数据分析秋招小结

Part1. SQL

基础语法操作

推荐网站：xuesql.cn，sqlbolt.com

如果觉得不够尽兴/过瘾，这个网站涵盖了更全面的知识点：w3school：

进阶：

关键词：限时
编程题目不限时容易钻牛角尖…

推荐网站：LeetCode，HackerRank

同样，觉得写的很生硬的题目也可以去学习一下评论区或者submission里高亮的答案，以了解一些笔面试常考但是xuesql或者书上没有出现的写法和函数。通常一个好的答案会以非常完整的教程形式呈现，比如：

放一道难度为easy的题目，感受一下：组合两个表

关于笔试/面试

• self join，表自身的连结，例题：连续出现的数字
• case when/if语句，例题：变更性别；应用：行转列/列转行
• 窗口函数，通俗易懂的学会：SQL窗口函数
• 子查询，例题：从不订购的客户
• 自定义函数，例题 ：
  Design a product catalogue with products (name, price, description), and n-level and multiple categories and manufacturer (name, logo). Draw normalized table structure with primary & foreign keys and write SQL to retrieve all n-level category products recursively, expected output:
  Books – Philosophy – Metaphysics
  Books – Philosophy – Confucianism - Mencius
  Books – Literature – Lin Yutang
  Software – Utilities – File Management
  
  

除此之外，知乎上提供了很多练习题，需要自己下载mysql环境并建表练习，是一个非常完整的知识点巩固体系，比如：互联网校招SQL笔试经典50题及答案解析


下面我们看几道练习题：

1. 给定如下几张表，查询学过编号“01”并且也学过编号“02”课程的同学的学号、姓名。
   
   student表：
   

   teacher表：
   

   course表：
   

   sc表：
   

2. 给定表t_user_payment，要求查询三种服务（快车、顺风车、专车）分别收到三种支付方式（支付宝、微信支付、其它）的金额：
   
   查询结果应如下：
   

Part 2: 编程语言

推荐网站：LeetCode

几种常考的知识点：

1. 数组，python数组的使用
2. 栈（先进后出）
3. 队列（先进先出），参考python栈和队列的实现
4. 树：前序遍历，中序遍历，后序遍历，层序遍历，参考：二叉树遍历
5. 哈希表

同样，放一些难度为easy的题目感受一下：

• 字符串中的第一个唯一字符
• 分发饼干

Part 3: 项目

核心关键词: 数据预处理、分析、数据可视化等

如何练习？

1. 学校项目
   包括fyp/论文/大型且参与度较高的groupwork，可以回顾并润色之后加入简历。
2. Kaggle/天池
   自己找项目做的最佳练兵场，可以熟悉整套数据分析的流程。很多大佬在Notebook板块贡献了自己的答案，可以作为参考学习。如果有一个较为亮眼的排名是一个很大的加分项。
3. 实习
   提升最快的方式，通过业务需求进一步理解岗位。

数据预处理

预处理是整个项目中最耗时的部分之一。因此在面试中也会作为考察的重点。

填充缺失值： 删除变量、填充等
离群点判断： 箱线图、3 $\sigma$ 原则等
降维： 逐步回归、PCA、SVD等
数据变换： min-max标准化、z-score标准化、log变换等


经常会结合项目问具体的操作步骤和流程，因此最好能具体阐述Python/R中的具体函数名，以及熟悉一下这些函数的参数。


参考：整理一份详细的数据预处理方法

分析

从笔面试出发：

1. 概率与统计
   
   
   概率分布： 二项分布、泊松分布、正态分布以及它们的期望、方差等等
   假设检验： 应用：A/B test，expected shortfall等
   条件概率： 贝叶斯、条件期望等
   
   
   推荐直接做模拟卷，以练代学。

   牛客公司真题

   例题1：
   （2020年小红书秋招数据分析笔试） 调查全公司1000名员工平均交通费用支出情况，采取不重置抽样，从其中抽取100名进行调查。根据以往调查可知总体方差s²为100，则样本均值的方差为 （）
   A. 0.1
   B. 0.01
   C. 100/111
   D. 10/111
   例题2：
   用概率告诉你：集齐 “五福” 要多久
   
   
   重点：统计分布，贝叶斯，假设检验，期望等等。
   
   

2. 常用机器学习算法（结合项目）

   1. 分类（支持向量机，朴素贝叶斯，分类树等等）
   2. 回归（线性回归，逻辑斯蒂回归，回归树等等）
   3. 聚类（K-means，Hierarchical clustering等等）
   4. …

写进简历里的算法/模型必须熟悉每一个细节。

可视化/数据呈现

工具： Tableau，PowerBI，以及Excel, Python, R中的绘图包等


这一块面试一般不会问太多，一般会结合实际项目或者实习经历询问，或者给定情景要求应试者给出适合的图表。

Part 4: 其它

Excel:

基本运算、常用函数、数据透视表等。
例题：

大数据相关

*加分项：Hadoop框架、Hive/Spark