数据分析师在访谈中经常问的7个问题

随着大数据的迅猛发展数据分析岗位面试题目，数据分析师的地位应不时出现，那么成为数据分析师的要求是什么？也许我们可以从国内数据分析师的访谈问题中获得一些参考. 以下是有关数据分析师招聘的7个问题，供数据分析师参考.

1. 基本工具

包括两种类型的规定动作和可选动作.

1.1必需的操作

SQL查询: JOIN ON，DISTINCT，GROUP BY，ORDER BY等. 从中提取数据是数据分析的第一步. 另外，我们的数据规模为TB，因此必须使用SQL来使群集执行一些简单的计算，否则，如果将计算资源下载到本地，则绝对不够. 您可能还会问一些非常基本的问题，例如PRIMARY KEY，int，str，double等. Excel: 数据透视表，VLOOKUP，COUNTIFS，SUMIFS，VAR.

P，条件格式等可能涉及VLOOKUP，VAR中TRUE和FALSE参数之间的差异. P和VAR. S和其他详细信息有什么区别.

1.2可选操作

根据简历询问. 询问您在履历表上写了些什么. 您会更深入地询问. 作为敲门砖，写简历也很重要. 它一定不能太夸张和伪造. 我敦促你不要死. 毕竟，如果不死，您可能会死. Python，Stata，R，SPSS，SAS，EView是相对常见的数据分析工具. 例如，在简历上写“精通Python”，尽管hr知道简历是正常的，但是由于它们是“精通”，所以请问熊猫，正则表达式，DataFrame.

Iterrows（）返回一个Series或一个字典或一个元组列表. 无论如何，必须回答元组和列表之间的区别...

2. 逻辑思维

它主要分为两个方面，理解业务逻辑的能力和编写逻辑的水平.

2.1业务逻辑

尽管业务看似简单明了，但生成数据的复杂性往往超出了大多数人的想象. 业务逻辑检查主要通过相关项目经验进行. 这里的编辑提醒大家，简历上写的项目经验至少应该对自己很熟悉，而且答案很好. 以我的家庭时间为例，每天触摸700多个表，每个表通常有200多个字段. 这些表和字段通常是相关的. 面对如此众多的业务指标，您能否快速了解它们之间的关系？面对新的数据需求，您可以在逻辑上将其划分为指标，辅助指标并执行各种计算吗？面向复杂的地区是否可以通过优化和全局优化的需求来“抓大放小”，您能否快速找到并优化关键控制点和关键影响因素？如果思维不灵活，逻辑不清晰，就很难做好这项工作.

2.2编写逻辑

毕竟，最终输出是报告数据分析岗位面试题目，该报告可以是HTML邮件或PDF. 文章的结构仍然非常重要. 在这里我不会详细介绍，但是关键是首先要说结论，然后首先写摘要.

3. 理论储备

它也分为规定动作和可选动作.

3.1必需的操作

主要是基本的统计理论，例如方差，协方差，算术平均值，几何平均值，中位数，众数，分位数，双峰数据，长尾数据，假设检验，预期迭代规则，贝叶斯原理等.

3.2可选动作

根据简历询问. 您在简历上写的总是会问. 我第三次敦促你不要死. 您编写的测试应该是机器学习算法，或者您应该了解原理，适用条件和限制. 否则，和您谈论Pearson距离和K-means簇的随机性很尴尬.

4. 对细节的敏感性

作为数据分析师，您应该每天注意大量数据指标. 对细节的敏感性是非常必要的. 这主要分为两个方面: 对统计口径的敏感性和对数据的敏感性.

4.1统计口径

一致的统计能力是确保数据可比性的基础，它是对数据分析师的敏感性和行业经验的检验. 例如，转化率，是点击转化，注册转化还是购买转化？是从用户下订单的时间，订单确认的时间还是产品的发货时间开始计算交货时间？客户的单价套餐中是否包含以送货费，包装费和优惠券等形式的折扣？

4.2数据

访调员能够快速识别没有代表性的异常数据波动，异常值和平均值. 例如，已知寿司组的单价为1,500，酒的价格为300，平均顾客价格为2500. 您是否可以立即认为这可能是双峰数据或长尾数据，还是双峰和长尾数据？

5. 学习能力

Internet行业瞬息万变，光学数据的存储包括许多奇怪的事物，例如Oracle，MySQL，Hadoop，Spark，Hive，Impala和哥哥三驾马车. 互联网行业的从业人员经常面临新的需求，新的工具和新的方法. 能够快速掌握新知识并解决新问题的面试官必须证明要hr. 调查的主要方法是了解过去的项目经验或提出作业问题（例如Sci-Hub）.

6. 排版和简单的UI设计

数据分析报告必须简明，清晰且重点突出. 调查的主要方法是提出作业问题，以允许访问员在有限的时间内提交幻灯片（即PPT）. 能够掌握标准的Microsoft设计语言是一大优势.

7. 值

这主要取决于工作热情，态度，道德水平等. 这方面的问题是相对随机的.

面试也是一种学术资格. 失败的面试经历不一定是一件坏事. 积累面试经验是一种进步. 我希望所有寻找工作的数据分析师都能成功找到工作！

与CPDA有关的推荐文章:

好的数据分析师求职简历是什么？

数据分析师回答的10个最常见的采访问题！

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/ruanjian/article-279506-1.html