能使用 pandas 做数据清洗，使用 DuckDB 完成本地 ETL；了解 PySpark 基础。
- 工具：Git、Linux 常用命令；了解 Hive 分区、动态分区与内外部表。

项目经历
Olist 电商数仓 | 个人项目 | 2026.10 - 至今
GitHub：github.com/xxxx/olist-warehouse

- 基于 Olist 公开电商数据集（8 表 / 55 万行）搭建 ODS-DWD-DWS-ADS 四层数仓，
  产出 2 张 DWD 宽表、6 张 DWS 主题表、8 张 ADS 结果表，DuckDB 一键复现。
- 统一 GMV、AOV、复购、履约口径，处理评价与支付的 fan-out；构建脚本自动对账
  GMV 15,740,216.93、AOV 160.29、复购率 3.04%、迟到率 8.11%。
- 设计 10 类数据体检与质量报告，定位 441 单支付差异和 1,234 单取消单支付告警，
  区分告警与错误；如实披露无数量字段、无行为日志等数据局限。

校园经历 / 竞赛
[竞赛名称 | 奖项 | 时间]
[课程项目 | 角色 | 时间，一句话说明产出]

其他
[证书 / 技术博客 / 作品集，没有就删]

注意：模板里的数字是项目的真实数字，但你必须能解释每一个。不要为了好看改大。面试官问“550,759 怎么来的”，要能报出 8 张表的行数。

4. STAR 与量化

4.1 简历 bullet 用公式，不用 STAR

STAR 适合面试口头讲行为题，简历 bullet 更适合这个公式：

动词 + 做了什么 + 用什么技术 + 解决什么问题 + 结果（数字）

示例：

设计 DWD 明细宽表，评价先按订单聚合再 LEFT JOIN，避免 fan-out；
将 112,650 行明细收敛为 112,101 行有效明细，GMV 对账误差小于 1 元。

拆解：

• 动词：设计
• 做了什么：DWD 明细宽表
• 技术：先聚合再 LEFT JOIN、WHERE 过滤无效订单
• 问题：评价一对多导致的 fan-out
• 结果：112,650 到 112,101，误差小于 1 元

4.2 量化的四种来源

1. 规模：8 张表、550,759 行、8 张 ADS。
2. 质量：10 类体检、441 单支付差异、1,234 单取消单支付告警。
3. 结果：GMV 15,740,216.93、AOV 160.29、复购率 3.04%、迟到率 8.11%。
4. 效率：单机构建秒级完成；如果做过优化，写优化前后耗时。

没有数字时，不要硬编。写清范围和动作，比写一个假数字安全。

4.3 一条 bullet 只讲一件事

坏例子：

负责数据清洗、建模、指标开发、文档撰写和项目管理。

问题：全是“负责”，没有结果，也看不出你具体做了什么。

好例子：

治理评价一对多、取消单支付、支付差异等问题，明细从 112,650 行
收敛为 112,101 行，GMV 与基准 15,740,216.93 误差小于 1 元。

5. 项目 3 条 bullet 的正反例

5.1 第一条：项目定位

反例：

使用 DuckDB 做了一个电商数仓项目，熟悉了分层建模。

问题：没有规模、没有产出、没有技术细节。“熟悉了”是自我评价，不是结果。

正例：

基于 Olist 公开数据集（8 表 / 55 万行）搭建 ODS-DWD-DWS-ADS
四层数仓，产出 2 张 DWD 宽表、6 张 DWS 主题表、8 张 ADS 结果表。

5.2 第二条：数据治理

反例：

负责数据清洗，处理了重复、空值和异常数据。

问题：处理了多少？怎么处理？结果是什么？全都不知道。

正例：

治理评价一单多行、取消单仍有支付、支付与明细差异等问题，
明细从 112,650 行收敛为 112,101 行；构建时自动对账
GMV 15,740,216.93、AOV 160.29、复购率 3.04%、迟到率 8.11%。

5.3 第三条：指标与分析

反例：

使用窗口函数完成了数据分析和指标计算。

问题：哪些窗口函数？算了什么指标？结果是什么？

正例：

使用 RANK、LAG、NTILE 实现品类累计占比、月度环比和 RFM 分层；
输出 8 张 ADS 表，覆盖 GMV 总览、月度趋势、卖家 Top50 与履约 SLA。

5.4 三条 bullet 的最终版本

- 基于 Olist 公开数据集（8 表 / 55 万行）搭建四层数仓，产出 2 张
  DWD 宽表、6 张 DWS 主题表、8 张 ADS 结果表，DuckDB 一键复现。

- 统一 GMV/AOV/复购/履约口径，处理评价与支付的 fan-out；构建脚本
  自动对账 GMV 15,740,216.93、AOV 160.29、复购率 3.04%。

- 设计 10 类数据体检与质量报告，定位 441 单支付差异和 1,234 单
  取消单支付告警，区分告警与错误。

注意：三条 bullet 的顺序是“项目定位 → 数据治理 → 指标与质量”。面试官顺着读，就能形成完整故事，不需要猜。

6. 技能描述用词与面试边界

6.1 四个词的含义

6.2 本项目可用的技能表述

- SQL：熟练使用窗口函数、多表 JOIN、CTE，能独立完成复杂取数与指标计算。
- 数仓：掌握 ODS-DWD-DWS-ADS 分层、维度建模、指标口径与数据质量校验。
- Python：能使用 pandas 与 DuckDB 完成数据清洗和本地 ETL。
- Hive：了解内外部表、分区、动态分区，跑过本地 Hive 风格演示。
- Spark：了解 shuffle、广播 join、数据倾斜，未在生产集群实操。
- Kafka / Flink：了解基本原理，未在生产环境使用。

6.3 写了就要能答

没有实操的内容，写“了解”并在面试中主动说明边界。主动说“没做过”比被问穿强。

7. 投递前检查清单

• 一页纸，导出 PDF，不是 Word。
• 电话、邮箱、GitHub 三项齐全，链接能打开。
• 写了可实习时间，和实际能到岗的时间一致。
• 项目占一半篇幅，至少有 3 条量化 bullet。
• 每条 bullet 能在代码或报告里找到对应证据。
• 技能栏没有“精通”，每条都能讲清边界。
• 没有错别字，没有中英文标点混用。
• 文件名规范：姓名-数据开发实习-学校-大三.pdf。
• 找一个人帮你看 5 分钟，问他“你记住了什么”。
• 投递前再打开一次 GitHub，确认仓库公开、README 能读。

8. 练习

练习 1：改写一条空泛 bullet

把下面这条改成有动作、有技术、有结果的 bullet：

负责电商项目的数据清洗和指标开发，提高了数据质量。

设计 DWD 明细宽表，评价先聚合再 JOIN，避免 fan-out；
明细从 112,650 行收敛为 112,101 行，GMV 与基准
15,740,216.93 误差小于 1 元。

练习 2：给技能降级

你只在本地跑过 Hive 风格演示，没有集群经验。下面哪句更合适？

A. 熟练掌握 Hive，能进行海量数据开发。
B. 了解 Hive 内外部表、分区与动态分区，跑过本地演示。

练习 3：排一页纸版面

把下面内容安排到一页纸，并估算篇幅：

基本信息、教育背景、技能、电商数仓项目、数学建模省二等奖、GitHub 链接

基本信息        3 行
教育背景        3 行
专业技能        5 到 6 行
项目经历        12 到 15 行，占一半
竞赛 / 其他     2 到 3 行

9. 面试延伸

面试题：项目是跟着教程做的，能写进简历吗？

是什么：可以写，但必须是你真正跑通、改过、能解释的项目。

解决什么问题：面试官不关心项目创意是不是你原创，关心你是不是真的动过手。你要能说出自己加了什么、遇到过什么错、怎么修的。

我的实操边界：我完整跑通了 RFM 分层、履约 SLA 和迟到评分对比，能解释每张 ADS 表的口径和数据来源，也写了自己的质量报告与对账 SQL；架构参考了课程，但没有把课程自带内容说成个人新增。

追问：你和别人做的项目一样怎么办？答：讲差异化的部分，比如你新增的指标、你发现的数据问题、你对口径的调整。

面试题：没有实习经历，简历怎么写？

是什么：用项目、课程、竞赛、开源证明动手能力，不要编实习。

解决什么问题：应届生没有实习很正常。把有限经历写深，比堆五段无关经历有效。

我的实操边界：我目前没有数据开发实习，项目是个人项目；我能独立完成从建模到报告的全流程。

追问：没有实习会不会被刷？答：会有一部分公司卡实习，但实习岗本来就看潜力和基础。投递面要够宽，先拿到第一段。

面试题：简历上写了但面试答不上来怎么办？

是什么：说明这个词超出了你的真实边界。短期靠补课，长期靠降级表述。

解决什么问题：面试官追问是为了验证，不是为了刁难。不会就承认，再讲你会的相邻部分。

我的实操边界：我会把 Kafka、Flink 这类只了解原理的内容写成“了解”，不写成“熟练”。

追问：已经被问穿了怎么办？答：直接说“这部分我只了解概念，没有实操”，然后把话题拉回项目里你真正做过的部分。

10. 本章验收

• 能写出一页纸简历，项目占一半篇幅。
• 项目经历有 3 条 bullet，每条包含动作、技术、结果和数字。
• 能解释简历上每一个数字的来源，包括 550,759、112,101、15,740,216.93。
• 技能栏没有“精通”，每一条都能说出使用场景和边界。
• 完成投递前 10 项检查，导出 PDF，文件名规范。
• 能在 60 秒内用简历上的三 bullet 讲完项目，不跑题。

简历之后是面试题库：大数据面试题库。