入坑数据分析的几个问题——学习、面试、作报告

本文盘点了入坑数据分析的几个问题，主要涉及数据分析入门学习策略、面试数据分析岗位工具及业务的考察点、无实习经历如何准备面试以及面试时项目经历如何叙述等问题。

一、问题概览

二、问题解答

问题1：数据分析入门学习

1、入门学习最大的误区是求“大而全”，应该学习最少必要知识；
2、入门数据分析的最少必要知识：

• 统计学：描述性统计分析(平均值、四分位数、标准差、标准分)、推断性统计分析(参数估计、假设检验)
• Excel：使用频率最高的工具
• SQL：不必要学习很深，要会查询
• 分析方法

问题2：面试数据分析时，工具会考察什么？

1、绝大多数公司，要求会Excel、SQL、PPT；少数公司会要求Python(或者R)、Tableau(或者PowerBI)；
2、 SQL考察核心

• 能力要求：能从数据库中获取数据并进行分析
• 核心技能：单表查询、多表查询、分组、聚合、排序、具体业务问题利用SQL分析解决
• 熟记常见的SQL面试题类型，并且练习手写SQL语句

3、Excel考察核心

• 数据透视表(用于分析汇总数据)
• 查询函数(vlookup、index+match)
• 字符串截取(left、mid、right)
• 其他常用函数(find、if、sumif、countif)
• 常用图表制作

4、用PPT展示分析成果给领导
5、Python是面试加分项
6、Tableau(或者PowerBI)会一种即可

问题3：数据分析面试时，业务知识会考察什么？

1、掌握所应聘公司的业务知识，如应聘蚂蚁金服——掌握金融行业的业务知识；京东——掌握电商行业业务知识；
2、业务知识主要包括3部分：1）业务流程、2）分析思维、3）业务指标
1）业务流程

• 要有全局思维，不仅会使用应聘公司的产品，也要从公司从业者的角度出发，弄清楚这个产品是怎么运转的。
• 了解业务流程的方法：
  方法一：下载对应行业的产品，从产品了解业务流程，从公司从业者的角度出发，研究这个产品的功能有哪些？使用流程是怎样？查询资料弄清楚这个产品内部可能是如何运转的。
  方法二：请教行业内/目标公司业务部门的前辈了解；

2）分析思维

• 分析思维是指面对具体业务问题展开分析的能力和有分析的思路，如在运营过程中，某个指标有问题了，怎么具体分析？
• 常用的分析方法:5W2H(实际中用不到)、多维度拆解分析法、对比分析法、假设检验分析法、相关分析法、群组分析法、AARRR漏斗分析模型分析法、RFM模型分析法等

3）业务指标

• 反映用户数据的指标：日新增用户、活跃度、留存率；
• 反映用户行为的指标：pv(访问次数)、uv(访问人数)、转发率、k因子(病毒因数k：分析后注册的人数/分享人数)
• 反映总量的指标：成交总额、成交数量、访问总时长
• 反映人均的指标：人均付费(ARPU：Average Revenue Per
  User/客单价)、付费用户人均付费(ARPPU：Average Revenue Per Paying User）、人均访问时长
• 反映付费的指标：付费率、复购率、回购率
• 其他指标总结：
  数据管道：数据分析不同行业常见的分析指标
  秦路：最用心的运营数据指标解读
  数据分析不是事儿:最全业务指标体系

问题4：想要面试数据分析相关的工作，没有项目经验怎么办？

1、首先，要知道，**证明你有数据分析的能力，比展示你有相关经验更重要。**公司看你的项目经验，并不是为了看你干过什么，而是想通过你做过的具体的事情来了解，你是否有分析问题、解决问题的能力。因此，面试前，要想办法把你的能力转化成面试官可以看到的作品是至关重要的。
2、其次，先确定自己想要从事的行业，如电商、短视频、社交、用户行为工具、在线教育、游戏、金融等；

• 要搞清楚两个问题，帮助确定将要从事的行业：
  1）公司的主要产品或服务是什么？会产生哪些数据？数据量如何？维度如何？
  2）公司收入主要来源是什么?数据策略会直接影响收入吗？
  3）兴趣？

3、再次，做一个与将要从事行业相关的项目。从Kaggle、阿里云天池、数据搜索引擎Dataset Search等平台找将要打算从事行业的数据，或者爬虫、三方(八爪鱼、后羿、集搜客)工具收集数据，做一个与应聘职位高度相关的项目，并形成一个数据分析报告；
4、最后，将你的分析报告放到网上，把项目链接设置超链接放到简历里面；

问题5：双非本科，能力一般，无实习经历，怎么在3个月内找到互联网大厂数据分析实习机会(偏数据挖掘方向)？

1、项目经历才是找到好实习的关键，但项目经历不一定是实习经历，可以通过自己做项目的方式，将项目的目标，采用的技术，达到的结果写在简历中；
2、首先，基础练习做经典的机器学习题目，如泰坦尼克乘客生存预测问题、手写数字识别、鸢尾花分类识别等，参考网上的代码，自己要搞懂这个代码，能独立完成，约1-2天；
3、其次，根据需要从Kaggle上做进阶项目，通过tag进行检索，参考社区评论，约一周完成；

• 刚开始要把重点放到传统机器学习上，决策树、随机森林、朴素贝叶斯、逻辑回归、Kmeans、线性回归、XGBoost、LightGBM重点掌握，使用这些算法完成数据分析/数据挖掘项目，并争取得到不错的结果；

4、最后，准备简历的时候，要着重突出你的项目经历，比如这个项目的目标，采用的技术点，你做了哪些工作，达到怎样的结果，是否有代码公开、代码链接、别人的反馈等；
5、此外，找工作前刷leetcode算法题，有很多公司都要面试算法题的习惯；

问题6：应聘数据分析师，简历里面项目经验如何描述？

0、项目经历不是简单罗列你做了哪些事儿，而是要想面试官展示出你”你面对问题，如何展开分析的思路“；

1、首先，项目描述要回到清楚4个问题：

• 你遇到了什么问题？
• 你采用什么技术/工具/解决的？
• 你使用什么分析方法去分析的？
• 你最后达到了怎样的效果，提出了哪些有价值的建议?

2、其次，要展示专业性，”使用什么分析方法去分析的“这部分是最展现思维高度的部分，要让面试官看出你对不同类型的分析方法有自己的判断；常见的分析：多维度拆解分析方法、对比分析方法、假设检验分析方法、相关分析方法、群组分析方法、RFM模型分析方法、AARRR漏斗分许法；

3、最后，要量化项目效果。”达到了怎样的效果，提出了哪些有价值的建议“这部分要用可以量化的数值来想面试官展示你的项目效果，如处理数据量有多大、提升了XX%的用户增长量；——给面试官提供话头；

• 注意：项目描述不要长篇大论，适可而止，给面试官挖坑——留话头；避免写的太多，给自己挖坑，问到自己不擅长的问题；
• 模板：为了解决xx问题，使用xx技术，运用xx分析方法对数据展开分析，提出了xx建议，达到了xx效果。
• 举例：为了解决店铺销售量下降的问题，使用Excel对店铺数据进行分析，运用多维度拆解分析方法从新用户、老用户等维度对数据展开分析，然后使用假设验证分析方法找到问题发生原因。提出了提升老客户复购率的具体建议，达到了店铺的销售量提升了10%的效果。

问题7：费米问题解决思路

• 常见问题：
  1、北京市有多少特斯拉
  2、芝加哥有多少钢琴师
  3、某个胡同口的煎饼摊一年能卖出多少个煎饼
  4、深圳有多少个产品经理？
  5、一个公交车里面能装下多少个品乓球
  6、一个正常成年人有多少根头发

• 面试考察重点：展示你能通过逻辑推理、分析解决具体问题。回答的关键是要用到逻辑拆解分析思维，将复杂的问题拆解成若干简单的子问题一一解决；

• 解决思路：通过逻辑拆解，变通改变分析对象即寻求与目标关联度最高的物品；

• 两个角度：从整体向下拆解，或从某个具体的点反推到整体；两个角度的结果可以相关验证；

• 确定估算上下限：取一个中间值，利用平均律思想，即所做的假设越多，估大或估小的误差可以相互抵消；

• 确定上限：在现有环境下最多可以实现的数量

• 确定下限：估算最少实现的数量

• 误差分析，应该考虑上述一般情况下有可能发生的特殊点，从而找到误差项，相应扣除，才能得到较为客观的答案；

问题8：如果给领导汇报数据分析报告？

1、做数据分析报告的两个原因：1）找原因；2）找机会；做报告时最大的误区就是念数字，应该要讲故事；
2、好的报告需要讲趋势和节点、将背后的故事和未来的行动；

• 讲趋势：利用过去的数据，多维度的做出趋势、节点、对比等图表，注意不要直接将Excel的表格复制过来；把趋势和节点背后的故事讲清楚，即讲清楚通过调查分析、趋势和节点背后发生了什么？
• 利用经验、洞察，结合领导接受信息的习惯，讲出来未来的行动，最好符合SMART原则；

3、如果新人第一次做报告被领导发难：

• 首先，一定不要现场顶撞领导，挑战其权威，即便是领导声明了Ta听得进每个人的意见；
• 其次，会后找机会请教领导出现的问题及改进的方向，适当示弱；
• 最后，无论如何，不能给领导留下 事情做不好，不是因为能力不够，而是态度有问题 的看法；

问题9：网站运营重复性数据如何自动化采集？

• 前提：只要是流程标准化的工作，都可以让机器自动化批处理；
• 步骤：
  1、记录你每天重复做的事情，并按照重复频次排序；
  2、从频次最高的事情入手，用word记录下人工操作的过步骤，要step by step
  3、实现自动化功能
• 方法一：找第三方模拟工具如八爪鱼、后羿采集器、按键精灵等，把人工操作的流程再操作一遍，让三方工具形成自动化的流程，并按需求设置定时；具体操作可以参见工具网站使用说明；
• 方法二：Python编写一个自动化脚本；

参考资料：得到App有关数据分析的锦囊相关内容。