数据分析师面试经验

1. 数据分析师面试经验

 数据分析师面试经验
                    　　经常被问到一个问题，数据分析师或者数据挖掘工程师面试都问什么问题啊?特别是以下几类人群：
    
  　　1、想转行做数据分析工作的朋友。
  　　2、之前在比较小的公司做数据分析师，去大公司面试。
  　　3、在校大学生。
  　　在回答这些问题之前，先谈我的一个面试经历，记得之前我在一家小公司做数据分析师的时候，有朋友推荐我去一家大公司去面试数据分析师。当时我也在想，在面试大公司的数据分析师一定会问：
  　　1、你做过哪些模型?
  　　2、用什么工具做的啊?
  　　3、你会或者知道哪些算法啊?
  　　4、数据量有多大?
  　　.......
  　　但是当我去沟通下来的时候，问关于数据挖掘模型算法原理、使用什么工具的东西不多。更多是问一些关于项目背景、怎么思考这些项目、如何使用这些模型结果、怎么推动业务方去使用数据结果。【坦白说当时觉得不可思议，怎么问这些问题呢?】
  　　所以大家在面试数据分析岗位的时候，基础知识是必须的。但是更多要关注数据实现数据价值，特别是从事一段时间数据分析同学，但如果仅仅是刚准备从事数据分析同学，基础的专业知识与技能肯定是面试必问的话题。如果这家公司希望未来培养或者招的真的做数据分析的，那就会像我面试碰到的，一定也会很关注面试之外的问题。
  　　回到具体面试的问题，PS:这里我仅仅谈谈我的几点看法和我面试中会问到的几个问题，以及我为什么会为这些问题。
  　　一、了解你面试岗位的工作性质
  　　1、你对于你面试岗位价值的理解。
  　　2、你觉得这个岗位大概的工作内容。
  　　3、对于公司的理解。
  　　二、沟通表达/逻辑思维
  　　1、说一下你过往做的一些项目/说说你以前的工作经历。
  　　2、你之前做过的一些专业分析。
  　　3、你之前做过的模型。
  　　4、之前是如何与业务方打交道的。
  　　三、对于数据与商业的理解
  　　1、如何理解数据敏感性?
  　　2、你觉得数据怎么体现其商业价值?能否举个例子。
  　　四、专业技能
  　　1、基础的统计学知识。
  　　2、数据挖掘基本的算法。
  　　3、怎么评估模型好坏。
  　　4、使用的工具。
  　　5、数据挖掘流程。
  　　6、怎么清洗变量【例如：指标定义、缺失值处理】。
  　　7、怎么解决建模中会碰到一些技术问题【例如：共线性、不同模型针对的.数据类型】。
  　　五、学习能力
  　　1、是怎么学习专业知识。
  　　2、怎么学习业务知识。
  　　六、职业发展
  　　1、未来3年的职业规划。
  　　2、要实现这些规划计划是怎么样。
  　　我把面试过程可以会问几类问题，不同的面试官可以侧重点不一样。我想和所有面试数据分析师的朋友说的：
  　　1、面试过程中大家是平等的。不要太弱势也不要太强势。
  　　2、把你之前的工作有条理的表达出来。
  　　3、面试一些问题的时候，可以想一想。我个人觉得，并不是所有的问题必须别人一问完，立即回答。
  　　4、把面试当作一种学习与经历。关键是从一些面试中你能发现自己不足。
  　　另外一些小tips:
  　　1、面试之前了解这个岗位。了解一下这个公司。花点时间在面试公司和岗位，了解了解人家公司是干什么，如果你对这家公司特别感兴趣，去网站上看看，去体验体验人家公司的产品和服务。会让面试的人感觉到尊重。当然太贵就算了。
  　　2、如果有认识的人或者通过一些渠道先了解一下你面试的公司，部门情况到底是怎么样的。到底要招什么样的人。
  　　3、很多企业的招聘与实际需要的人之间有很大的出入。
  　　4、投递简历前：花点时间在简历上：要看到一份没有错别字且能把之前工作写清楚在一张纸上真的很少。
  　　5、机会是留给有准备的人。你准备好了吗?每次面试结束看，看看自己的不足，然后一定立即去学起来。
    
  ;

2. 如何准备数据分析师面试?

1. 理论知识(概率统计、概率分析等)
掌握与数据分析相关的算法是算法工程师必备的能力，如果你面试的是和算法相关的工作，那么面试官一定会问你和算法相关的问题。比如常用的数据挖掘算法都有哪些，EM 算法和 K-Means 算法的区别和相同之处有哪些等。
有些分析师的工作还需要有一定的数学基础，比如概率论与数理统计，最优化原理等。这些知识在算法优化中会用到。
除此以外，一些数据工程师的工作更偏向于前期的数据预处理，比如 ETL 工程师。这个职位考察你对数据清洗、数据集成的能力。虽然它们不是数据分析的“炼金”环节，却在数据分析过程中占了 80% 的时间。
2. 具体工具(sklearn、Python、Numpy、Pandas 等)
工程师一定需要掌握工具，你通常可以从 JD 中了解一家公司采用的工具有哪些。如果你做的是和算法相关的工作，最好还是掌握一门语言，Python 语言最适合不过，还需要对 Python 的工具，比如 Numpy、Pandas、sklearn 有一定的了解。
数据 ETL 工程师还需要掌握 ETL 工具，比如 Kettle。
如果是数据可视化工作，需要掌握数据可视化工具，比如 Python 可视化，Tableau 等。
如果工作和数据采集相关，你也需要掌握数据采集工具，比如 Python 爬虫、八爪鱼。
3. 业务能力(数据思维)
数据分析的本质是要对业务有帮助。因此数据分析有一个很重要的知识点就是用户画像。
用户画像是企业业务中用到比较多的场景，对于数据分析来说，就是对数据进行标签化，实际上这是一种抽象能力。
关于如何准备数据分析师面试，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

3. 数据分析师面试常见问题有哪些?

1、如何理解过拟合?
过拟合和欠拟合一样，都是数据挖掘的基本概念。过拟合指的就是数据训练得太好，在实际的测试环境中可能会产生错误，所以适当的剪枝对数据挖掘算法来说也是很重要的。
欠拟合则是指机器学习得不充分，数据样本太少，不足以让机器形成自我认知。
2、为什么说朴素贝叶斯是“朴素”的?
朴素贝叶斯是一种简单但极为强大的预测建模算法。之所以称为朴素贝叶斯，是因为它假设每个输入变量是独立的。这是一个强硬的假设，实际情况并不一定，但是这项技术对于绝大部分的复杂问题仍然非常有效。
3、SVM 最重要的思想是什么?
SVM 计算的过程就是帮我们找到超平面的过程，它有个核心的概念叫：分类间隔。SVM 的目标就是找出所有分类间隔中最大的那个值对应的超平面。在数学上，这是一个凸优化问题。同样我们根据数据是否线性可分，把 SVM 分成硬间隔 SVM、软间隔 SVM 和非线性 SVM。
4、K-Means 和 KNN 算法的区别是什么?
首先，这两个算法解决的是数据挖掘中的两类问题。K-Means 是聚类算法，KNN 是分类算法。其次，这两个算法分别是两种不同的学习方式。K-Means 是非监督学习，也就是不需要事先给出分类标签，而 KNN 是有监督学习，需要我们给出训练数据的分类标识。最后，K 值的含义不同。K-Means 中的 K 值代表 K 类。KNN 中的 K 值代表 K 个最接近的邻居。

4. 面试数据分析师看重哪些方面?

1、考察对数据的敏感度
面试的时候，数据部门经理问一些生活中的数据的问题，一个优秀的数据分析师对数据有很强的敏感度，生活中常见的数据，你直观的感受往往能反应出你的资质。
2、数学基本概念和统计学方法
遇到的有排列组合的问题的，还有指数衰减的定义等等。或者直接给一个问题或者数据，问问你打算用什么样的方法怎样去分析。在给你数据的时候，一定要记得说数据预处理!这一点非常重要，这样会让人觉得你的回答逻辑清楚，有条有理。如果想从事与数据科学相关的岗位，需要学习的数据知识可以参考成都加米谷大数据培训机构的：想从事数据科学相关岗位，这些数学基础“必备”。
3、编程能力
你一定要有自己熟练的软件，常问的问题是，你一般用excel干什么，常用的函数有哪些，你是否用过数据透视表，是够用过宏，你平时多久用一次R，你是否用过或了解过并行等等关于软件的问题。在面试小公司时，HR会可能直接给你一个数据进行数据分析，题目一般给的都不太难。

5. 怎么面试数据分析师?

1、考察对数据的敏感度
面试的时候，数据部门经理问一些生活中的数据的问题，一个优秀的数据分析师对数据有很强的敏感度，生活中常见的数据，你直观的感受往往能反应出你的资质。
2、数学基本概念和统计学方法
遇到的有排列组合的问题的，还有指数衰减的定义等等。或者直接给一个问题或者数据，问问你打算用什么样的方法怎样去分析。在给你数据的时候，一定要记得说数据预处理。这一点非常重要，这样会让人觉得你的回答逻辑清楚，有条有理。如果想从事与数据科学相关的岗位，需要学习的数据知识可以参考成都加米谷大数据培训机构的：想从事数据科学相关岗位，这些数学基础“必备”。
3、编程能力
你一定要有自己熟练的软件，常问的问题是，你一般用excel干什么，常用的函数有哪些?你是否用过数据透视表?是够用过宏?你平时多久用一次R，你是否用过或了解过并行，等等关于软件的问题。在面试小公司时，HR会可能直接给你一个数据进行数据分析，题目一般给的都不太难。

6. 数据分析师面试要准备什么?

什么是数据分析师证书?

7. 考个数据分析师应该做什么准备呀？

作为一个数据分析师应该懂得一下六点，熟悉这六点对于考试就非常有帮助了。
1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。
5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

8. 跳槽去数据分析,应该如何准备

做数据分析一定要懂得以下几个事情：
1、懂得数据的来源，我要分析的数据是从哪里来的，到底这些数据是反馈问题的，分析数据为了解决什么问题；
2、学会去分析数据的方法，知道从何入手；
3、学会去总结以及整理出下一阶段要做的事情。
4、要学会怎么去自助挖掘数据和挖掘数据的工具收集；
5、学会去尝试提供解决问题的方案，数据会说话，数据背后也蕴藏着答案；
6、不害怕有问题，最害怕发现不了问题这个是数据分析人员要具备的心态，数据分析目的就是为了找出问题，去找到解决问题的方案！