数据分析岗位面试准备请看这篇!

面试过一些人，也被人面试过，今天我来谈谈对数据分析岗位面试准备的理解，特别是互联网行业面试考察的主要方面，以及如何快速准备。注意，面试准备大致上仅针对面试，并不会涵盖数据分析全方面的知识体系，特此建议初学者通过系统化学习后，再进行相关面试准备。

在你们开始找工做以前，至少留出2周时间进行知识梳理及过往经验总结，系统化处理碎片信息。面试准备时间过长的话容易致使疲惫，太短则可能准备不充分，你们必定要按照本身的实际状况进行安排。注意，本篇仅适用于0-5年数据分析师哦。如下分几个方面来说讲数据分析的面试准备。

1、统计学

      统计学基础对于数据分析师来讲很是重要，寻找指标之间的相关性、设计ab测试、显著性检验、结果分析、预测建模等都须要必定的统计学知识，因此建议复习高频知识点。

高频考点：

一、统计推断：置信区间、假设检验(t检验、z检验、卡方检验)，几种检验方法的差别性及适用条线、p值的概念、检验样本选取、统计量等概念，参考《一篇搞懂假设检验》

二、几种经常使用几率分布(二项分布、泊松分布、正态分布和指数分布等)

三、大数定律、中心极限定理等

四、几率与抽样

五、异常值检测、归一化标准化等

六、常见统计分析模型：相关分析、回归分析、方差分析、因子分析等

推荐复习资料：《白话统计学》《商务与经济统计》

 

2、编程能力类：sql+python

      互联网数据分析师岗位编码能力考察一般是sql+python，R语言较少考察。对于分析师来讲，sql是一切分析工做的基础。Sql的考察形式通常为当场出1-2道场景题目。而Python在业务类分析师的面试中一般不会考到。

高频考点：

一、sql开窗函数：函数名(列名)OVER(partition by 列名 order by列名)、row_number、rank、dense_rank三个函数排序的区别

二、表关联：left join 、right join、join

三、having、where

四、数据倾斜问题如何优化

五、Python：循环、字典、字符串等

       推荐复习资料：不推荐《sql必知必会》这本书，推荐你们直接在网上搜题目来练习，例如在牛客网sql刷题。

 

3、项目经历类

      项目是数据分析岗位考察的重点，是最能考察候选人对业务的熟悉程度、思考深度、思惟方式以及对本身工做的梳理总结的一个环节，可能面试中60%的时间都在聊项目。准备面试的时候最好完整梳理至少两个过往所作的项目，项目选取尽可能选择完整性高、参与度深、成果好的。我认为须要重点梳理如下几个点：

一、项目背景、规模、涉及人数部门、项目角色(owner、参与者)

二、行动计划、抓手

三、过程当中的效果衡量指标

四、项目中遇到的困难及如何解决

五、项目后续是否有迭代优化，基于什么考虑

六、项目作完后具体带来的价值，解决了什么问题(尽可能量化指标)

七、项目结束后的反思，方法论沉淀

八、数据分析能力在这个项目中的体现

      

      建议你们将本身的项目按以上几个维度去梳理，在面试的时候不要将以上几点一气说出，例如四、五、7比较适合留给面试官来进行项目深挖提问。在叙述中，注重逻辑性及条理性，清晰表达，着重体现本身的分析能力和最后取得的成果。

一些小伙伴的工做比较琐碎，没有经历过比较完总体系化的分析项目，那么能够着重梳理本身工做中的重点产出，解决过什么问题，将本身在过程当中的思考方式进行总结，毕竟分析师最核心的能力不只是‘分析’，还有‘把事儿作成’，因此照着这个方针，去说说你是如何解决问题，把事儿作成的。

 

4、分析思惟

       分析思惟指的是数据分析经常使用方法论，比较常见且重要的分析方法和场景有：漏斗分析、分类分析、用户路径分析、A/B实验、roi分析、ltv分析、分层分析、流失分析、留存分析等。一般面试不会直接问分析方法论，而是会出一些开放性问题去考察应试者的分析思惟。

高频考点：

一、指标异常波动分析

      参考《dau日活降低，我该如何分析》这篇文章，核心要点：1）确认数据异常真实性，排除bug、数据统计问题等影响 2）先沟通，确立几个核心异常假设，再进行数据验证3）列出公式，多维度层层拆解下钻，计算影响系数，定位问题

 

二、ab实验

      依据所面试的产品状况和岗位jd能够推断面试是否会考察ab实验的知识，一般强依赖推荐算法、策略的产品驱动的公司考察可能性会很高，例如：探探、头条、腾讯等公司。参考《AB实验你要知道的都在这里》。ab实验核心如下几个基础知识点：

1）ab实验的背后统计学原理，即假设检验、中心极限定理等

2）如何肯定实验样本量：根据指标的base值和两组指标的差别、指标方差、检验的显著性水平(默认0.05)、统计功效(默认80%)等几个维度指标来肯定实验样本量。

3）先经过低代价小流量的实验，逐渐推广到大流量用户。不一样版本不一样方案在验证时，要保证其余条件一致

4）分组确保用户特征均匀，如须要可采用分层抽样。如实验交叉，可采用正交分层的方法排除实验间的影响。

 

三、数据指标、监控体系

      指标体系是几乎每家公司每一个产品都会作的，是一切分析工做的基础。面试时考察到指标、监控体系搭建的可能性很是高。参考《数据指标体系搭建流程》这篇文章，核心要点1）梳理业务流程 2）收集需求、根据指标框架进行拆分，肯定统计维度粒度 3）整理底层储存逻辑、可行性输出

 

     推荐复习资料：分析思惟不是一朝一夕能够日新月异的，须要平常的积累。但可在面试前看一些总结性的文章、书籍，例如《精益数据分析》、小洛的公众号（小洛公众号上面的文章基本都是属于分析思惟、分析方法论这方面的干货）

 

6、针对面试岗位的特定准备

      作面试准备不只须要总结本身过去经验，且须要根据面试公司、产品、分析方向的不一样，来进行一些针对性的准备。须要了解该业务的产品逻辑、商业模式、经常使用数据指标以及该业务类型的经常使用分析方法。例如面试增加数据分析师，须要了解经常使用的增加策略和增加模型，渠道拉新roi ltv、用户画像、ab实验等分析方法。在面试的时候，能够谈谈本身对该业务的了解，本身的过往经验能够帮对方解决什么问题，若是入职能够从哪方面来开展工做等方面，向面试官展现本身对该职位的诚意和匹配度。

 

本篇所提到的知识点确定不会涵盖全部面试考察点，可是只要提到，都是重中之重。但愿能够给想要看机会，可是对如何准备缺少头绪的你们提供一些复习思路。

最后，欢迎你们关注个人公众号，祝你们面试顺利！