考察对数据分析岗位的理解与职业规划

  • 数据分析师与数据工程师的区别在哪里？

    • 用多维度拆解的方式回答
    • 1.从职责维度来看，数据工程师偏重于清洗数据，使其可以被数据分析师和数据科学家使用。而数据分析师偏重于使用分析方法来分析已经清洗过的数据，从而得到对实际应用场景有意义和有指导价值的数据结论。可以很明显的看出来，数据工程师偏开发，数据分析师偏业务。
    • 2.如果把数据比喻成食材，那么数据工程师就是负责建立冷冻柜（数据库），保证食材新鲜优质的供应商，而数据分析师就是负责将食材做成美味菜品的厨师。
    • 3.从日常工作内容维度来看，数据工程师的最终目的是实现数据管理，所以其工作是围绕将数据整理成标准格式，从而达到降低存储成本、优化查询效率以及备份方案等目标。
    • 而数据分析师是专门负责应用数据的，也就是从数据中找出能驱动解决业务问题的关键点，最后用可视化软件将结论展现给客户或高层领导。
    • 4.从所需掌握的技能维度来看，数据工程师的工作重点在于数据架构、计算、数据存储、数据流等，所以开发能力和大规模的数据处理能力是作为数据工程师的一些必备技能。因为数据工程师还负责数据库设计、数据仓储，这就意味着他们必须十分熟悉现有的数据库技术和数据管理系统，比如和大数据有关的Hadoop与HBase 等。而数据分析师更偏重于解决业务问题，所以了解业务、懂常用的分析方法、会跨部门沟通是他们需要的必备技能。
    • 5.从发展方向维度来看，数据工程师则可以往数据架构师、数据挖掘工程师等方向发展，而数据分析师可以往数据产品经理、数据挖掘工程师、业务经理等方向发展。它们还有一个共同的发展方向，那就是数据科学家。数据科学家就是同时具备数据工程师和数据分析师两种职业技能的人才。

  • 为什么转行， 为什么没在公司内部转岗？

    • 行业前景渺茫，希望进入朝阳行业，回答的让面试官觉得你是喜欢对方公司。
  • 你理解的分析师的工作是怎样的？
    • 尽可能贴近JD回答，即面试前拆解JD的真实需求
    • 做一些常规性、周期性的分析和汇报，例如日报周报月报，如果取数需求频繁且机械，应当做成自动化项目。再一个就是分析师的工作和业务要强相关，脱离了业务的数据分析师就失去了一半的价值，成为取数机器，分析师需要有自己的观点，但同时需要和业务充分沟通，要做到数据先于观点，而不是观点先于数据，如果是这样那么无论如何都能找到数据佐证观点。
  • 分析团队的价值是什么？
    • 用数据去指导运营、业务部门
    • 一篇文章供参考：数据分析团队的价值是什么？
    • 分析团队的价值是链接各个业务部门，与其充分沟通，了解其取数的终极目的，总结出规律和经验，指导业务的发展方向。站在业务的角度, 思考数据能发挥什么价值？多从业务方学习业务思维, 然后数据积累形成自己的沉淀。
  • 你觉得数据分析最重要的是什么？
    • 1）独立思考能力：尤其是批判性思维能力，不能需求方让做什么就做什么，作为分析师要评估是否合理，有没有更好的解决方案，因为数据上你应该比他更专业，需求方是希望听到你的建议。
    • 2）强烈好奇心+坚定的信念分析需要洞见规律，必须有强烈的好奇心才能总是想知道为什么？去主动的探索。而坚定的信念才能忍得住枯燥，在数据海洋里深挖，直至自己满意。
    • 3）同理心+业务思维理解：别人为什么要这么做，而不是排斥或是强行灌输自己的观点。具备业务思维，才能做出对业务有价值可用的结论，而不是自嗨式分析。
    • 4）优秀的沟通技巧、说服的能力优秀的沟通能力：“用数据说话”往往导致分析师不注重沟通表达技巧，更多的只是传递数据结果。实际上优秀额沟通能力才能更好的明确分析目的，更快的找到关键点，沟通需求时吵起来的事没少见，甚至会影响到后续协作，沟通能力不行这点绝对是硬伤。
    • 具有优秀的说服能力，才能将你认为正确的结论输出出去，发挥影响并推动改进。其实在这一环节，你就是数据销售，向别人售卖你的数据结论。
  • 你平时都是怎么做数据清洗的？

  • 数据分析都用哪些工具？
    • excel、power pivot，使用SQL能够实现基本的取数和计算需求。复杂的数据建模和清晰工作使用python实现。
  • 你认为数据分析师应该具备哪些能力？
    • 独立思考能力：尤其是批判性思维能力，不能需求方让做什么就做什么，作为分析师要评估是否合理，有没有更好的解决方案，因为数据上你应该比他更专业，需求方是希望听到你的建议。
  • 你对数据分析这个职位有什么看法？

  • 你对自己的职业定位是怎样的？

  • 你的优点和缺点是什么？

  • 为什么要选择做数据分析？（如果是转行，一般面试官会必问这个问题，建议结合原工作回答，从原工作引申过来。）

  • 你觉得数据分析最难的地方在哪里？（这个最好结合面试公司的业务产品来说，容易引起共鸣）
  • 你觉得数据分析的工作最大的收获是什么？

考察技术能力的问题

1）数据分析工具

常用的数据分析工具有Excel+SQL+Python/R

excel

数据透视表，vlookup，常用函数的使用，基础图表的制作。
常见的面试题：之前工作里用过什么报表？图表的逻辑性，如果制作图表的逻辑说不出来个123那基本没戏了。

SQL

  • 会利用SQL操作开源数据库mysql进行查询
  • 存储过程
  • 数据库的分组、聚合、排序

刷题： 常见SQL50题

python/R

一般情况下，这两种语言会一种就够了。如果是学习Python的话，需要掌握的核心技能：

  • Python基本语法
  • Python数据分析的包（numpy, pandas, matplotlib)
  • 能够用python操作结构化数据，进行数据清洗，数据抽取，数据可视化等

  • 使用python操作数据库

    2）理论知识

    统计概率

  • 描述性统计（平均值，标准差，中位数）

  • 概率（独立事件，相关事件，期望，包括贝叶斯）
  • 概率分布（离散概率分布，连续概率分布）

  • 统计推断（抽样，置信区间，假设检验）

    3）业务逻辑

    1）业务指标

    数据分析师每天要关注大量数据指标，而数据指标又与具体的领域业务相关，掌握常用的数据指标可以灵活应对面试中提出的业务问题。

  • 某一领域的业务知识

  • 数据分析思维：漏斗思维，分类思维，平衡思维，A/B test，金字塔原理等
  • 相关性和因果关系的区别， 通过案例可以分析出来

常见的面试题： 分析一个你在工作中能体现分析思维的例子？ 各个指标如何衡量，比如app的转换率，是点击算转化还是注册了算转化还是购买产品后算转化？ 运营过程中，看某个指标有问题，你会怎么具体分析？ 跟我讲讲你之前公司业务运作模式或者情况？ 你做的事情对于业务有什么作用？


业务知识面试如何准备？

确定好要找哪个领域的数据分析师工作

如果你说自己想进入“互联网行业’，那就说明你还没想清楚到底要干什么。因为互联网的存在是为了解决某个领域的问题，比如滴滴、高德地图解决的是出行交通领域的问题，小学英语在线平台vipkid解决的是教育行业的问题，蚂蚁金服解决的是金融行业的问题，饿了么解决的是餐饮行业的问题。

而这些领域都需要数据分析师，每个领域的业务知识也不一样。所以以后你找的也是成为XXX行业的数据分析师。只有确定了行业，才能研究这个行业是什么，对症下药，这样成功转型的概率最大。

选择领域建议优先选择与之前行业相关领域的数据分析师，因为有之前的行业经验作为你的业务知识，可以很快找到工作。

数据异动类的问题怎么回答

  1. 确认异动真实性
  2. 归因分析
    （1）外因：市场大环境，竞争对手，时间的周期性变化（周末或者节假日）
    （2）内因（主要分析）：产品迭代，技术bug，运营活动的变化
  3. 问题拆解（找到细分后的异动数据因子）
    （1）业务累加法：饿了么gmv=药品+跑腿+餐饮等
    （2）纵向找到原始指标：活跃用户数转化率客单价
  4. 根据问题寻找办法