内容来源：见知乎同名公众号：一只学统计的鱼

禁止转载，违者必究。

一、岗位分析

数据中台数据分析：这种在规模比较大一点的公司会有专门的数据团队，负责各个业务线的数据分析工作，有专门的数据领导，不隶属于业务线。公司内部数据地位较高，数据权限较大。

数据科学家：一般归属于算法团队，主要做模型的理论研究及应用，日常工作内容多数时候在研究论文

业务数据分析：业务线下的数据分析师，主要为了快速的业务需求响应，日常工作主要是为了配合产品和运营做一些产出，数据权限及地位均不太高。

二、技能需求

1、统计学知识

①　各种图形图表②　中位数、众数、均值、方差、标准差、相关系数、随机变量、离散变量、连续变量、贝叶斯公式、条件概率、自由度、峰度、偏度、相关性与因果性等等。③　各种常见分布：二项分布、泊松分布、伯努利分布、均匀分布、正态分布、指数分布、卡方分布、F分布、t分布、Z分布④　大数定律与中心极限定理：切比雪夫大数定理、伯努利大数定律、辛钦大数定律、中心极限定理⑤　假设检验P值、置信区间、第一类错误、第二类错误、置信度、检验效能、单边与双边

2、业务理解

①　整个公司的业务流程：具体而言依公司而定，不同公司根据定位不同，有不同的业务流程。比如一个新闻资讯类app， 我们可以通过内容和用户两侧进行分析，内容侧有整个的发文流程，如何从用户作者创造出作品，到呈现到用户面前，甚至于到后期作品的召回；用户侧，则是从用户的来源渠道，到启动ap p， 再到在各个内容页的具体消费等等。

②　场见业务分析思路：RFM模型漏斗模型（AARRR模型）多维度拆解归因5W2HPEST模型......

3、SQL

DDL数据定义语言：

CREATE：创建数据库和表等对象（上传内容到新表、创建新表储存从其他表筛选过来的内容）

DROP：修改数据库和表等对象（直接删除命令）

ALTER：修改数据库和表等对象的结构（不常用）（用法：add 字段名、drop 字段名、modify column 字段名 数据类型 属性）

DML数据操纵语言：

SELECT查询表中的数据：

select、from、where、group by、having、order by、limit

数据类型：int、float、char、varchar、string、date、array

嵌套查询：

1、标量子查询

2、关联子查询

3、普通子查询：①将子查询的结果列，作为主查询的取值范围 ②将二维表作为主查询新的检索表

表联结：

自联结

组合查询（union、union all）

内部联结（inner join）

外部联结（left/right/full outer join）

常用函数：

条件函数：if、case when、nvl、coalesce、isnull...

数值型函数：rand、round、floor、ceil...

字符串函数：length、concat、upper、substr、split、get_json_object、regexp_extract...

日期函数：from_unixtime、unix_timestamp、datediff、date_sub、date_add、date_format...

聚合函数：count、sum、avg、min、max、percentile、percentile_appro x...

转换函数：cast、convert

窗口函数：

排序函数：rank()、dense_rank()、row _number()

分布函数：percent_rank()、cume_dist()

前后函数：lag()、lead()

聚合函数：sum()、avg()、count()、max()、min ()

INSERT向表中插入新数据：

1、插入字段数据（完整行/部分行）

2、插入select中的内容

UPDATE更新表中数据：

既可以更新指定列的值，也可以删除指定列的值

DELETE删除表中数据：

根据where删除指定行的数据，当不指定条件时，删除全部数据，但表依然存在，相对而言，truncate table删除所有数据的速度更快。

DCL数据控制语言

在SQL语言中，是一种可对数据访问权进行控制的指令，它可以控制特定用户账户对数据表、查看表、存储程序、用户自定义函数等数据库对象的控制权。一般用不到。

4、Python

python基础知识：

①变量、对象、自定义函数

②数据类型：字符串、整数、浮点数、布尔值

以及各种数据类型对应的函数及转换函数

③数据结构类型：列表、元组、集合、字典

以及各种数据结构所特有的功能和对应的函数

④逻辑结构

if语句for循环while语句

python知识进阶:

pandas包：pandas功能相当强大，尤其是在数据清洗方面，我们日常需要掌握的是pand as的众多函数与numpy之间的相互转化...

sklearn包：sklearn 包的主要功能是进行模型的搭建、参数调优及效果检验，但这些功能的实现都是建立在我们熟悉各个模型原理功能的基础上。

numpy包：常用功能--生成伪随机数、数组形状改变、四则运算与比较运算、广播运算、统计函数查看数组性质、numpy数组与pandas的DataFrame之间的相互转化...

此外还有很多使用频率没那么高的包，比如seaborn、matplotlib.pyplot、time、datetim e、math 等等，具体使用时，可以去查看功能。

5、excel

数据相关：

①公式与函数：例如：VLOOKUP、COUNT、MAX、RAND 等等。

②数据计算：分列、删除重复项、合并计算、模拟分析等等。

③数据处理

排序：简单排序、多关键词排序、自定义排序

筛选：自定义、高级、搜索功能

分类汇总：....

图表相关：

①普通图表：常用图表、设置标签、添加趋势线、更改布局等等。

②数据透视表

③单元格创建图形

6、模型搭建

分类模型：①有监督：

朴素贝叶斯

KNN

LR

SVM

树模型（单分类模型：ID.3、C4.5、CART

boosting模型：AdaBoost算法、GBDT算法（XGBoost、LightGBM）

bagging 模型：随机森林

孤立森林）

②无监督：

K-means

DBSCAN 聚类

层次聚类

高斯混合模型

自组织映射神经网络

神经网络

回归模型：

线性回归LASSO回归岭回归神经网络也可以用作回归模型一般以CART树为分类器或基分类器的模型也可以用作回归，但日常使用频率不高。

模型搭建中的问题：

样本不均衡：

①采样途径解决（过采样，常用S M O TE算法；欠采样，减少多数类样本的数量。）

②惩罚权重（带权值的损失函数、难例挖掘。）

特征加工：①数据的解码：列表、字典、时间戳等各种形式的数据的前期处理操作。②数据清洗：对重复值、缺失值、异常值等的处理。③特征归一化：线性函数归一化/零均值归一化④离散特征处理：序号编码、独热编码、二进制编码

特征降维：假降维：PCA算法降维真降维：线性判别分析R FE筛选变量树模型的特征筛选聚类筛选特征变量

模型评估：过拟合与欠拟合：

由此衍化而来的误差、方差、偏差问题。

评价指标：

①预测问题

MSE、RME、MAE、MAPE等。

②二分类问题

准确率、精确率、召回率、F1值、ROC 曲线、AUC值、KS曲线、PR曲线等。

③多分类问题

混淆矩阵

模型验证方法：

Holdout检验、交叉检验、自助法

超参数调优：

网格搜索、随机搜索

三、日常工作内容

1、取数需求

毫无疑问，这是日常工作的主要内容，不管一个公司指标体系搭建的再完善、报表再齐全，随着不停业务内容的开拓及决策的需要，数据的需求依然是巨大的，这里边的关键点是理解业务的逻辑和熟练的SQL运用能力。

2、异动归因

报表中监测的指标发生异常，业务方会把这个问题报给数据分析组，需要数据分析师去排查原因；不同渠道对同一指标的数据不一致，也需要数据分析组排查原因；或者在用户的日常行为数据中发现异常数据，对可能存在的作弊用户进行封禁。

3、指标体系搭建

指标体系的搭建，可谓是公司最核心的任务之一，好的指标体系，可以快速作用于业务需求，提高工作效率。一般搭建指标体系的核心思路是先选择北极星指标，将用户的生命周期路径与维度拆解结合起来，共同完成与业务紧密相连的指标体系搭建工作。

4、埋点

这个工作一般配合新的app版本上线、ab test实验进行的，主要目的是为了确保数据的准确性和数据的可利用性。一般数据分析师的主要工作内容是，根据需求的要求，结合埋点规范，确认action、page、dwell等关键字段的具体内容，将详细的日志文档字段整理好，提交给评审，然后由开发完成。

5、ABtest

这个工作是最能考察数据分析师思考能力的环节。一般是在工作中发现问题，分析问题，提出解决方案的过程中，对实际的解决措施的有效性提供检验，证明解决方案带来的实际收益并非偶然现象造成的。

6、报表

一般做报表的目的有两种：一种是为了对指标体系进行监控；一种是对为了满足业务方日常常用取数的需求。一般是写SQL脚本，定期执行，将数据存入到本地mysql数据库，再通过可视化软件，进行报表的展示。

四、面试问答

1、AB test问题集锦

①ab test流程问题，一般需结合例子叙述完整过程

②实验前：

单变/双边问题、比率和数值指标下的最小样本量、一二类错误、P 值含义、置信区间、核心指标/负向指标/辅助指标、t检验与Z 检验区别、实验指标与另一个指标的好坏问题、实验组与对照组的随机分配、实验时间问题等等。

③实验中：

AA test问题

实验组与对照组空转，核心指标出现差异，怎么办？

AA测试指标有区别的原因。

是否可以不进行A A 测试，用实验组与对照组以往的数据来判断是否存在特征差异？

AB test问题

一般的AB test场景问题都可以从以下几个理由中得到解释：辛普森悖论、新奇效应、以偏盖全、以全盖偏、正交互斥实验。

AB test具体场景问题：

AB test效果不显著，你该怎么判断这个实验的收益？

AB test中实验组核心指标明显优于对照组，那么这个优化就一定能够上线嘛？

AB test时效果显著，但是全量上线时，效果平平，问题在哪里？

AB test效果不显著时，那么是否可以判断这个实验失败了，没有意义？

ABtest的替代问题：

对于某些无法进行进行AB test的场景，可以尝试用计量经济学中的加入虚拟变量，用双重差分进行处理；或者直接用合成控制法进行实验等等。

2、指标体系搭建问题

3、指标异动问题

怎么判断指标数据是否为异动？

DAU（日活、人均消费时间等等）异常，如何分析。

4、职业问题

数据分析师所需具备的条件/技能

未来的职业规划问题

5、编程相关问题

①SQL

手撕代码：

一般面试环节都会有手撕SQL，这种题目也没有具体的数据集去验证，主要就是看写的程序逻辑。常被考的问题点有union、窗口的几个函数、lag与lead 函数、explode view对array的展开，剩下主要就是逻辑的考察（嵌套、表联结等结构，这里比较推荐使用 with..a.s..语句进行书写，更能体验逻辑的清晰性，且不容易把自己给绕懵）

底层运行原理：

hive sql与spark sql的底层原型原理、区别；hive sql与mysql的区别等等。

sql的运行顺序与优化问题

数据倾斜问题及解决措施

sql中笛卡尔积与避免措施

②模型问题

6、最印象深刻问题系列:

这种问题有很多变种，其实主要考察的内容有两个方面：一方面是是否干过某些工作，方面后边进行深入提问；另一方面是考察对某个项目的理解，是否有深入去了解，还是仅仅浮于表面。

五、简历问题

1、简洁的排版

很多人认为，简历的排版设计应该是花花绿绿的、有设计感的，这样能够引起HR的注意，然后让自己的简历被HR挑选出来，但是事实并不是这样的，花花绿绿的简历样式只会影响HR阅读简历内容，降低工作效率，很多HR是更喜欢简洁简历。

2、简历内容与招聘要求匹配

根据不同公司的JD，可以适当更改简历突出点，增加简历的匹配度。比如，需要应聘者会熟练使用office，再根据招聘要求里面，要进行运营数据的统计，说明公司对于Excel的技能是很重视的，那么，应聘者就可以在简历内容中增加对Excel技能的描述，如，用Excel软件，一天内制作两张数据分析表，会使用某某函数公式等等。

3、多使用和岗位相关的专业词汇

使用和岗位相关的专业词汇，有一个好处就是，简历内容专业度提升，简历内容的可读性强，HR可以快速的对候选人进行判断。

4、技巧性

第一个是巧用数字。数字的妙处在于，在一堆文字中亮眼，容易被发现；增加工作描述的真实性，看起来没那么像瞎编的；把自己的工作量具体化，让人更容易理解你这段实习做了多少实事，而不是去划水的。所以在描述自己做的事情的时候可以适当增加一些数字，即使你记不清了，也可以写一个大概的数字，只要看起来不是那么离谱就可以。

第二个是在具体描述自己做了什么事情的时候，最重要的就是要写清楚，你什么时候做了什么，产生了什么样的结果，或者对整个团队有什么贡献，或者对团队成果起到了哪些重要的推动作用。其中最重要的就是结果，一定要突出自己所做事情的结果。当然了最好是好的结果，如果搞砸了的话就没必要在简历里写了。