【面试相关】数据分析面试前必看知识点Q&A①

趁着周末，决定花些时间来整理一下，属于我的数据分析学习地图。
第二篇：数据分析面试前必看知识点Q&A②

第一部分 知识框架

第二部分 面试准备

1、一开始先自我介绍，针对简历开始深入地问，目前主要是做什么的
2、为什么离职。
3、个人优缺点。
4、自己觉得满意的具体做的项目。
5、自己是怎么做特征工程的。
6、建模的准确率怎么样？
7、有没有用于实际中？
8、了解公司及岗位吗
9、每周输出报表是输出什么。
10、推荐一款APP给她？并且说出优点和缺点，除了微信，淘宝，QQ。
答：keep。优点：1、可以在家，碎片化锻炼，不用去健身房。2、语音指导。3、可以生成记录，在社区打卡。
缺点：1、无法将课程投屏到电视上，没有浸入感。2、锻炼的时候音乐单一，很容易无趣。3、线上线下结合不够。
Q2：[英]如果让我来分析，我会关注哪些数据？
答：运动时长，运动耗能，常练课程。其实这样答是不对的，不够结构化。
应该是这样：
1、从用户行为角度分析，打开APP次数，留存率，
2、从课程角度出发
3、从。。。。出发
11、做的项目，为什么会做，怎么做的
12、平时都用什么办公软件，挑一款你最常用得办公软件，如果是你，你会分析哪些指标（企业微信）
13、如果一个产品的指标突然上升很多，分析原因
内部：4p理论+结构化思维
外部：pest法则，
14、对职位的了解，对公司的了解
15、提到了离职原因，想从公司这里收获什么，以及觉得产品分析是做什么的
16、提到创新，讲讲在公司中做的最有成就感的项目，用到什么算法，会怎么提升
17、有什么问题要问？

第三部分 补充一些零散知识点

1.sql 语句复习

数据定义语言DDL
DDL主要是对数据库对象进行创建、修改、删除的操作（create, alter, drop）
DML主要是对数据库表 进行插入、修改、删除的操作（insert, update, delete）
DQL主要是对数据库表中数据查询的操作（select）；
DCL主要是对数据库对象权限设置的操作授予权限、回收权限、提交、保存点、回滚、设置事务等（grant, revoke, commit, savepoint, rollback, set transaction）;
insert into tablename (列1，列2…) values(值1，值2…)
update 表名称 set 列名称=新值 where 列名称等于某值
delete from 表名 where 列名=值
不含=not like’%lon%’=like’!%lon%’
不含字符列中的一个，例如0-9数字，’!%[0-9]%’
not between …and…
添加列
alter table tablename add columnname
删除列
alter table tablename drop column
null 值只能用is null /is not null 查找
为什么mysql使用B+树进行索引
B+树与B树
首先其实指的是存储引擎innodb的索引结构，
B树是树内每个节点都存数据，且叶子节点间无指针相连，优点是单一查询时，性能更好，可能一进入就查到，确定：无指针，做遍历操作很麻烦
B+树是数据只出现在叶子节点，所有叶子节点增加了链指针，在数据遍历的时候或者范围查询的时候，速度快很多
又因为msql涉及排序，分类的操作很多，因此选b+,而像以MongoDB这样的存储引擎下，用单一查询较多，选B树
union 和union all 区别
union是对两个结果采用并集操作，但是不包括重复行，相当于做了distinct，并且会按一定默认规则排序
union all 是对两结果并集，但是包括重复行，所有结果都显示，不会进行默认排序。

2.python 语句复习

input()的输入会被强制转换为字符串类型，不管终端输入字符串还是整数等，都会转为字符串，如需整数，需要强制int()转换
list.append(),在末尾添加新对象
list.insert(index,obj)位置，对象
list.pop()
list.sort()排序
[x*5 for x in range(2,10,2)]输出 [10,20,30,40]

3.机器学习的一些补充

分为监督和无监督学习两种，
监督：回归问题主要是预测连续值的输出，如房价问题
分类问题是通过一至多的特征设法预测一个离散值的输出,如逻辑回归
逻辑回归：实际上是一种分类算法，用于y是离散值0或1情况下，公式=1/(1+e^-z)，
朴素贝叶斯，相互独立条件概率假设，常用于语音识别，模糊搜索，
决策树：一种自上而下的递归，内部节点是根据不同的属性向下分支，最终叶节点就是类，核心在于找到信息增益最大的特征，如ID3算法
无监督：把数据分成不同的族，聚类算法，K-means：原则是组内数据距离最小，组间数据距离最大，用sse误差平方来取拐点K值，

4.大数据的基本概念

5v:数据量大、产生速度快、类型繁多、真实性、数据价值
hadoop ：由4个主要组成部分，
HDFS（分布式存储）【特点是1、分布式文件系统高容错，但不适合存储小文件，也不适合处理低延时的数据】
MapReduce（分布式计算）【其实是由两个函数map(）将数据切分给不同的服务器进行存放计算，reduce（）把分布式计算进行整合汇总，两个函数之间通过键值对进行交互】
资源调度yarn,【整合资源管理框架】
common（）【支持其他模块的通用组件】
hive:基于hadoop的数据仓库工作，将结构性的数据映射成一张数据库表，提供类似SQL的操作
spark基于内存的大数据计算框架，以内存换效率，速度比较快，用于处理低延时的数据
kafka分布式消息队列，实时处理大量数据，高吞吐量
lambda架构：是一种基于流式计算的框架，实时性要求高，核心概念是流批一体化，由左到右进入平台，一分为二，一部分走hadoop那样的批处理，一部分走spark那样的流处理，最终都是通过服务层对应用提供，保证访问一致性
kappa架构，因为流批分离会加大研发复杂性，设计一体全基于流计算的框架，加大流式数据的时间窗口
flink:可以批处理任务的流处理框架，将批数据看成有限边界的流数据

5.一些产品的知识点

动态面板其实是一种图层，像一个容器有很多控件，通过多控件的合理组合，状态切换，实现多动态的交互效果
如：图片轮播、面板折叠、开关、标签页、抽屉、鸵式导航
全局变量（注册反馈案例）实现跨页面传值，在不同页面都可以被调用
马斯洛需求
生理需求–衣食住行（美团、饿了么、出行app）
安全需求–健康
归属需求–QQ、微信、社群类APP
尊重需求–vip服务、贵宾通道、中高端酒店会员
自我实现（自觉性、创造力）–抖音
敏捷开发：是一种拓展化的思维，通过迭代推进，从用户感受出发迭代产品，简称小步快跑
用户故事：描述需求。模板用户需要的功能，目的与价值，优先级，验收标准
pwa:渐进式网络应用程序，在网页中实现和原生应用一样的用户体验，且不需要用户安装

企业微信相比于钉钉的优点，第一不需要来回切换微信，第二保留了微信单聊、群聊的功能，且不需要额外下载APP
企业微信有企业标识，有信任感
企业微信的记录是一种被保存的

设计一款APP(从用户痛点、产品愿景、功能、检验是否符合市场)
公众号和小程序
公众号搭建内容自媒体的生态，不仅是熟人之间的联系更是商业经济的交流，让商家获利，精准营销
小程序：整合生态，APP，用完即走的概念，解决没时间，没内存的问题

A/Btest
简单来说是一种控制变量法，针对特征相似的同一群体采用不同的两周测试方案或策略，收集用户体验数据，小范围发布，载从多个方案中选择最优版本。
流程为确定目标-创建变体-生成假设-划分A/B-运行试验-分析结果
特点是先验性（优先让小部分用户进行体验，提前验证方案）
并行性（测试时保证时间维度上是并行状态的两组数据）

置信区间（误差范围）：根据样本的选取，选择一个区间，其上下限包含总体均值，这个区间称为置信区间，置信水平是指这个区间包含总体均值的概率

假设检验
原假设H0,是指我们希望通过实验推翻的假设，例如假设这个新功能对结果没改变
备择假设H1，是指我们希望通过实验验证的假设，例如假设是对结果有改变的

而后通过类似混淆矩阵的一个表格
横向是真实测试结果
纵向是实验分析结果
当H0实验H0真实，表示的确这个方案没什么意义
当H1实验H0真实，表示这个方案出现了第一类错位a，实验假设是有变化的，但真实情况确是无变化的，它的上限是5%，置信度是1-a
当H0实验H1真实，表示这个方案出现了第二类错位b,实验假设是无变化，但是真实情况却是有变化的，他的上限是20%，置信度是1-b
当H1实验H1真实，表示的确这个方案是会发生很大变化的
Z检验是样本容量>30,T检验是样本容量<30

产品sense:理解分析、目标群体、高频场景、核心功能、生命周期、竞品

外部：pest 框架：policy 政策、economic经济、society社会结构、technology技术
4P框架：product产品，产品和服务是什么，商机是什么
price价格，定价、销量
place（渠道）：分销渠道是否还没打开
promotion（促销）：更好的营销产品

6、其他

在数组中数据存储是有顺序的，访问数据简单，但是增删数据复杂，空间紧凑
在链表中数据存储是无顺序的，访问数据复杂，但增删快，由于要额外存储指针地址，因此需要更大的空间
介绍项目：定义要解决问题的目的，数据清洗，准备步骤，用了什么技巧或算法，做出什么成果

保持渴求，不要沉寂