一.SQL

大部分考點圍繞join連接，聚合函數，窗口函數，列轉換進行命題

1.join連接

• 重點掌握left join和inner join
• 這是數據分析師使用率最高的兩個語法，一般筆試題，掌握這兩個語法就可以輕松應對所有join
• 如果結果需要去重處理，我們可以通過group by或者distinct進行去重

2.聚合函數

• 考察應聘者對分組的理解及聚合函數的掌握情況
• group by語句通常會和聚合函數一起使用，按照一個或者多個列對結果進行分組，然后對每個組執行聚合操作
• having子句允許用戶通過一個簡單的語法完成原本需要通過子查詢才能對group by語句產生的分組進行條件過濾的任務

3.窗口函數

• 可以對數據庫函數進行實時分析處理
• 基本語法如下：
• 窗口函數位置，可以放以下兩種函數：
• 專用窗口函數，包括rank，dense_rank，row_number
• 聚合函數：sum，avg，count，max，min

4.行轉列

• lateral view用于和UDTF函數（explode，split）結合來使用
• 首先通過UDTF函數將數據拆分成多行，再將多行結果組合成一個支持別名的虛擬表
• 主要解決在select使用UDTF做查詢的過程中查詢只能包含單個UDTF，不能包含其它字段以及多個UDTF的情況

5.其它

• 字符串處理函數，round，ceiling，cast，date_format()，轉置函數pivot

二.概率

1.貝葉斯公式

• 重點熟記貝葉斯公式：P(B|A)=P(A|B)/P(A)
• 舉例：三門問題

2.隨機變量及分布

• 重點掌握正態分布，二項式分布，均勻分布等常見分布類型
• 方差與期望定義，性質
• 舉例：攜程客服1小時內接聽的電話數屬于什么分布

3.三大抽樣分布

• 卡方分布，F分布，T分布
• 舉例：結合應聘公司的業務背景，舉例說明這三大分布的應用場景，比如小樣本AB測試如何進行顯著性檢驗

4.參數估計

• 最大似然估計，無偏估計，區間估計
• 舉例：需重點掌握這些估計的定義及相關推導證明

5.假設檢驗

• 這是AB實驗非常核心的知識點
• 舉例：第一類錯誤和第二類錯誤的定義

6.回歸分析

• 舉例：一元線性回歸的主要前提假設是什么

7.其它

• 相關性檢驗，峰度，偏度，統計量，組合概率
• 重點掌握這些知識點的定義和性質
• 舉例：person，Kendall，spearman三中相關分析方法的異同
• p值的正確理解：原假設為真時所得樣本極端結果出現的概率，一旦出現p值，就有理由拒絕原假設，p值越小，拒絕的理由越充分
• 顯著性水平（一個可允許的概率作為判斷界限的小概率標準）和置信區間（真實值有一定概率落在測量結果的周圍的程度）
• 大數定理和中心極限定理

三.開放題

1.異常歸因類

• 設題原因：一般來說，互聯網大廠都會構建自己的數據監控體系，作為數據分析師，除了解讀數據并從數據中發現增長點，對數據異常的歸隱定論也是重要的工作之一
• 舉例：某電商平臺，每日監控當日的成交額情況，突然有一天某類目成交額暴增，請問作為數據分析師你該如何分析？
• 問題確認：首先需要確認該問題是否真實存在，即校驗數據的準確性。例如：數據提取是否存在邏輯錯誤，上游表是否存在重復記錄的問題
• 確認有無外因，舉例：1）環境影響，是否存在某爆款商品2）時間因素，是否存在季節性波動3）競品因素
• 內因分析拆解：1）商品維度拆解：可設計相關指標定位異常行業，店鋪等2）用戶拆解：可以拆解是否存在高客單用戶，因某個個體拉高了特定類目的成交額，其次我們可以根據用戶的屬性，比如地域，年齡，新老客等維度進行拆分解析
• 劃重點：異常歸因類問題建議有邏輯有結構的回答，體現基本嚴謹的分析思路
• 常見做法即排外拆內：排查有無外因影響后，通過業務涉及具體維度下鉆分析

2.AB實驗類

• 如果沒有相關經驗，會問你原理，步驟，衡量標準等基礎概念

3.專業知識類

• 概率論與數理統計，機器學習，數據庫

4.估算類

• 主要考察你的邏輯分析能力
• 舉例：北京地鐵站旁有多少個煎餅果子鋪？上海有多少家早餐店？

5.指標體系類

• 舉例：設計某策略的AB試驗指標？上線一款新的APP，你打算如何布控監控體系？
• tips：面試公司的基礎產品和功課了解

6.軟問題

• 職業規劃類：為什么選擇數據分析師行業？你對數據分析師一職如何看？
• 實際工作類：如何成為一名優秀的數據分析師，如若入職，你有什么規劃打算？

7.反問類

• 如若有這一環節，抓住寶貴機會，想辦法變成自己的加分項，不要問無意義的廢話

四.業務知識

• AB測試，對照組實驗組的選取，埋點的設置，尤其注意頁面訪問統計和用戶瀏覽行為的相關指標，留存率的不同時段的分析

• 辛普森悖論

• 日活，月活，gmv的變動分析，這類都可以統歸為指標異動分析，沒有固定的答案，但要有一條自己的分析體系，重點是要劃分好維度和內外部綜合分析

• 為某個APP搭建一套指標體系，可以按照標準的人貨場回答，也可以按照APP產品處于不同生命周期的階段進行回答，思路正確且完整就行，當然不同業務類型的APP要回答不同的業務指標

• 商業變現（廣告，增值服務，電商），這個經常會跟產品的生命周期結合，產品的不同階段需要的引流和關注的用戶群體是完全不一樣的

• 歸因分析和漏斗轉化分析

• 用戶畫像（屬性，行為，需求偏好）

總結

以上是生活随笔為你收集整理的面试题小结 (数据分析)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。