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，面试准备大体上仅针对面试，并不会涵盖数据分析全方面的知识体系，特此建议初学者经过系统化学习后，再进行相关面试准备。

在大家开始找工作之前，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导致疲惫，过短则可能准备不充分，大家一定要按照自己的实际情况进行安排。注意，本篇仅适用于0-5年数据分析师哦。以下分几个方面来讲讲数据分析的面试准备。

一、统计学

      统计学基础对于数据分析师来说非常重要，寻找指标之间的相关性、设计ab测试、显著性检验、结果分析、预测建模等都需要一定的统计学知识，所以建议复习高频知识点。

高频考点：

1、统计推断：置信区间、假设检验(t检验、z检验、卡方检验)，几种检验方法的差异性及适用条线、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》

2、几种常用概率分布(二项分布、泊松分布、正态分布和指数分布等)

3、大数定律、中心极限定理等

4、概率与抽样

5、异常值检测、归一化标准化等

6、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》

 

二、编程能力类：sql+python

      互联网数据分析师岗位编码能力考察通常是sql+python，R语言较少考察。对于分析师来说，sql是一切分析工作的基础。Sql的考察形式一般为当场出1-2道场景题目。而Python在业务类分析师的面试中通常不会考到。

高频考点：

1、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

2、表关联：left join 、right join、join

3、having、where

4、数据倾斜问题如何优化

5、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，推荐大家直接在网上搜题目来练习，例如在牛客网sql刷题。

 

三、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、思维方式以及对自己工作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做的项目，项目选取尽量选择完整性高、参与度深、成果好的。我认为需要重点梳理以下几个点：

1、项目背景、规模、涉及人数部门、项目角色(owner、参与者)

2、行动计划、抓手

3、过程中的效果衡量指标

4、项目中遇到的困难及如何解决

5、项目后续是否有迭代优化，基于什么考虑

6、项目做完后具体带来的价值，解决了什么问题(尽量量化指标)

7、项目结束后的反思，方法论沉淀

8、数据分析能力在这个项目中的体现

      

      建议大家将自己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4、5、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，着重体现自己的分析能力和最后取得的成果。

一些小伙伴的工作比较琐碎，没有经历过比较完整体系化的分析项目，那么可以着重梳理自己工作中的重点产出，解决过什么问题，将自己在过程中的思考方式进行总结，毕竟分析师最核心的能力不仅是‘分析’，还有‘把事儿做成’，所以照着这个方针，去说说你是如何解决问题，把事儿做成的。

 

四、分析思维

       分析思维指的是数据分析常用方法论，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。通常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维。

高频考点：

1、指标异常波动分析

      参考《dau日活下降，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

 

2、ab实验

      依据所面试的产品情况和岗位jd可以推断面试是否会考察ab实验的知识，通常强依赖推荐算法、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实验核心以下几个基础知识点：

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

3）先通过低代价小流量的实验，逐渐推广到大流量用户。不同版本不同方案在验证时，要保证其他条件一致

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

 

3、数据指标、监控体系

      指标体系是几乎每家公司每个产品都会做的，是一切分析工作的基础。面试时考察到指标、监控体系搭建的可能性非常高。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，确定统计维度粒度 3）整理底层储存逻辑、可行性输出

 

     推荐复习资料：分析思维不是一朝一夕可以突飞猛进的，需要日常的积累。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维、分析方法论这方面的干货）

 

六、针对面试岗位的特定准备

      做面试准备不仅需要总结自己过去经验，且需要根据面试公司、产品、分析方向的不同，来进行一些针对性的准备。需要了解该业务的产品逻辑、商业模式、常用数据指标以及该业务类型的常用分析方法。例如面试增长数据分析师，需要了解常用的增长策略和增长模型，渠道拉新roi ltv、用户画像、ab实验等分析方法。在面试的时候，可以谈谈自己对该业务的了解，自己的过往经验可以帮对方解决什么问题，如果入职可以从哪方面来开展工作等方面，向面试官展示自己对该职位的诚意和匹配度。

 

本篇所提到的知识点肯定不会涵盖所有面试考察点，但是只要提到，都是重中之重。希望可以给想要看机会，但是对如何准备缺乏头绪的大家提供一些复习思路。

最后，欢迎大家关注我的公众号，祝大家面试顺利！