拿下Offer：数据分析师求职面试指南

一、面试前的准备

二、直面数据分析面试

三、基础知识考查

四、编程技能考查

4.1 熟悉Python

4.1.1 概念

Anaconda -> Spyder & Jupyter Notebook

• 安装 Anaconda3-5.3.1
• 安装Jupyter | Jupyter lab

4.1.2 数据分析 - pandas & numpy

pandas读取Excel或者CSV文件，处理表格数据。

4.1.3 数据可视化 - matplotlib & pyecharts

4.3 掌握SQL

4.3.1 数据库常见类型及表单查询SQL语句

（1）Structured Query Language

• SQL Statements
• MySQL SQL语句练习题

（2）Hive SQL

HDFS - 存储
MapReduce - 计算

（3）Hive VS MySQL

数据量 - 查询
延迟响应 - 数据看板

（4）Hive 不涉及子查询的单表查询SQL执行顺序

FROM + 表名
WHERE + 查询条件
GROUP BY + 字段名
HAVING + 查询条件
DISTINCT + 字段名
ORDER BY + 字段名
LIMIT + 数量

4.3.2 多表查询SQL语句

（1）索引

Hive无索引，使用分表表加快查询速度。（增量表&全量表）

（2）多表连接

join：以字段（列）为单位进行连接 
union：以记录（行）为单位进行连接

（3）join

inner join
left join
right join
full join

（4）union

union
union all

4.3.3 更多SQL内容

(1)聚合函数

sum
avg
count
stddev
variance
max
min
percentile

（2）distinct

select distinct id
select count(distince subject)

（3）case when

利用现有字段，结合条件，生成新的字段。
分组和选择语句。
聚合函数。

（4）窗口函数

为分组中的每条记录都会返回特定值
减少表之间的连接
row_number() over()
percent_rank() over()
sum() over()
avg() over()
man/min() over 

（5）动态更新

五、数据分析师实战技能

5.1 数据分析师实战技能

5.1.1 数据人员如何创造价值

5.1.2 完整的指标体系构架

5.1.3 数据监控及报表设计

5.1.4 设计一份优质的数据分析报告

5.2 基于互联网大数据的应用

5.2.1 AB测试

5.2.2 用户画像

5.2.3 完整的数据挖掘项目流程

六、用努力给自己加分

6.1 学习方法很重要

6.2 拓展自己的知识面