已发帖，梳理了 【数据分析岗】常见笔试题型！       数据分析岗笔试题型梳理     本帖，就站在 面试官角度，捋一捋    常见面试流程是啥？有啥题型？      让你 心中有数，提前准备，有料不慌         本篇，采用总分方式：   先介绍常见面试框架，再细分每一流程来介绍。   内含 考核方式、常见考点/题型、Tips建议      （温馨提示：篇幅长，干货多，建议收藏记笔记）      ============================================================================     另外，最近在集中梳理总结求职简历、笔试、面试相关文章，后续有更多日常学习干货。              建了一个 数据分析交流群，分享 求职笔面试经验 & 日常学习 ，需要的可d我 （ vx名：data-youdao）                         为了方便帮助更多人，后续    会     将 系列文章 沉淀在公众号。                          欢迎关注     工粽hao     "      数据攻略  "           ============================================================================             ------正文手动分割线------    常见基本面试流程：            自我介绍             SQL题手写（根据笔试成绩）             统计学题简答（不一定）             基于简历提问             开放性题简答（根据面试官喜好）        注：上述流程不分先后，依各厂各面试官个人偏好而定。                          一、自我介绍          面试初始，大多数面试官的开场白是先让你做一段自我介绍。    ▼ 主要作用：有2个，            一方面，对于你，是进入正式面试状态的调整期；             另一方面，也是给面试官迅速浏览你简历的一个窗口期。              ▼ Tips：               注意时间把控。不要过短也不要过长，控制在1-2min左右。             注意抓重点、挑亮点。要将你每一模块的高光时刻精炼化展示出来。                          二、SQL题    大多数公司的面试官会根据你的笔试成绩，决定在面试环节是否再考你SQL题，以及考你的SQL题难易程度。       ▼ 环节作用：               一方面，避免应聘者笔试中有投机取巧成分；             另一方面，考验应聘者的基本功+随机应变能力。例如，可能结合实际业务场景出题。        ▼ Tips：            万变不离其宗，绝大多数就围绕几个高频考点，掌握基础逻辑。详见此篇：https://www.nowcoder.com/discuss/707946?source_id=profile_create_nctrack&channel=-1             对应行业的通用基础指标体系概念&定义需要了解，防止面试中增加理解成本，且影响后续发挥。                                             三、统计学题     ▼ 考核方式：不同风格的面试官有不同的问法：         有些面试官喜好直接发问一些统计学相关题目，让你回答。     例如：假设检验的步骤是什么？条件概率公式是什么？多重共线性是什么？如何检验？...有些面试官喜欢结合实际问题/项目经历问具体细节。例如：如果你的简历里写了设计AB实验策略，面试官会基于项目背景问你其中的细节点：样本量如何确定的？...          ▼ Tips：                      数分岗笔试常见概率论知识点巩固熟记，详见牛客我的主页其他帖                             简历中如若有涉及相关概念的项目，对应前因后果、细节点要了然于胸。                                      四、简历提问    ▼ 考核方式：       此环节是面试的主体部分，基本是决定你是否可通过本轮面试的关键。    一般实习/项目经历丰富的应聘者，面试官会让你挑、或者他指定某一个感兴趣的做详细介绍。之后，会基于其中细节提问。       ▼ Tips：    遇到自己有选择权的，2个原则：                  相关性。如果对各实习/项目熟悉度基本相当的前提下，尽量挑与面试公司&部门相关的经历来说。                        熟练度。如果仅对部分项目熟悉，挑其中你最得心应手且有明确结果的项目说。                                   遇到面试官指定的，不要慌，在此之前，其实你应该有所准备。                     毕竟，写在简历里的一定是你的经历，理应都熟悉；                        毕竟，在面试前，对拟面试公司行业岗位会做一定功课，大概率其实会猜到简历里面试官可能感兴趣的点，和他所处行业/所负责业务息息相关。                   所以，针对简历里的每一个字，    务必！熟悉细节，以备无患。                         五、开放性题           本环节是否设置，依据面试过程的具体问题、时间、状态而定。       ▼ 环节作用：               考察你的日常知识储备，包含逻辑思维、分析能力等。             加分项/补分项：                   前面如果自我感觉答得不错，本环节很有可能是加分项，是可以冲SP offer的契机。                前面如果自我感觉答得一般，设置该题很有可能是面试官为了捞你一把，送一道救命题，看看你是否有其他 “闪光点 ”是他还未发现的。                   这一类，不同面试官偏好各一，故所问题型也各式各样。           总结来看，有以下大类，几乎覆盖  90%题型：       异常归因类、AB实验类、专业知识类、          估算类、指标体系设计类、软问题类、反问类...          😛注：本篇针对上述题型仅先做大概介绍+部分真题举例，      后续根据需要会开启上述题型专题，进行详解。                 【1】异常归因类          ▼ 设题原因：一般来说，互联网大厂都会构建自己的数据监控体系。作为数据分析师，除了解读数据并从数据中发现增长点，对数据异常的归因定论也是重要工作之一。              因此，这类题型会被问到的概率较高。                  何为数据异常？          ▼ 真题举例：比如某电商平台，每日监控当日的成交额情况，突然有一天某类目成交额暴增，请问作为数据分析师的你该如何分析？          ▼ 答案示例：               问题确认：首先，需要确认该问题是否真实存在，即校验数据的准确性。例如：数据提取是否存在逻辑错误，上游表是否存在重复记录的问题？             确认有无外因，举例：                   环境影响：是否存在某爆款商品。比如近期新疆棉事件，导致李宁热度暴增，李宁因实时热点成为爆款商品，继而导致该店铺归属的运动类目成交额暴增。                时间因素：是否存在季节性的波动，比如羽绒服行业在冬天属于热销款，夏天几乎属于0需求的供应状态。                竞品因素：比如竞品拼多多上线大型补贴活动，势必对淘宝产生了巨大的冲击。                  内因分析拆解，举例：                   商品维度拆解：可设计相关指标（如：贡献度）定位异常行业、店铺等。                用户拆解：可以拆解是否存在高客单用户，因某个个体拉高了特定类目的成交额。其次我们可以根据用户的属性，比如地域，年龄，新老客等维度进行拆分解析。             ▼ 划重点：                  异常归因类问题建议有逻辑有结构的回答，体现基本严谨的分析思路。                  常见做法即 排外拆内：排查有无外因影响后，通过业务涉及具体维度下钻分析来定位异常。                         【2】AB实验类          ▼ 设题原因：这一类问题，非常常见，占据实际工作中的一大部分内容，包含实验策略的设计、评估、分析、优化迭代。因此，作为大部分面试官的必考点。          ▼ 考核方式：               如果简历中有相关经验，面试官会详细问你具体细节，以检验你的实践水平。             如果没有相关经验，面试官会偏向问你原理、步骤、衡量标准等基础概念，以检验你是否具备相关知识储备。              ▼ Tips：基础概念+经典面试题 详见此篇           https://www.nowcoder.com/discuss/826505?source_id=profile_create_nctrack&channel=-1                     【3】专业知识类          ▼ 设题原因：此类问题主要考察应聘者的技术栈+知识储备，说白了即基本功。    ▼ 考点：一般涉及到概率论与数理统计、机器学习、以及数据库等相关知识。               ▼ 考核方式：通常面试官会针对应聘者的专业背景、项目等进行相关提问。                  【4】估算类          ▼ 设题原因：这类题型，商业分析考核居多。主要考察的是你的逻辑分析能力    ▼ 考点：如北京地铁站旁有多少个煎饼果子铺？上海有多少家早餐店？...注：后期会针对此类题型，详细拆解，敬请期待 !                  【5】指标体系类          ▼ 设题原因：这类题型，对于多数应聘者难度属于中等偏上水平。主要考察你的业务体感和专业程度。    ▼ 考点：比如，设计某策略的AB实验指标？上线一款新的APP，你打算如何布控监控体系？...       ▼ Tips：                  拟面试公司的基础产品及功能摸清楚；                        相关行业行研报告等可以多做功课了解。                    【6】软问题类          ▼ 设题原因：问到此类问题，将近面试尾声。相比前面，更偏软，目的是为了考核你对职业规划的看法及打算，一方面听听你的想法，打探下你的稳定性，另一方面从你的回答，看看你的潜力性。    ▼ 考点：            职业规划类：为什么要选择数据分析师这个行业？你对数据分析师一职如何看？...                   实际工作类：如何成为一名优秀的数据分析师？如若入职，你有什么规划打算？如何发掘有价值的项目？...        ▼ Tips：            真诚点，别太套路；                   有理有据，有重点，学会从侧面突出自己的学习能力和适应能力。                         【7】反问类          面试其实是是双向选择的过程。          一般标准的面试流程会包含此环节，所以在尾声面试官会问一句：“ 你还有什么问题问我 ？”          ▼ 设题原因：目的是倾听应聘者的想法和疑虑点在哪里。    ▼ Tips：其实，如若有这一环节，抓住宝贵机会，想办法变成自己的加分项，不要问无意义的 “废话”。注：后期如有需要针对此问题专门唠唠，敬请期待 !                        以上，就是面试框架流程+考点梳理。其中，如若有不懂的点，后台可以找到我~                   以上就是面试框架流程+考点梳理。              如果有用就点赞收藏下，输出总结不易😁              如果感兴趣，可来工粽 号  "数据攻略 "，原创文章分类更清晰。              最近在集中输出简历、笔试、面试相关干货文章，后续有更多日常学习case。              也可添加我个人vx：data-youdao，发你各大厂靠谱内推码。