随波逐流的程序员

三流技术，二本学校，一线大厂，若干经验

不好意思！我来晚了！

前段时间也在面试，面了7家，拿到了5家offer，但因为我目前的岗位不是数据分析，但看我文章的朋友们貌似都是想要转型数据分析或者进大厂类似岗位的，我就不分享我的面试了，没有太多的参考价值。

我的这篇文章主要是对于想要进大厂和想要从事数据分析岗位的同学，因为我之前在字节的时候，也参与过帮忙面试一些候选人，私下也会跟领导和HR沟通评价他们的面试表现和打分，因此可能对于你们会有一点帮助。

所以这篇文章的重点也是根据以往的面试来写的，其实跟上一篇 我的校招面试经验 的联系还挺强的。只不过这一篇文章会更加整体，不会像上一篇细致到某个问题和经验，仅从面试的考察角度来说。

无论是社招还是校招，我都从两个部分展开来讲：

第一是技术能力，主要包括分析工具的使用、理论知识是否扎实？

第二是业务能力：主要包括对业务有没有自己的理解和思考、能否画得一手漂亮的PPT？（分析报告）

一、技术能力

1.分析工具的使用

Excel是基础中的基础，会问到的就是一些常用函数、数据透视表、vlookup这些。Excel非常重要，有很多人对Excel的重视程度并不够，面试的很多人都说自己会Excel，但当问起来一些函数和参数的时候，很多人都吃瘪。Excel的推荐我已经在上一篇推荐过了，还是王佩丰的教程。

Sql是敲门砖。

基本：选择、表连接

常用：去重、筛选、聚合、排序、字符串、条件

进阶：日期函数、分组排序、百分比等等

一般考察sql的方法就是让你手写sql，会给到你一个虚拟的数据库表结构，按照给出的条件进行查询数据。所以在面试之前把常用的语句记清楚，此时推荐sql必知必会。可以给大家发pdf版哈。

这个部分老老实实去刷题，看过不等于学会，除非是学霸，否则只要自己没有写过，不代表你掌握了。

另外补充一下，如果面试让你手写你就手写，不要跟面试官讨价还价问能否口述。如果口述能跟手写一样，那还让你们手写干嘛？！！！（我之前就遇到过一个不肯手写的应聘者，打死都不肯的那种）

其次手写sql的时候，排版和字体稍微工整一点，如果能注释自己为什么要这么写是最好的，会加分！（仅我个人体验，会对这个应聘者的好感度增加）当然，前提是你大体能写的出来。

Python 考察其实相对较少，但还是需要掌握的，只不过在面试中考察比较少，如果考察的话也很基础。不需要花太多时间。

主要是的掌握基础语法和DS模块，主要包括sklearn、pandas等等。这个版块去kaggle就能解决~

可视化也是很重要的，可视化一般是Tableau和PowerBI，前者居多，但考察的不会很细致，因为可视化软件学起来都挺快的。官网都有免费的教程可以学。

可视化需要在分析报告中体现出来，因此如果能掌握一些分析框架和模型是最好的。

2.理论知识是否扎实？

• 统计学

统计学也是想要转型的数据分析师们必须学的，如果不了解统计方法，不清楚每一个统计指标的含义，那么可以说数据分析分析了个寂寞。

这部分一般会考查：描述性统计（中位数、方差等）、独立/相关事件、期望、概率分布、置信区间、假设检验、回归分析等

• 机器学习（算法）

算法考察不会很深入，一般也是被列为加分项，但这不代表就不需要学。前两天有个网友咨询我，刚转型就从机器学习看起的话会挺有压力的，建议放在最后学习。

因为数据分析其实对技术要求并不高，就算是考察算法，只要你能了解各类算法的优缺点、使用场景以及对常见算法的基本原理熟悉就行了。

可能会问的就是类似于监督学习和无监督学习的区别和联系等这类很基础的问题。

二、业务能力

这部分考察其实很类似，肯定会考察到的就是数据指标体系和异动分析。

例如：

• 日活、人均使用市场、复购率下降了如何分析？
• 怎么评估某个产品上线的某个功能的效果如何？
• 如何评估某个宣传活动的效果？
• 针对某个产品，你如何构建数据指标体系？
• 我们的产品与竞品的区别？你怎么看待这些差异/相似？

......

可以看出，我们基本都是从产品和运营的角度出发去处理问题，这与数据分析师的种类有很大联系。

这里就顺带说一下数据分析师的种类。

• 一类是负责支持产品、运营团队的分析师，大部分数据分析师都可以归为这类。主要的工作内容是产品迭代的效果分析、ABtest的实验设计与效果评估、产品改版方案的策略输出、活动运营的效果分析、用户运营的目标用户筛选、拉新、复购的策略输出
• 一类是负责支持集团管理层的分析师。这类数据分析师普遍归属于战略部门，要求有极强的业务能力和前瞻性，而且对学历背景要求极高。工作内容是对公司整体的宏观情况分析、不同业务的横纵向对比分析、战略方向的策略输出
• 一类是负责行业研究的分析师。这类数据分析师普遍集中在咨询行业，基本是以项目进行结算，他们能够在很短的时间对一个领域了解的透彻，重在分析。这类数据分析师的出路挺广的，但咨询行业一般对背景要求也高。主要侧重于某个行业的大盘情况、竞争对手的供给、策略、产品等分析、是否有新的机会和增长点分析

我们所应聘的基本都属于第一类，因此所问的问题跟业务的联系更加紧密。因此，除了ABtest、各类用户分类模型以外，最好是能多看看与产品和运营相关的视频和书籍。

三、题外话

在准备上传文章的时候看到有网友评论问这个问题，顺带一起写了。

这里也使用STAR法则，但并不是要求你们严格遵循STAR法则，这个模型只是提供一个框架，一个模板，一个思路而已。只要你的能交代清楚以下内容就行了：

1. 这个项目的背景（是做什么的，为什么要这么做？最后想要具体实现什么价值？
2. 你在这个项目中的角色是什么？为了实现这些价值你做了哪些动作？
3. 这些动作带来了哪些变化？项目的可量化结果是什么？

如果是kaggle上面的项目就很好写了，本身项目介绍背景他们就罗列的很清楚了，只需要写清楚自己的动作和逻辑，以及最后的结果。

项目经验也分成三段来写，不要杂糅在一起，不利于展现你的思路和整个项目的表达。

那没有项目经验怎么办？去哪里补足？

如果买了一些书或者报班亦或者在网上系统学习课程的时候都会穿插一些项目，无论是授课老师带着你做，还是布置的课后作业，都可以转化为项目写进简历里，这并不涉及简历造假。大家也不用担心。

其实项目经验是很好补充的，难的是这个项目有多少含金量，以及你能从中学习多少？掌握多少？

其次可以去我第一篇文章/回答里提到的网站参与竞赛，这些竞赛既可以当成项目也可以当成比赛来写。

如果你觉得这篇文章对你有帮助，点个赞再走吧。如果有想看的或者觉得我有哪些没有说的很清楚的地方，可以评论或私信我。我在之后文章里改善。

本文提到的往期文章可以前往我的专栏，会定期分享经验。