之前答应过，总结下自己的数据分析求职经验贴。   最近梳理了下，希望可以帮助正在秋招的牛友们~            先简单说下自己的过往经历 ~   校招斩获 10+大 厂数据分析offer，多家公司SP/SSP,  简历通过率90%； 包含【阿里巴巴 /美团 / 京东 / 滴滴 / 58同城 / 携程 /度小满 / vivo / 顺丰科技 / 陌陌 】等；   面经  被借鉴用于各社群和C9院校多场经验交流会。      另外，最近在集中梳理总结秋招简历、笔试、面试相关文章，后续有更多日常学习干货。          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 工粽号 " 数据攻略 " 😎    精华文章举例👇         数据分析岗简历避坑指南          数据分析笔试系列——SQL类考点归纳                   ----------------------------正文手动分割线-----------------------------            本帖，总结了一份笔试 "攻敌 " 指南——【数据分析岗】常见笔试题型！👇        为牛友们系统性梳理了 "数据分析岗" 的常见各大笔试题型，内含每种题型的 考核方向、核心考点、应对技巧、注意事项等。                                                                        关于 【笔试】，最重要的就是『 刻意练习 』                                    最高效的捷径就是 按照拟投目标岗位，搜集往年笔试题， 分类准备、尽早多练 。                                    根据历年考题，可将 " 数据分析岗位 " 的笔试类型划，分为以下模块：                                                                                                                                       一、行测类                                         这一类题型部分互联网公司比较偏爱，原因一方面是部分公司注重应聘者的基础（理解、表达、逻辑）能力，另一方面是笔试合作机构有题库，出题方便。                  常见题型：选择题                  主要方向：                                                        理解题                     图形题                     推理题                                   case举例：                                   请根据下列数字的规律,推测括号中的数字应该是多少？10 ,14，7 , 6 , 8 , 10 , 9 , ( ) , 30，36，55                  应对技巧：                                                        多刷公务员行测题，总结规律；                     有时间的同学可以刷公务员考试讲解视频，机构老师已帮总结好答题技巧。                                   注意事项：                                                        需要注重做题速度；                     不会的题学会舍弃，学会抓高分题。                                                                                                二、统计学类                                         因为要确保应聘者懂得基本数理统计知识，这一类题型绝大多数公司均会涉及。同时为提高筛选效率、划分能力层次，部分公司会增加1-2道高难度计算题。                  常见题型：选择题、计算简答题                  考核方向：统计学相关知识                  核心考点：中心极限定理、条件概率、各大分布、假设检验、参数估计、方差分析等                  case举例：例如常见异常值识别方法；                  应对技巧：针对上述高频考点，多刷《统计学》书对应章节，总结易错点和关键点，尽量看懂书中例题。                  注意事项：                                                        部分常见公式需要牢记，提高做题速度                     带计算机，节约计算时间                                                              三、SQL类                                         这一类题型不言而喻，是每一个数据分析师必备技能，因此各大公司必考。但是不同的人，有不同的理解，所以最后呈现的代码逻辑也各有不同，尽管运行结果正确，部分面试官也会根据代码的逻辑、简洁度评判应聘者的能力水平。                  常见题型：选择题、编程题                  考核方向：SQL基本功和进阶能力、对业务理解的逻辑能力                  核心考点：关联语法、聚合函数、条件函数、窗口函数、时间函数等                  case举例：例如，分别统计x页面新老客的七日内留存。                  应对技巧：                                                        上述核心考点找真题多练习、多总结                     针对投递公司所属行业，了解基本指标概念，缩短对考题的理解时间。                                                       例如：电商行业常说GMV、客/笔单价；短视频行业常说观看时长、完播率、转发率、有效评价率；游戏行业常说付费率、ARPU等                                   注意事项：实际工作中各公司常用Hivesql，对于未参加过实习的小伙伴在学校中常常接触较多的是MySQL，要提前熟悉俩类语法的区别，避免部分代码测试不通过，影响分数。                                                                               四、机器学习类                                         这一类题型主要看 所应聘公司数据分析岗所在部门的职能和调性。                 偏技术型的必出此类题（例如：腾讯、携程大数据挖掘分析师），偏业务型的基本不会涉及（例如：阿里巴巴业务型BI）。                  常见题型：选择题、编程题                  考核方向：对经典算法的理解和应用能力                  核心考点：传统算法的比较， 常见算法基础概念、区别联系、应用场景、高频问题的解决方案等                  case举例：比如，ID3决策树和CART决策树的差异点。                  应对技巧：                                                        时间充裕的，可系统性学习几大经典算法，感兴趣的甚至可以自己走一遍推导公式加深理解，再结合实战，巩固练习，总结经验，建立好知识库。                     时间紧凑的，可以找几个秋招小伙伴组建联盟，按照上述核心考点，通过合作分工进行梳理归纳，再结合各大公司真题练习几遍，找到感觉。                                   注意事项：秋招的每一分钟都很宝贵，要面向目标和投入产出比去准备，提高效率，合理规划笔试这一环节这一模块的准备时间。                                      比如，如果目标不是找偏技术型的数据岗，在投递前对公司岗位等信息尽可能做详细了解，避免耽误自己时间。                                                                               五、主观分析类                                         这类题型着重考应聘者的业务理解能力以及分析思路。                  常见题型：开放类大题                  考核方向：对业务的理解能力、分析思路和逻辑能力                  核心考点：估算类、异常归因类、AB实验类、探索发散类、指标体系设计类                  case举例： 比如，请你归因分析x月xx渠道留存下降原因；请从数据角度为新产品设计投放策略等等。                  应对技巧：按照上述考点类型，练习经典case，按类总结一套分析框架及模板，但要注意结合具体问题具体分析，避免空而泛无针对性的套用。                  注意事项：                                                        注意写作格式，分段、分编号有逻辑的呈现，对面试官批卷阅读感更友好，第一印象会更好。                     注意结构化展示，先介绍思路，再介绍具体步骤，最后可以做个总结。                                                                 以上就是，关于数据分析岗的笔试题型框架梳理。                       如果有用就<stron>下哦，输出总结不易😁</stron>                     最近在集中梳理总结秋招简历、笔试、面试相关文章，后续有更多日常学习干货。          如果感兴趣，欢迎关注 工粽 hao "数据攻略 "                        也可添加我个人vx：data-youdao，发你各大厂靠谱内推码。                       学弟学妹们，加油！