數據分析崗位面試準備請看這篇!

面試過一些人，也被人面試過，今天我來談談對數據分析崗位面試準備的理解，特別是互聯網行業面試考察的主要方面，以及如何快速準備。注意，面試準備大致上僅針對面試，並不會涵蓋數據分析全方面的知識體系，特此建議初學者通過系統化學習後，再進行相關面試準備。

在你們開始找工做以前，至少留出2周時間進行知識梳理及過往經驗總結，系統化處理碎片信息。面試準備時間過長的話容易致使疲憊，太短則可能準備不充分，你們必定要按照本身的實際狀況進行安排。注意，本篇僅適用於0-5年數據分析師哦。如下分幾個方面來說講數據分析的面試準備。

1、統計學

      統計學基礎對於數據分析師來講很是重要，尋找指標之間的相關性、設計ab測試、顯著性檢驗、結果分析、預測建模等都須要必定的統計學知識，因此建議複習高頻知識點。

高頻考點：

一、統計推斷：置信區間、假設檢驗(t檢驗、z檢驗、卡方檢驗)，幾種檢驗方法的差別性及適用條線、p值的概念、檢驗樣本選取、統計量等概念，參考《一篇搞懂假設檢驗》

二、幾種經常使用機率分佈(二項分佈、泊松分佈、正態分佈和指數分佈等)

三、大數定律、中心極限定理等

四、機率與抽樣

五、異常值檢測、歸一化標準化等

六、常見統計分析模型：相關分析、迴歸分析、方差分析、因子分析等

推薦複習資料：《白話統計學》《商務與經濟統計》

 

2、編程能力類：sql+python

      互聯網數據分析師崗位編碼能力考察一般是sql+python，R語言較少考察。對於分析師來講，sql是一切分析工做的基礎。Sql的考察形式通常爲當場出1-2道場景題目。而Python在業務類分析師的面試中一般不會考到。

高頻考點：

一、sql開窗函數：函數名(列名)OVER(partition by 列名 order by列名)、row_number、rank、dense_rank三個函數排序的區別

二、表關聯：left join 、right join、join

三、having、where

四、數據傾斜問題如何優化

五、Python：循環、字典、字符串等

       推薦複習資料：不推薦《sql必知必會》這本書，推薦你們直接在網上搜題目來練習，例如在牛客網sql刷題。

 

3、項目經歷類

      項目是數據分析崗位考察的重點，是最能考察候選人對業務的熟悉程度、思考深度、思惟方式以及對本身工做的梳理總結的一個環節，可能面試中60%的時間都在聊項目。準備面試的時候最好完整梳理至少兩個過往所作的項目，項目選取儘可能選擇完整性高、參與度深、成果好的。我認爲須要重點梳理如下幾個點：

一、項目背景、規模、涉及人數部門、項目角色(owner、參與者)

二、行動計劃、抓手

三、過程當中的效果衡量指標

四、項目中遇到的困難及如何解決

五、項目後續是否有迭代優化，基於什麼考慮

六、項目作完後具體帶來的價值，解決了什麼問題(儘可能量化指標)

七、項目結束後的反思，方法論沉澱

八、數據分析能力在這個項目中的體現

      

      建議你們將本身的項目按以上幾個維度去梳理，在面試的時候不要將以上幾點一氣說出，例如四、五、7比較適合留給面試官來進行項目深挖提問。在敘述中，注重邏輯性及條理性，清晰表達，着重體現本身的分析能力和最後取得的成果。

一些小夥伴的工做比較瑣碎，沒有經歷過比較完總體系化的分析項目，那麼能夠着重梳理本身工做中的重點產出，解決過什麼問題，將本身在過程當中的思考方式進行總結，畢竟分析師最核心的能力不只是‘分析’，還有‘把事兒作成’，因此照着這個方針，去說說你是如何解決問題，把事兒作成的。

 

4、分析思惟

       分析思惟指的是數據分析經常使用方法論，比較常見且重要的分析方法和場景有：漏斗分析、分類分析、用戶路徑分析、A/B實驗、roi分析、ltv分析、分層分析、流失分析、留存分析等。一般面試不會直接問分析方法論，而是會出一些開放性問題去考察應試者的分析思惟。

高頻考點：

一、指標異常波動分析

      參考《dau日活降低，我該如何分析》這篇文章，核心要點：1）確認數據異常真實性，排除bug、數據統計問題等影響 2）先溝通，確立幾個核心異常假設，再進行數據驗證3）列出公式，多維度層層拆解下鑽，計算影響係數，定位問題

 

二、ab實驗

      依據所面試的產品狀況和崗位jd能夠推斷面試是否會考察ab實驗的知識，一般強依賴推薦算法、策略的產品驅動的公司考察可能性會很高，例如：探探、頭條、騰訊等公司。參考《AB實驗你要知道的都在這裏》。ab實驗覈心如下幾個基礎知識點：

1）ab實驗的背後統計學原理，即假設檢驗、中心極限定理等

2）如何肯定實驗樣本量：根據指標的base值和兩組指標的差別、指標方差、檢驗的顯著性水平(默認0.05)、統計功效(默認80%)等幾個維度指標來肯定實驗樣本量。

3）先經過低代價小流量的實驗，逐漸推廣到大流量用戶。不一樣版本不一樣方案在驗證時，要保證其餘條件一致

4）分組確保用戶特徵均勻，如須要可採用分層抽樣。如實驗交叉，可採用正交分層的方法排除實驗間的影響。

 

三、數據指標、監控體系

      指標體系是幾乎每家公司每一個產品都會作的，是一切分析工做的基礎。面試時考察到指標、監控體系搭建的可能性很是高。參考《數據指標體系搭建流程》這篇文章，核心要點1）梳理業務流程 2）收集需求、根據指標框架進行拆分，肯定統計維度粒度 3）整理底層儲存邏輯、可行性輸出

 

     推薦複習資料：分析思惟不是一朝一夕能夠日新月異的，須要平常的積累。但可在面試前看一些總結性的文章、書籍，例如《精益數據分析》、小洛的公衆號（小洛公衆號上面的文章基本都是屬於分析思惟、分析方法論這方面的乾貨）

 

6、針對面試崗位的特定準備

      作面試準備不只須要總結本身過去經驗，且須要根據面試公司、產品、分析方向的不一樣，來進行一些針對性的準備。須要瞭解該業務的產品邏輯、商業模式、經常使用數據指標以及該業務類型的經常使用分析方法。例如面試增加數據分析師，須要瞭解經常使用的增加策略和增加模型，渠道拉新roi ltv、用戶畫像、ab實驗等分析方法。在面試的時候，能夠談談本身對該業務的瞭解，本身的過往經驗能夠幫對方解決什麼問題，若是入職能夠從哪方面來開展工做等方面，向面試官展現本身對該職位的誠意和匹配度。

 

本篇所提到的知識點確定不會涵蓋全部面試考察點，可是隻要提到，都是重中之重。但願能夠給想要看機會，可是對如何準備缺少頭緒的你們提供一些複習思路。

最後，歡迎你們關注個人公衆號，祝你們面試順利！