首页 > 【干货】数据分析面经文档汇总版~
头像
Daisy、
编辑于 2022-06-17 16:35
+ 关注

【干货】数据分析面经文档汇总版~


很多人对我4W字的文档感兴趣,把框架放上来吧

文档并不是一次性写完就结束了,而是在面试中,在实习中不断更新和完善。

文档也不是简单的百度答案、复制粘贴,而是要用自己的话进行复述,每个问题都需要想出与之对应的案例。


PART 1 自我分析篇


1、自我介绍(三段式)

2、对数据分析工作的理解(看法)

3、数据分析和数据挖掘算法的区别

4、优点和缺点

5、兴趣爱好

6、转专业的原因

7、最喜欢的课程

8、对未来的学习规划(职业规划)

9、别人对你的评价

10、大学里最遗憾最开心最困难的事情

11、对自己影响最深的人

12、为了数据分析的岗位,做了哪些准备

13、如果成为数据分析师,最欠缺的能力

14、如何选择工作机会

15、 理想的工作环境老板类型

16、想做偏技术还是偏业务的分析


这一块的内容,大多是主观想法的展示,无所谓对错,但最好提前有准备,能够对自己进行比较深的剖析,选择最合适的案例来支持自己的观点,而不是在面试中临时发挥。

还有一点,在秋招的海投模式下,一段自我介绍难以在各个公司通用,所以最好想下自己可能会投哪些公司行业,提前准备多份自我介绍以便备选。



PART 2 实习以及项目深挖篇



1、实习中用过的数据工具以应用场景

2、最有挑战性的印象最深刻的最有成就感的一个项目

(注意:①可参考 在面试前,要如何整理自己的项目?

②每一个项目,都要自己准备4-5个问题

③不仅仅准备一个项目,所有写在了简历上的项目,都要准备)

3、你的项目如何推动业务发展

这里不多说了,具体可以参考关于SQL:除了刷题,还要准备什么?



PART 5 统计学篇



1、正态分布偏态分布长尾分布双峰分布二项分布泊松分布4、如何与业务方沟通

5、实习的收获

6、实习的产出价值


这一个PART看起来只有5项内容,但是每一个项目,都能够洋洋洒洒写上几百上千字,需要很细致、很深入的去回忆和整理。要注意的是,所有你写在了简历上的项目,不论是研究、比赛还是实习,都需要做好准备。


PART 3 业务分析篇



1、RFM模型、AARRR模型、SWOT矩阵、波特五力模型等

2、不同行业的指标体系建设方案梳理(包括电商、社区、游戏、视频、新闻等)

3、不同行业、不同成长周期的企业,最关注的指标

4、GMV活跃用户转化率客单价获客成本用户流失率市占率的变化原因分析

5、如何实现用户增长的目标

6、开拓市场推广产品业务时,可以分析哪些数据

7、AB实验的应用



业务分析篇就不多说了,"构建指标体系","选择最重要的3个指标","XXX变化的原因分析"一定是笔试和面试中问到最多的问题。提前对各个行业的常用指标进行梳理,在遇到"最重要的指标"问题时,可以结合行业特征以及公司的发展阶段给出自己的想法;在遇到"XXX变化的原因分析"问题时,可以从指标拆解、逻辑树、人货场的角度给出分析思路。


PART 4 SQL篇


1、各种连接函数的区别

2、索引的区别和作用

3、不同排序排名函数的区别

4、on和where的区别

5、连接select语句的几种函数

6、主键和外键

7、数据的插入、更新与删除

8、字符串操作函数

9、in和exist的联系与区别

这里不多说了,具体可以参考关于SQL:除了刷题,还要准备什么?



PART 5 统计学篇



1、正态分布偏态分布长尾分布双峰分布二项分布泊松分布

2、假设检验、置信度和置信区间

3、中心极限定理和大数定律

4、异常数据的检测

5、单样本T检验独立样本T检验配对样本T检验方差分析卡方检验

6、T检验和Z检验的具体步骤、区别

7、参数估计的方法(点估计和区间估计)

8、幸存者偏差

9、辛普森悖论

10、相关系数(皮尔逊、spearman、肯德尔)

11、距离计算公式

12、贝叶斯公式

13、数据标准化的方式


面试里也常常会遇到统计学问题。不论是假设检验还是常见的数据分布形态,都有可能被问到,我总结了一些自己在面试中被问过的问题,写在了上面。
要注意的是,在准备统计学知识的时候,不是简单的复制概念粘贴文字,而要用自己的语言来表达,最好加上案例的说明。

PART 6 机器学习篇



1、决策树随机森林GBSTXGBOOST逻辑回归KNNK-MEANS朴素贝叶斯PCA

2、Bagging和Boosting的区别

3、分类器的评价指标?(混淆矩阵、P-R曲线、ROC曲线等等)

4、L1&L2正则

5、常用的损失函数以及各自适用的场景

6、样本不平衡问题




机器学习的这一部分,针对简单的算法,都要从原理、优缺点、应用场景、优化方式等角度做好准备。就算数学上不会推导,文字表述上咱也不能输……

面试真的是一件随缘的事情。


技术型面试官和业务型面试官各有所好,我们也不知道自己的简历会流转到什么面试官的手中,可能是算法大佬,可能是产品经理,也可能是数据负责人,或者运营总监,不同的人总会有不同的偏好。


作为候选人,做好自己的准备,尽人力,听天命……


更新于2021年5月

这一年和牛客合作推出了数据分析的专刊,把总结的文档进行了详细整理,加入了许多面试笔试中常见的新内容,字数超过10万+.......有兴趣的同学可以点击. 有免费试看的几个章节哦:

https://www.nowcoder.com/tutorial/10080/index

更多模拟面试

全部评论

(13) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

近期热帖

近期精华帖

热门推荐