（文末有资料领取）#大数据# #数据分析# #Python# #开源# #编程# #人工智能#
Hi，我是小匿。
近期我会邀请一些Dathoner来分享下转行与找工作的真实面试经验，帮助大家一起提高知识。本次分享的Dathoner，是一个已经有一年经验的同学，结合课程辅助与自身努力，最终拿到中高级数据分析师offer的经历。
一、转行背景介绍
我是19年6月底从工作了三年的手机公司辞职，并且下定决心转行数据分析师（受一位转行师姐的影响）。首先从知乎找攻略，并按照师姐的推荐系统的学习了《深入浅出统计学》和《利用python进行数据分析》，简单过了一遍《Mysql必知必会》，然后开始做了两三个项目【网上找的PM2.5分析，淘宝用户行为数据分析和奥林匹克运动员数据分析】，并且写成了数据分析报告上传至网站上链接附在简历上，最后就是投简历找工作阶段，整个过程大概三个多月的时间。
其实到最后一个月开始投简历阶段就有点慌了，因为脱产学习沉没成本越大心态越崩，刚开始投简历回复很少几乎没有邀约面试的。最后不得已在51上广撒网，十一之后面试多起来，总共面试五家，拿了三家offer，最后选择了一家小的B2B电商公司。关于几个找工作软件，对于转行人士建议BOSS和51job，拉勾上回复很少。
至此，我算是转行了，但是这家公司数据量很少，并且数据分析师就我跟另外一个同事，而那位同事业务经验丰富，但是分析工具只限于Excel，除了从业经验这家公司给不了我其他的经验提升，因此我希望借鉴网上同行的经验提高自己的技能水平和分析能力。这也是为啥我在知乎上发现了小匿。
小匿的转行经历让我觉得找到前辈，就像考试找到小抄一样。非科班出生，没有丰富的商分经历，靠提升硬技能出圈。因此我也加入了小匿的社群，偶尔小匿会在群里发一些自己对某些问题的见解，我觉得很专业。大概在群里潜水大半年之后，当小匿要开班时，我果断报名了，因为我想系统的学习下数据分析的知识点，另外在群里这么长时间觉得小匿还是蛮靠谱值得信赖的人。
二、总结面试问题
“公司1”
1.数据是怎么监控的，跑python定时脚本，脚本多了卡死怎么办
2.询报价时间按周的非周末是否达标。
周一到周四产生的达标了，周五周六的要80小时。周日20-50小时波动。
3.清洗程序，怎么做的？上线后会不会很耗时间。
不会耗时，毫秒级。
编辑距离相似度是2-4秒。
4.聊聊自己的方向
5.是否有涨薪
6.聊聊自己的欠缺的方面
7.为什么跳槽
首先我得职业发展方向是数据分析师这个宗旨是不变的，我很感谢前公司给了我这样一样入行的机会，在这里我磨砺了很多分析，编程，报告的技能，当然我也为公司带来了相应的改变。但是目前我已经具备了一定的积累，为了职业生涯考虑我希望能够迈向一个更合适的平台，发挥自己的价值。
为什么说贵公司是更合适的，对于数据从业者来说，大家都知道数据是原材料，是根基。贵公司的规模之大（说一些该公司业务细节，比如门店多）。这对我来说吸引力非常大，我希望能够有幸接触到这些宝贵的数据并从中发掘价值。
帮财务sumproduct分析。
相似度分析：19%-23%
“公司2”
1.决策树怎么选择特征的，用信息熵增益？基尼系数。讲一讲基尼系数的原理。
2.lgbm的底层是什么树，回归树还是分类树？
3.文本相似度用编辑距离有没有比较过其他算法，还知道其他方法吗？
4.pandas用的比较多的方法，列与列之间的呢
5.有没有用过spark.
6.如何与业务方沟通需求
1.首先需要明确问题，明确解决问题的方式以及需要做到的程度。2.明确背景及产品迭代过程，明确业务方对于该项功能的预期。明确业务方的思路。3.细节问题。数据分析是将具体的业务问题抽象为有组织的数据，从而发现规律，所以在抽象过程中可能会涉及到假设和模型，我们需要沟通假设和模型的合理性;如果涉及到有歧义的指标，需要进一步沟通指标的定义和时间范围等等。
是什么，为什么，是如何，细节问题
7.文本数据如何转为数值数据? one hot encoding,label encoder. 有什么区别。
8.字典排序
"公司2二面"
1.某个项目的难点
2.怎么去熟悉整个工作环境
先从整体了解整个部门在公司的定位和产品，在了解自己的岗位职责，输入是什么，输出是什么，最后深入一个项目去由点及面扩展。
3.说说逻辑回归，是解决什么问题？
4.如何判断逻辑回归的阈值是否合适
5.过拟合和欠拟合怎么办
6.推荐系统，你怎么去做？应该是问我怎么去选择特征？
"公司3"
http://1.inexist 哪个效率高? not in 和not exist呢？
2.事务的特点
3.相关与回归的区别
4.回归的R2可以用来做模型评估吗？
5.回归分析的步骤
6.回归与因果的关系
7.标准化回归分析
8.primary key和unique key的区别
9.为什么索引的效率会比较高
10.哪些地方用索引哪些不用索引
11.case when 对数值区间的影响
12.整群抽样
13.python读取文件
14.如何判断特征的重要程度。方差分析。
15.datetime转为date
相关和因果：
相关:两个变量之间的关系，互为相关，没有先后顺序；
因果：有先后顺序
判断方式：
1.将要素套到原因和结果当中，依据经验来判断
2.看是否纯属巧合
3.是否同时存在第三个变量同时影响
4.是否有逆向关系，如果成立则不是因果
5.制造反事实，如果不体检会不会影响寿命
做实验对比判断 看是否有显著性差异。
P值是假设检验中，某个小概率事件发生的真实概率，如果这个小概率事件发生了（即具备显著性），那么就要接受H1，拒绝H0；反之，拒绝H1，接受H0。
三、Dathon课程感受
Dathon课程总结下来就是干货满满，之前我也病急乱投医买过一些其他课程，但是对比下来会发现Dathon课程设计很用心每个主题都会讲解的很透：配有原理和python实战，而不是随便收集网上的录屏和资料让大家自己看。另外，小匿会督促大家打卡，我们一期的小伙伴都很用心学习，大家在小组群里互相探讨问题，小匿以及助教会解答大家的难题。
此外，Dathon课程有精心设计的项目，一是让大家简历上有拿得出手的项目，二是这些项目技能可以直接用在工作中。小匿还会指导大家的简历和面试，全程输出经验。我觉得转行路上有这样的老师相伴，踏实。
感恩遇到小匿！今年已跳槽拿到满意的offer！期待后续能跟着小匿大佬继续提升！
结尾
恭喜这位同学！每一位Dathoner来报喜时我真得非常的开心，一是替这位同学开心，二是让我感受到教学的意义。感谢，感谢每位Dathoner，数据之路长着呢，后续，我们一起加油！
另外，准备了不少数据资料，需要的同学可以点击获取哈~
适合小白学习的数据分析免费资料（持续更新）