博客
【求职分享】
【面经】数据分析
Jan 31,2023
分享本文:
数据分析深入认识
要了解一个招聘职位,最直接的方式就是阅读对于的JD(Job Description),让我们从linkedin 和企业官网中为大家提取信息,以下是两例最新的职位招聘信息。
-
某头部互联网:数据分析专家
-
某top证券公司:数据分析师
可以看到共性是候选人需要具备数据分析、数据建模、商业分析等经验技能。一般要求背景金融,商业,经济,工程,数学,统计,计算机科学,运营或相关领域,对比研发岗位来说是更为广泛的,对编程语言的要求集中在SQL, Python, R, Excel等数据分析相关语言和tableur等分析软件,同时要求对商业业务的理解。
在数据为王的时代,数据分析是几乎每一个成功的商业项目中不可缺少的重要部分,是新商业社会中的关键。
DA面试的基石
那么如何准备数据分析岗位的面试呢?这里我们分析了众多案例,为大家梳理了六大基石。可以说只要能做到对这6个主要要素的掌握,大部分数据分析岗位都一定能够被你顺利拿下!
1. 数理统计和机器学习
作为数据分析岗,扎实的数理统计知识功底是不可缺少的,包括统计,概率等。这一方面可以阅读相关书籍,或者根据课程进行夯实巩固。基本概念清晰最为重要。同时目前的数据分析岗很多也会兼顾机器学习内容如基本概念,模型对比等,尤其是当候选者的简历提到的时候,更需要提前准备。
2. 手撕代码
数据分析岗也会有手撕代码环节,但难度往往低于研发岗,除了传统的SQL代码进行数据的整理,变形,挖掘的题目之外,也会涉及Excel的熟练使用,有的要求较高的公司也会出leetcode 中等左右的题来检验候选者的代码功底。
3. 事件分析
在真实的工作环境中,数据分析岗的主要工作就是在给定的业务场景下对数据进行清理,提取,整合,分析,从而对业务场景提出有价值的建议。帮助业务更好地开展,因此对业务场景和对应数据的关系,必须要深刻的理解。对几大经典模型,要有认识。经典题型包括,某短视频软件某天dau突然下降,如何分析?其他也包括费米问题估算,AB实验,用户增长模型,指标异常处理等等。
4. 简历挖掘
数据分析是注重经验的学科,简历中的项目普遍都是重点被考察的对象,简历中的相关项目更是能够直接反映个人知识能力水平,切记一定要在准备简历的时候认真推敲描述,项目中的细节都要深入理解推敲。
5. 项目case
目前有一些难度较高的公司,也会提前给候选人时间,布置一些题目,涉及SQL、统计和业务场景,进行数据分析,给出分析报告,一般要求在1-3天内完成,这就非常考验候选者的综合能力,同时在后续的面试中也会继续需深挖这些case。
6. 素质问答
一般的问答环节,意在探索可能性和适应性。面试专注于了解你的背景,性格,以及职业规划等常规问题,基本上如实回答即可。
面经
简答题(涉及统计知识,代码等)
-
你克服的最大挑战是什么?
-
你有什么使用SQL的经验?
-
举一个你和领导有不同意见的例子,你是如何解决的?结果如何?
-
你将如何对项目进行改进(性能,安全性,和过程)
-
描述一个长期目标以及你打算如何实现它。
-
你最喜欢的SQL的功能
-
解释OLAP和OLTP的区别和它们在商业分析上的运用的例子
-
什么是数据标准化和非标准化
-
当被关联的具有主键的表更新时,具有外键的表的数据将发生什么?
-
解释线性回归和逻辑回归之间的区别,举例说明。
-
什么是自变量?如果我的模型中有三个自变量而没有因变量,该怎么办?
-
给定具有n个观察值的样本,如何检验假设?
-
什么是方差分析的假设。
-
你会对小样本进行哪种测试?
-
什么是一类错误和二类错误?
-
从100个数字中升序排列生成十个连续数字的概率是多少?
-
你会如何在SQL中合并两个表?
-
编写一个函数以使用任何这些语言(Python,Java, R)去计算斐波那契代码。
编程题
-
参考<剑指offer>,leetcode简单/中等题难度,尤其注意考察数理统计知识相关的题目
-
SQL 优化
模型分析题
-
APP日活下降分析
-
漏斗模型
-
网站用户行为分析,访客数,操作次数,特定用户模式用户数,留存分析
-
费米估算模型
总结
数据分析相比其他互联网岗位,有较强的专业性,可以说面经的题目集中程度是比较高的,这也代表着大家聚焦的范围会更小,有针对性的同时也不免同质化,所以想要提高自己的成功率,除了扎实专业技能,深化个人优势,扩展知识储备之外,有靠谱好的内推渠道也是非常重要,大家不要错过,内推相比海投有天壤之别,成功率相差十倍以上!