你的面试官真正想知道什么

面试并非易事。你需要熟悉自己选择的技术栈，紧跟最新趋势，并且能够展现出与你从未谋面的团队的完美契合度。

这篇文章希望帮助初级人员或那些刚接触技术面试的人准备和理解面试官在数据分析师面试中可能会问到的 10 个问题。

商业与职业

• 您认为您可以为我们的团队增添哪些独特技能？
• 您如何保持自己的技术技能与时俱进？
• 描述一个你通过创新方法积极解决业务问题的例子

了解要求

• 提供一个例子，说明在范围界定完成并签字后，客户扩大了工作范围。

数据清理和分析

• 数据越多越好吗？你更喜欢原始数据还是浓缩数据？
• 在典型项目中处理和清理数据时您会经历哪些步骤？
• 你熟悉哪些工具？你更喜欢哪种？
• 描述一个你运行过的、你特别自豪的复杂分析的例子，以及你的方法和获得的见解

数据可视化

• 您使用什么工具向最终用户发布数据？
• 您会提供什么形式的支持用户帮助？

商业与职业

您认为您可以为我们的团队增添哪些独特技能？

好：
你可能会听到“技能”这个词，觉得你需要开始背诵你如何熟悉连接操作以及如何像专业人士一样索引表。这个答案还行，但并没有解释为什么你与众不同。

更好的答案：
面试官会问你有什么“独特之处”，以及为什么他们应该优先考虑你而不是其他候选人。准备面试的时候，回顾一下职位描述，看看这位新员工将要解决什么问题。

• 您是否要成为以客户为中心的团队的一员，这意味着您需要具备强大的利益相关者管理技能？
• 你会参与项目吗？
• 他们是否属于您以前工作过的行业？

强调你是如何阅读职位描述并理解他们想通过这位新员工解决的问题的。毕竟你是一位问题解决者 :)

您如何保持自己的技术技能与时俱进？

好：
让面试官知道你正在阅读什么、你最喜欢的技术 Twitter 帐户以及你一直在从事的任何教程或项目。

更好的做法：
通过谈论目前行业中正在发生的有趣的事情来扩展这一点。

• 云计算和将服务迁移到云端
• 安全、数据治理和隐私泄露
• 新框架或工具与现有选项的比较

将这些当前的技术和工具趋势与公司正在开展的工作联系起来。

• 最近有关于他们转向云计算的新闻吗？
• 考虑到他们所从事的业务，他们是否必须对 GDPR 立法采取更多预防措施？
• 询问他们是否考虑转向新的框架或采用新的工具。

描述一个你通过创新方法积极解决业务问题的例子

好：
描述项目：

• 你所做的工作，
• 你所面临的挑战，
• 您想出的方法。

更好的做法：
专注于你的具体贡献，而不是团队的贡献。展示你的表现：

• 善于外交，关注利益相关者和团队成员
• 编写文档并能够支持您的方法。

谈论客户或经理的反馈以及您如何有兴趣不断改进，无论是通过创新还是接受团队的建议。

了解要求

提供一个例子，说明在范围界定完成并签字后，客户是否扩大了工作范围？

好：
描述一个你如何成功应对压力的例子。面试官问这个问题是为了评估你的应对能力。

更好的做法：
具体、务实地描述你如何与客户打交道。面试官希望看到你表现出同理心和自信。

• 你可以预测变化并推迟时间表
• 了解质量和及时性之间存在权衡

数据清理和分析

数据越多越好吗？你更喜欢原始数据还是浓缩数据？

好：
描述质量和数量之间的权衡是一个很好的开始，可以展示你对这一领域的理解：

• 根据您选择的工具，丰富、干净的数据很容易处理

• 如果考虑异常值，更多数据可以产生更完整的数据模型

• 清理后的数据需要更长的时间才能进入规范化和丰富的状态 - 重复数据删除、加入其他数据集以及添加到关系模型。

• 原始、细粒度数据的存储和移动成本很高。

更好：
这取决于项目。不过，总能用工具来处理这些权衡：

• AWS Kinesis 和类似工具可以以流的形式发送数据，以避免批量加载和随之而来的维护。
• 可以使用 S3、Glue 和 Athena 构建数据湖以降低成本。
• 在构建新的数据集时，可以部署机器学习模型来进行初始数据清理和执行数据质量监控。

在典型项目中处理和清理数据时您会经历哪些步骤？

好：
描述典型数据分析师流程的不同步骤：

• 勘探，
• 准备，
• 造型，
• 验证，
• 可视化

重点关注数据清理的重要性：

• 发现任何异常和离群值
• 删除重复和不正确的数据
• 使数据集更易于处理

更好：
更进一步，讨论数据清理的最佳实践：

• 采用迭代方法并按逻辑块进行清理
• 制定计划来确定错误发生的位置并找出根本原因
• 在数据签署并允许流入模型之前验证数据是否正确
• 尽可能多地编写脚本，以便在需要时可以重复或回滚该过程

你熟悉哪些工具？你更喜欢哪种？

好：
这个问题不仅关乎你使用的工具，也提供了一个机会来谈谈你使用每种工具的经验。分析师应该熟悉 Excel、SQL、可视化工具，或许还应该熟悉统计分析工具或脚本语言。

向面试官展示你熟悉一套工具，如果这些工具是你面试职位的首选工具就更好了。但也要确保使用示例来展示你的经验水平以及你使用这些工具的具体任务。

Excel - 使用数据透视表聚合数据的项目，并使用条件格式和图形将结果可视化。

SQL - 项目用于连接多个数据集并安排它们使用存储过程运行。

可视化工具——使用多个图表来跟踪一段时间内的销售情况，并考虑颜色、图表类型以及最终用户想要从中获得什么。

更好：
进一步讨论你读过或尝试过的新工具。例如 Hadoop 和 Spark 等大数据工具、Python 等脚本语言，以及 D3 等库，这些库可以使可视化更具交互性。

描述一个你运行过的、你特别自豪的复杂分析的例子，以及你的方法和获得的见解

好：
面试官寻找的例子是，你不仅对工作感到自豪，而且可以热情地描述你所做的事情以及结果是什么。

确保您的示例是：

• 与角色相关
• 你真正为自己的工作感到自豪
• 并非纯粹的运气，也不是你只为团队项目贡献了一小部分
• 真的！别把故事夸大其词了。

更好：
谈谈这个项目如何帮助你前进：

• 您能否对流程做出改变以节省时间或金钱？
• 您的分析对未来的工作有帮助吗？
• 这次成功是否帮助你发现了自己喜欢什么？

数据可视化

您使用什么工具向最终用户发布数据？

好：
这是一个展示您对数据可视化选项范围的理解以及它们何时适用的机会。

Excel - 如果您曾在初创公司或小型组织工作过，或者更喜欢使用 Excel 作为一站式服务。对于不包含敏感信息的小型数据集，使用 Excel 没有任何问题。

企业工具 - 如果您曾在大型组织工作，您可能使用过 Tableau、Power BI 或 MicroStrategy。这些工具价格较高，需要支付相关的许可和培训费用，但能够安全地从数据库连接到可视化层。

统计工具——如果您曾在学术或科学领域工作，您可能使用过 SAS、R、Jupyter Notebook 或 SPSS 来呈现数据。这些工具更加专业，但与这些领域的工作相关。

基于 Web 的工具 - D3 和 HighCharts 等框架和库对于信息图表和基于 Web 的数据可视化越来越常见。

更好：
表明您知道何时使用其中一个，以及每种情况下的缺点：

Excel

• 非常适合快速分析，易于访问且用户友好
• 这不是共享敏感数据的安全方式，并且多个副本可能会出现在单个机器上

企业工具

• 提供一种安全、可扩展的方式将数据库连接到可视化工具
• 许可安排昂贵，设置和培训用户可能很耗时

统计工具

• 允许聚合和可视化代码在同一位置运行的专用工具。
• 冲突的库和软件包版本使得共享变得困难，技术水平或技能水平较低的用户可能会发现很难上手

基于网络的工具

• 总体来说外观漂亮，互动性强
• 需要一套不同的技能来设置和维护，这并不总是发布敏感数据的合适方式

您会提供什么形式的支持用户帮助？

好：
面试官想了解你在项目完成后提供支持的偏好。你更喜欢：

• 一对一支持
• 向一大群人进行演讲
• 撰写或博客发现和持续的见解

更好：
表明您可以评估什么更适合用户以及他们可能需要什么持续的帮助。

• 在与高级经理打交道时，您会以不同的方式表达您的发现吗？
• 你会考虑最终用户的角色吗？分析师同事和销售或市场营销同事可能会有不同的问题。
• 如果听众对您的演讲感到无聊，您会怎么做？

虽然难以置信，但面试官并不期待你准备好完美、照本宣科的答案。面试官知道你是人，他们看重的是技术知识，以及你的沟通和应变能力。

祝你准备顺利！