数据分析师核心能力矩阵(秋招必会知识点梳理)

本篇重点介绍数据分析师的核心能力矩阵，会以"拿好offer"以及"做好工作"两个目标切入，其实本质都是相似的，但是秋招考察的内容会更注重基础与潜力，走上工作岗位后，则更需要落地解决实际问题

1.秋招面试能力矩阵

总结了秋招面试所需要的5大核心知识点，大家根据自己的情况合理准备

1.1 sql（优先级最高）

sql作为业务型数据分析师在编程领域的最基本门槛绝对是重中之重，很多同学认为sql很简单，确实sql的基础语句几乎不超过10个，但当sql出现在面试题中，却又能考住一大部分人。关键是如何利用简单的语句写出复杂的取数逻辑，因此关于sql的准备，建议大家从以下两个方面入手：

a.基础语句

包括基础语句(select from 等)+文本、日期处理的常用函数(hour、datediff 等)+开窗函数(row_number 等)

b.刷题

目前市面上能找到的刷题网站的题目与工作业务场景还是存在差异的，大部分面试真题会从真实业务场景出发，比如取多天的用户次日留存率、或是连续n天登陆的用户数等等，可以着重加强真实业务场景下取数逻辑的训练

1.2 业务场景题

业务场景问题的考察包括两个层面，第一考察候选人对于业务知识的了解程度，第二则考察面对实际业务场景，是否有解决问题的框架思路。很多同学容易陷入一个误区，就是认为只要掌握好套路，就可以万变不离其宗，套公式就好。但其实要注意的是，框架是必须的，但是也需要根据实际的业务场景作出灵活调整，这就需要我们既要有业务知识作为支撑，同时也要总结梳理固定的框架，做到两者相辅相成。

常见的业务场景题包括以下几类，具体每一种类型题所需要的业务知识以及分析框架也会在后面逐一介绍

a.搭建指标体系：

为某app或某指定功能搭建指标体系，这类题重点考察候选人对于业务知识、常见指标的了解程度，并考察结构化思维，重点在于能够以框架的形式搭建指标，并且尽可能满足MECE原则（全面且互不重叠）

b.异动数据分析

监控关键指标是数据分析师的日常工作之一，发现指标的异常波动、总结其中的原因，并为解决异动提出解决方案是工作中非常常见的场景，该类题目就需要我们根据题目中给出的指标，进行合理拆解，而不能只套用模板

c.运营活动、AB test效果评估

做好一场运营活动或A/B test 的效果评估的流程分为搭建评估指标体系、确定数据口径、制定评价标准最后总结结论，但由于在面试中，我们没有真实数据，因此主要考察大家第一个环节，搭建运营活动、ab test的指标体系，因此思路与第一类题目类似，但侧重点则放在运营侧，之后也会为大家梳理常见的运营活动指标体系

d.从数据分析师的角度，挖掘业务增长的问题点与机会点

这类题目难度较大，也更能体现数据分析师的价值，本质目的是希望数据分析师能够通过数据挖掘本质逻辑从而指导业务的动作，当然这类题目也是有迹可循的，通过练习大家都能够掌握

1.3 数学

数学主要包括统计学与概率论

统计学这门学科知识非常繁杂，复习起来需要花费较多时间，因此为大家总结了以下几个部分作为抓手，可以将这三部分作为重点复习

a.假设检验：

假设检验作为AB test 的理论基础，是面试中出现频率非常高的知识点

具体需要掌握的内容包括：假设检验的原理、相关概念（p值、置信区间）、显著性检验的方法及应用，同样还需要了解假设检验在ab 实验中的应用

b.中心极限定理及大数定律

c.参数估计及非参估计的方法

1.4 机器学习

业务类数据分析对于机器学习知识的要求不高，大部分岗位的日常工作几乎用不到这类知识，但由于也存在部分岗位的工作内容会结合业务与技术，因此还是建议大家掌握基本的机器学习知识

1.5 python

作为业务性数据分析师，日常工作还是以sql excel为主，当数据量级较大或是数据处理所需功能较复杂时，才回用到python，在面试考察时，python往往也不会作为重点，因此大家在复习时可以有的放矢，集中复习一下numpy、pandas即可

2.日常工作能力矩阵

秋招拿到好offer只能作为短期的目标，相信大家选择数据分析这个岗位，肯定是希望能够锻炼自己对于岗位的核心能力，在未来达到更高的层次

2.1 数据准确性、及时性

为业务方提供数据支持是数据分析师最基础的工作之一，我们提供的数据往往需要支撑一些核心决策，因此保证数据的准确性与及时性是很多新手分析师都需要提升的重点能力

a.及时性

数据分析师经常会接到非常紧急的需求，因此我们可以在平时工作中做好数据积累，如整理使用过的sql代码，或是归档取过的数据，避免下次有类似任务时，还需要重写sql，重新跑数从而浪费时间的情况。

b.准确性

在取数时养成交叉验证的意识，对于取数逻辑较复杂的口径，可以尝试不同的逻辑交叉验证，从而保证准确性。

2.2 数据可视化

数据可视化也是数据分析师的关键能力，因为我们工作的交付物往往是一份数据分析报告，我们的分析的思路、结论都需要通过图表的方式呈现，这就是我们常说的要学会用图表讲故事。练习数据可视化不仅包括基本工具的使用，更包括我们利用图表展现结果的能力，这就需要我们多看优秀的分析报告，多做输入与积累。好的数据分析师一定是一个讲故事的高手，不是机械重复ppt上的内容，而是讲一个有始有终起承转合的故事，从背景到问题再到结尾的动作，深入浅出，引导听报告的人理解数据背后的商业逻辑

2.3 业务理解、行业理解洞察事物本质

这一部分需要日常不断积累，对于较为落地的业务知识，可以多关注“人人都是产品经理”网站；对于行业知识：好的数据分析师应该达到上知天分、下晓地理的状态，因此无论是互联网行业的最新资讯或者国际经济政治格局，都可能会成为我们分析的灵感，这就需要在日常多读行业资讯、行业书籍，甚至是历史人文类书籍，养成阅读的习惯，才能帮助我们拓宽分析视角。