0.个人情况
秋招陆陆续续到现在，已斩获北上深杭7个offer。
现在就在家里咸鱼躺等着明年入职，打算这段时间在牛客上把自己的知识和经验分享出来，目的有以下三点：
- 回馈牛客，在秋招期间在牛客上看了很多的面经，给了我很多的帮助，希望也能贡献自己的绵薄之力给内卷之王——数分的后来者一点帮助，少走一点弯路。
- 鞭策自己，空闲使人堕落。所以打算通过输出的方式来保证持续输入。
- 沉淀经验，希望后续工作时也能把工作中遇到的数分问题总结输出，便于大家后续职业发展。
- 人脉圈子，明年入职后如果需要内推or以后工作中遇到问题，也可以找同行沟通了解。
1.数据分析介绍
数据分析由于其工作内容和定位特殊性，在不同的公司会被划分到不同的组别中，工作内容便不同。
建议大家面试时可以从面经、岗位介绍、反问面试官等几个角度了解准备，提升自己面试成功率。
我根据自己面试的情况以及收集到的信息，将数据分析划分为以下几类：
每个部门or每个公司肯定会有差异，下面仅是我个人浅显分析，欢迎补充or指正～
| 所属类型 | 典型公司代表 | 面试内容 |
| 偏开发 | 腾讯pcg | 机器学习、数据仓库、Hadoop等 |
| 偏统计 | 腾讯cdg广告部门、猿辅导 | 概率题、分布、假设检验等 |
| 偏机器学习 | 顺丰、京东 | 机器学习知识、业务题 |
| 偏业务 | 滴滴国际化、网易 | 实习经历、业务题 |
| 偏产品 | 字节 | 产品功能、量化产品功能效果 |
| 偏商业分析 | 美团 | 商业分析、行业知识 |
2.数据分析面试准备
- 实习经历🌟🌟🌟🌟🌟
实习经历真的是重中之重！
有了实习经历，才能知道真实环境的工作内容，同时面试官才能跟你有话聊hhh
有了实习经历，才能把数据分析结果落地，带来真实的业务增长，而不是一个离线的报告（bushi
有了实习经历，才知道行业中常用的数据分析方法，才知道怎么把理论和实际结合
所以大家有机会一定一定要多去实习，特别是业务向的数分，更看重实习经历
- 业务题🌟🌟🌟🌟
业务题也算是业务向数据分析的必考题了，通过业务题的回答，就能看出面试者是否有完善的思考逻辑。
常见的业务题有以下几大类：
- 异动分析：DAU下降如何分析？营业额下降如何分析？
- 效果评估：如何量化某产品功能效果？如何评估一场活动效果？
- 效果改进：如何提升用户活跃？如何达到营业额目标？
- 指标体系：如何选出3个指标向CEO汇报？
- ……
后续我也会根据每类业务题，整理出相应的答题技巧和模板，尽可能以例子的方式让大家更好理解～
- 后续我也会根据每类业务题，整理出相应的答题技巧和模板，尽可能以例子的方式让大家更好理解～
SQL的考察通常也是以实际工作中会遇到的业务场景为主，牛客上的题目为辅，再次说明实习工作的重要性。
窗口函数必会必会必会！复杂一点的SQL语句如果有窗口函数加成就so easy！
常见的SQL考察：
- 连续类：求连续登陆7天用户、求用户连续天数等等
- 留存类：求次日、7日留存率等
- 统计类：求众数、中位数、平均数、最值等
- 周期类：按周期计算订单均值等
- ……
后续我也会按不同的专题整理出常见的SQL问题和答案，供大家参考
- 统计学🌟🌟🌟
统计学并不是不重要的意思，只是数分里考察的统计学内容和难度在整个统计学知识范畴中比较少。
常见的统计学领域的题目有：
- ABTest流程
- 推断统计：假设检验（原理、方法）、参数估计（点估计、区间估计）
- 概率计算：盒子里抽球、扑克牌抽卡等
- 概念：辛普森悖论、幸存者偏差等
- ……
后续我也会按不同的专题整理出常见的面试问题～
- 机器学习🌟🌟🌟
而就算被问到机器学习，也基本就是常用的LR、SVM、随机森林等，顶天就是XGBoost和LightGBM了。
在准备机器学习的时候，我主要是从原理，公式和优缺点几个角度准备。
后续也会梳理出各个基础的机器学习模型的基础内容啦～
- 编程🌟🌟
3.后续更新计划
后面会按照上面的模块逐一展开啦～
同时自己也会输入一些数据分析书籍、好的数据分析文章以及行业报告共享给大家。
也欢迎大家移步gzh：数分修炼之路
全部评论
(7) 回帖