三个最常见的数据分析面试方向

数据分析师近几年在国内互联网圈越来越火，很多开发都因为薪资和发展前景，希望转行到数据分析岗。今天，我们就来聊聊面试数据分析师的那些事。

其实，数据分析能力是每个互联网人的必备技能，哪怕你没有转行数据分析师的计划，也推荐你看看这个专题，提升你的数据能力。

数据分析师最重要的三个能力分别是业务理解、理论知识和工具使用，面试过程一般也会针对这三个方面来提问。分析团队定位不同会导致侧重点有差异，即使是同样的岗位不同的面试官的关注点也会不一样。

业务理解

建议应届生要多参与一些分析项目，非相关专业的可以在网上找一些开源项目来做。这样才能让简历有经历可以写，让面试有内容可以聊。正常的面试过程中一半是固定问题，另一半是基于你所说的内容的进一步追问。

希望应届生在讲自己的项目经验时不要因为害怕犯错误而简单带过，如果让面试官没有问题可以问，面试在十分钟内简单结束的话，结果是显而易见的。要提前设想可能被追问的问题，对一些关键点心里有数。

另外，要了解公司基本业务和公司所在行业的现状。虽然在面试过程中问到的概率较小，但不排除面试官觉得你的项目经历没有什么可问的，干脆让你分析一下行业来测试你的逻辑思维能力。也有可能会当场给你一个实例让你讲下分析思路，回答这样的问题时要尽量做到逻辑清晰。

理论知识
掌握与数据分析相关的算法是算法工程师必备的能力，如果你面试的是和算法相关的工作，那么面试官一定会问你和算法相关的问题。比如常用的数据挖掘算法都有哪些，EM 算法和 K-Means 算法的区别和相同之处有哪些等。

有些分析师的工作还需要有一定的数学基础，比如概率论与数理统计，最优化原理等。这些知识在算法优化中会用到。

除此以外，一些数据工程师的工作更偏向于前期的数据预处理，比如 ETL 工程师。这个职位考察你对数据清洗、数据集成的能力。虽然它们不是数据分析的“炼金”环节，却在数据分析过程中占了 80% 的时间。

工具使用
工程师一定需要掌握工具，你通常可以从 JD 中了解一家公司采用的工具有哪些。如果你做的是和算法相关的工作，最好还是掌握一门语言，Python 语言最适合不过，还需要对 Python 的工具，比如 Numpy、Pandas、sklearn有一定的了解。

数据ETL 工程师还需要掌握 ETL 工具，比如 Kettle。

如果是数据可视化工作，需要掌握数据可视化工具，比如 Python 可视化，Tableau 等。

如果工作和数据采集相关，你也需要掌握数据采集工具，比如 Python 爬虫、八爪鱼。

最近两年，随着很多互联网公司进入精细化运营阶段，各公司对数据分析师的需求旺盛。与之形成对比的是，分析岗位的面试通过率仍然很低，公司招到合适的人很难。衷心希望大家都能找到适合自己的工作。

文章来源：网络 版权归原作者所有

上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理