很多人对我4W字的文档感兴趣，这次先把框架放上来吧~文档并不是一次性写完就结束了，而是在面试中，在实习中不断的更新和完善。

文档也不是简单的百度答案、复制粘贴，而是要用自己的话进行复述，每一个问题下，都需要想出与之对应的案例。

PART 1 自我分析篇

1、自我介绍（三段式）

2、对数据分析工作的理解（看法）

3、数据分析和数据挖掘\算法的区别

4、优点和缺点

5、兴趣爱好

6、转专业的原因

7、最喜欢的课程

8、对未来的学习规划（职业规划）

9、别人对你的评价

10、大学里最遗憾\最开心\最困难的事情

11、对自己影响最深的人

12、为了数据分析的岗位，做了哪些准备

13、如果成为数据分析师，最欠缺的能力

14、如何选择工作机会

15、 理想的工作环境\老板类型

16、想做偏技术还是偏业务的分析

其实这一块的内容，大多是主观想法的展示，无所谓对错，但最好提前有准备，能够对自己进行比较深的剖析，选择最合适的案例来支持自己的观点，而不是在面试中临时发挥。

还有一点，在秋招的海投模式下，一段自我介绍难以在各个公司通用，所以最好想下自己可能会投哪些公司行业，提前准备多份自我介绍以便备选。

PART 2 实习以及项目深挖篇

1、实习中用过的数据工具以应用场景

2、最有挑战性的\印象最深刻的\最有成就感的一个项目

（注意：①可参考 在面试前，要如何整理自己的项目？

②每一个项目，都要自己准备4-5个问题

③不仅仅准备一个项目，所有写在了简历上的项目，都要准备）

3、你的项目如何推动业务发展

4、如何与业务方沟通

5、实习的收获

6、实习的产出价值

这一个PART看起来只有5项内容，但是每一个项目，都能够洋洋洒洒写上几百上千字，需要很细致、很深入的去回忆和整理。要注意的是，所有你写在了简历上的项目，不论是研究、比赛还是实习，都需要做好准备。

PART 3 业务分析篇

1、RFM模型、AARRR模型、SWOT矩阵、波特五力模型等

2、不同行业的指标体系建设方案梳理（包括电商、社区、游戏、视频、新闻等）

3、不同行业、不同成长周期的企业，最关注的指标

4、GMV\活跃用户\转化率\客单价\获客成本\用户流失率\市占率的变化原因分析

5、如何实现用户增长的目标

6、开拓市场\推广产品业务时，可以分析哪些数据

7、AB实验的应用

业务分析篇就不多说了，“构建指标体系”，“选择最重要的3个指标”，“XXX变化的原因分析”一定是笔试和面试中问到最多的问题。提前对各个行业的常用指标进行梳理，在遇到“最重要的指标”问题时，可以结合行业特征以及公司的发展阶段给出自己的想法；在遇到“XXX变化的原因分析”问题时，可以从指标拆解、逻辑树、人货场的角度给出分析思路。

PART 4 SQL篇

1、各种连接函数的区别

2、索引的区别和作用

3、不同排序排名函数的区别

4、on和where的区别

5、连接select语句的几种函数

6、主键和外键

7、数据的插入、更新与删除

8、字符串操作函数

9、in和exist的联系与区别

这里不多说了，具体可以参考关于SQL：除了刷题，还要准备什么？

PART 5 统计学篇

1、正态分布\偏态分布\长尾分布\双峰分布\二项分布\泊松分布

2、假设检验、置信度和置信区间

3、中心极限定理和大数定律

4、异常数据的检测

5、单样本T检验\独立样本T检验\配对样本T检验\方差分析\卡方检验

6、T检验和Z检验的具体步骤、区别

7、参数估计的方法（点估计和区间估计）

8、幸存者偏差

9、辛普森悖论

10、相关系数（皮尔逊、spearman、肯德尔）

11、距离计算公式

12、贝叶斯公式

13、数据标准化的方式

面试里也常常会遇到统计学问题。不论是假设检验还是常见的数据分布形态，都有可能被问到，我总结了一些自己在面试中被问过的问题，写在了上面。要注意的是，在准备统计学知识的时候，不是简单的复制概念粘贴文字，而要用自己的语言来表达，最好加上案例的说明。

PART 6 机器学习篇

1、决策树\随机森林\GBST\XGBOOST\逻辑回归\KNN\K-MEANS\朴素贝叶斯\PCA

2、Bagging和Boosting的区别

3、分类器的评价指标？（混淆矩阵、P-R曲线、ROC曲线等等）

4、L1&L2正则

5、常用的损失函数以及各自适用的场景

6、样本不平衡问题

机器学习的这一部分，针对简单的算法，都要从原理、优缺点、应用场景、优化方式等角度做好准备。就算数学上不会推导，文字表述上咱也不能输……

面试真的是一件随缘的事情。

技术型面试官和业务型面试官各有所好，我们也不知道自己的简历会流转到什么面试官的手中，可能是算法大佬，可能是产品经理，也可能是数据负责人，或者运营总监，不同的人总会有不同的偏好。

作为候选人，尽力做好自己的准备，尽人力，听天命……