立正不把「坚持投」当答案:面试是拿市场信息和拷问自己的手段,先弄清差距是技能、经历还是叙事,再决定补哪块,而不是靠次数堆出结果。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
面试是信息工具,不是坚持的证明
立正提到,他会在还没打算跳槽的时候去面试,因为面试能带来高质量信息、保持对市场技能的敏感度,也能逼自己回答到底想要什么1。按这个逻辑,投递和面试的价值在于反馈,而不在于投了多少次。如果每轮面试都得到同样的反馈——比如项目深度不够、讲不出完整过程——那继续投只是重复采样,不会自动变好。反过来,如果反馈在变化,说明你在补的东西被市场看见了。所以「一直坚持是否就能越来越好」取决于你每次面试后是否修正了被指出的那块,而不是坚持本身。
差距在经历,就先造经历再谈叙事
立正讲过,拿到 offer 靠的是积累,表达框架只能帮你把已有的东西重新组织;项目经历在先,框架在后,没有那段真实经历,再好的框架也是空的2。他还说,工作本身就是准备简历最好的方式,要去做有相关性的工作,并在工作中提升技能、把内容和影响讲清楚3。所以如果面试暴露的是「没有可讲的 DS 项目」,那么继续海投 DS 岗和转 analyst 都不是核心问题,先补一段真实、能讲出完整过程的项目才是。他提到这件事可以主动创造,用几个周末解决一个真实问题,不需要很大但要真实、要深2。
analyst 不是退路,先看它离目标多远
AI推演立正提到,职业初期很多人会觉得 analytics 是低端岗位、modeling 是高端岗位4。如果差距只是暂时缺 modeling 经历,analyst 岗可能让你离 DS 更远;但如果差距在于你更擅长把问题讲清楚、影响决策,analyst 反而可能是积累相关经历的地方。判断标准是他说的「具体甲方感」:脑子里要有具体的公司、岗位和人,才能想清楚简历怎么打动对方5。所以先问自己:目标岗位到底要什么,analyst 的经历能不能被那个岗位认作相关。
材料没有给出「差距多远就该放弃」的具体标准,也没有针对你个人背景的判断;上面只能提供判断方向。
出处
- 1职业的沉淀和变现|学校专业怎么选|衡量职业的维度|每次走半步
讲面试作为获取市场信息、拷问自己想要的工具,适合理解「坚持投」本身的价值边界。
- 22026,如何在面试中证明自己"真的懂AI"
讲项目经历在先、表达框架在后,适合判断差距是不是缺一段真实可讲的项目。
- 3如何管理两百份海投? 找工作时候要注意什么心态和方法?|Data Scientist求职3/3
讲工作本身是准备简历最好的方式、要做有相关性的工作,适合判断 analyst 是否算相关经历。
- 4聊聊什么是理想的「资深数据分析师」?|feat. 抖音面试200+的资深面试官/DS界著名评论家
可回到原文核对这部分判断
- 5想通过跳槽升职加薪,要先做好这件事
讲要有具体的甲方感,适合用来核对目标岗位到底要什么、简历怎么打动对方。
追问2026年10月17日
analyst 的经历要怎么写才能被 DS 岗位认作相关?
把 analyst 经历写成 DS 相关,关键是让招聘方看到你解决过什么问题、产生了什么影响,而不是换一个岗位名称。
相关性来自你解决的问题,不是岗位名称
立正讲简历时提到,工作经历本身是准备简历最好的方式,要去做有相关性的工作,并在过程中提升技能,最后能把工作内容和产生的 impact 讲好1。所以 analyst 经历要往 DS 靠,不是把 title 改成 data scientist,而是从你做过的事里挑出和 DS 岗位真正重合的部分:你定义过什么问题、用了什么数据和方法、结论怎样影响了业务决策。招聘方看的是这段经历能不能说明你具备 DS 需要的判断力,而不是你原来挂什么头衔。如果只是把 analyst 的日常换个说法,面试官追问细节时仍然会露出来。
讲清「从不会到会」的过程比罗列结果更有说服力
筛选人才时,立正看重的是一个人有没有经历过一次完整的能力跃迁,能不能讲出学习过程的细节:一开始哪里不会、走过哪些弯路、哪次反馈让你发现方法错了、后来换了什么做法、怎么判断自己真的变强了2。analyst 转 DS 的叙事可以套这个结构:你原来在什么业务场景里工作、积累了什么领域经验,后来通过某个项目学会了什么新的工作方式,如果回到原来的场景会怎么把事做得更好3。这样写出来的经历,比堆砌工具名词更能让面试官相信你能胜任 DS。
现有材料没有专门讲 analyst 转 DS 的简历写法,以上是从简历和面试相关片段推出来的,具体到你的经历还需要自己对照岗位要求筛选。
出处
- 1如何管理两百份海投? 找工作时候要注意什么心态和方法?|Data Scientist求职3/3
讲简历和工作经历的关系,适合核对「相关性来自工作内容而非岗位名称」这一点。
- 2正确的学习方法比大家想象中稀缺很多,那我们如何筛选人才?
讲如何判断学习潜力,适合参考「从不会到会」的叙事结构来写转岗经历。
- 32026,如何在面试中证明自己"真的懂AI"
给出面试中证明自己懂 AI 的核心叙事框架,可迁移到 DS 转岗的自我陈述。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- Data scientist 和data analyst选哪个track更好
两个 track 的差别不在高低,而在你解决的问题是否需要复杂模型:Analytics 靠 SQL、可视化和业务判断,Scientist 靠统计建模,且后者的优势正在被工程能力挤压。
- Data scientist
想了解立正怎么谈数据科学家,先看 2020 年那组求职系列,它讲清了能力要求与学习路径;2022 年那期创业对谈和 2025 年 EP77 则补充了岗位在组织里的位置与变化。
- 刚开始做自媒体经历了多久才挣到了第一笔钱?
立正2020年开始做自媒体,前四年几乎没收入,2023年下半年做付费会员后才真正赚到钱,2024年是他把自媒体当副业并得到收入的第一年。
- 社区里的工具箱里有这么多skill,我要全部一次性安装到我的codex吗?别人做好的skill,安装在根目录更好还是项目文件夹更好?
我使用codex有2个多月了,从只会跟它聊天到现在会尽量让它直接帮我完成一件事,会在过程中纠正它的方向从而使得它做成我想要的样子,不过我还没有真正开始自己原创skill,也没有过多的去使用别人的skill,更多的时候我会直接把我的想法告诉codex然后让它完成工作。
不要一次全装。先挑一个你反复做的任务,装一个 skill 跑通,再决定要不要加下一个。放哪里取决于它是通用偏好还是只服务某个项目。
- 即将读人文学科博士,我如何对未来四年的研究工作提出更好的设想和规划
把博士当成一次创业:先找到值得做的研究问题,再倒推四年要积累什么,而不是先定发表数量。
- 现在需要选offer!base美国,MBA刚毕业,之前一直在做电商战略&策略,出海方向,我的目标是能够进AI应用公司/大厂AI应用业务做增长或者是产品设计,希望能对业务有影响!我有4个选择:1)回到国内咨询做AI数字化转型,再跳大厂做AI战略,之后再做AI业务;2)TT LA美国做creator strategy and product operations, 主要是达人增长目标拆解,drive sports content提升,激励体系搭建,分析内容和流量策略,也会有一部分product operations,看什么feature可以直接上线,有些时候可以自己vibe code一些产品;3)Capital one 纽约 business travel 针对信用卡商户做marketing strategy,看product messaging,以及跨渠道怎么分配预算看如何增长,marketing归因,内部有转岗机会到analytics方向,未来either大厂analytics/DS方向,或者;4)Amazon西雅图 自营品牌category manager方向,优化品类P&L,主要pull lever是和供应商谈价格,遇到具体的问题,找supply chain/quality/product manager解决,虽然看似管理P&L,但其实每个链条都有相应的人处理,真正支撑每个部分都有产品经理做好处理了,未来有转产品经理的可能,例如电商selection优化/供应链产品/价格产品,但我对Alexa AI/AWS更感兴趣 目前我的主要concern是1)亚麻从category manager转出去第一步更有可能是供应链方向;2)TikTok creator这个领域比较窄,non-tech长期的薪资是不是会不够高?以及跳槽认可度不知道如何?3)capital one这个product marketing属于金融产品领域,内部可以转analytics再跳出去,或者再继续出去做product marketing,薪酬美国的高于中国的,但美国的三家后续曲线可能不同! 结合我的背景和您的认知,您会怎么给出建议?
四个选项里,最该先比的是哪条路能让你持续积累“增长/产品”的可迁移作品与判断力,而不是哪个title更接近AI。按这个标准,TikTok和Capital One的起点更贴近你的目标,但各有代价。