数据分析面经1

【数据分析】秋招经验分享

作者：是梁非凡吔

秋招过程中在牛客社区受益颇多，所以希望能写点东西回馈社区的大家。这篇帖子主要讲讲秋招的个人经验和对行业的理解，希望能抛砖引玉，找到同样热爱数分的战友来共勉。

【笔面试准备方法】

要回答"如何拿到理想的数据分析offer"这个问题，首先需要定义"什么是理想的数据分析offer"，其次才是考虑"如何拿到这个offer"。前者涉及评价一个数据分析职位的标准，可以从行业、成长空间、 薪酬等维度来判断，最终取决于个人的兴趣和职业目标；后者才是讲具体的笔试面试方法。因而我会主要分享两方面内容：

1）在实操层面上如何准备笔面试

2）对数据分析在不同行业的情况的理解，以及职业前景。

这两方面分别针对还在求职的小伙伴和已经在offer比较阶段考虑未来职业规划的朋友。

从实操层面上来讲，互联网企业的数据分析主要要求以下几方面的技能：

1）概率统计：包括概率论和统计推断，掌握常见概率分布、抽样以及假设检验方法即可。除了了解基本概念外，最好能总结下各个方法的应用条件、优缺点，以及改进方法，这样可以将类似的概念横向对比，加深理解。

2）编程：主要是SQL和基础python编程，也有部分大厂会考察算法编程。对于 SQL来说要特别关注一些热点问题，比如rank()、dense_rank()、row_number()的区别，常见的数据倾斜原因和解决方法，以及常见的SQL调优方法。

3）机器学习：主要是经典机器学习和数据挖掘算法，不包括各类深度学习算法。这一块也要特别关注相应的热点问题，比如XGBoost、LightGBM相比传统树型算法的改进和优缺点。

4）产品/运营/商业 思维：主要考察产品/运营优化过程中的常见问题，比如异常指标归因分析、活动效果评价等。产品思维这一块最好能依托自己熟悉的产品进行全面梳理，比如如果喜欢用抖音快手的话就可以深入了解下短视频UGC赛道的市场环境、商业模式、运营指标等等。

5）跨部门沟通协作能力：主要考察对分析师职能和实际工作流程的理解，通常在终试和HR面中被问到。

注重归纳总结

总体来说除了" 跨部门沟通协作能力 "需要个人亲身经历感悟之外，其他几项都能通过"刷题"来解决。所谓"刷题"就是归纳总结常见问题，这一点要感谢各位牛友的分享，因为实际笔试面试中的绝大部分问题大都能在牛客的笔面经帖里找到。

我认为对于即将成为分析师的我们来说归纳总结能力格外重要，而准备笔面试的过程就是第一个考验。归纳总结可以帮助理清思路，得到方便记忆的结论。比如下面这个例子：

----------------------------------------------------------------------------------------------------------------------------

指标异动分析思路：主要思路是拆解：拆环节（指标）、拆用户、拆原因

1、确认数据正确：与数据流相关的研发团队确认数据是否不存在BUG

2、拆分指标/环节：针对同比和环比等具体指标口径依据业务漏斗模型逐步检查每个上游环节的指标，找到问题环节的问题指标。

3、拆分用户群