面试数据分析师的常见问题(面试必看 数据分析师10道常见面试问题)

下面是好好范文网小编收集整理的面试数据分析师的常见问题(面试必看 数据分析师10道常见面试问题)，仅供参考，欢迎大家阅读！

今天来谈谈数据分析岗位面试前都需要做哪些准备？注意，面试准备大体上仅针对面试，并不会涵盖数据分析全方面的知识体系，特此建议初学者经过系统化学习后，再进行相关面试准备。

在大家开始找工作之前，至少留出2周时间进行知识梳理及过往经验总结，系统化处理碎片信息。

01

成为一名数据分析师需要具备哪些技能?

要成为一名数据分析师，需要掌握丰富的报告软件包(BusinessObjects)，编程语言(XML，Javascript或ETL框架)，数据库(SQL，SQLite等);

能够准确分析、组织、收集或传播数据;掌握数据库设计，数据模型，数据挖掘等方面的技术知识以及分析大型数据集(SAS，Excel，SPSS等)的统计软件包知识。

02

数据分析的流程

03

分析项目的各个步骤是什么?

分析项目的各个步骤包括：

问题定义

数据挖掘

数据准备

模型化

数据认证

实施跟踪

04

分析的结果数据特别大，有些结果数据扛不住了，怎么办？

一般的结果数据数据量没有那么大，也就几十万是样子，这样的数据级别，对于MySQL这样的数据库没有任何压力，但是如果这个数据量千万或者亿级别，同时有复杂的SQL查询，这个时候MySQL就肯定扛不住了。

这个时候可能需要构建索引（例如通过lucene来对于要检索的字段添加索引），或者用分布式的内存服务器来完成查询。

总之，两套思路，一个是用文件索引的形式，就是空间换时间，另外一种是用内存，就是用更快的存储来请求。

05

列出数据清理的最佳实践?

一些数据清理的最佳实践包括：

按不同的属性排序数据

对于大数据集，逐步清理并改进数据，直到获得良好的数据质量

对大型数据集，可以先将其分解为小数据集，使用更少的数据将增加迭代速度

要处理常见的清理任务，请创建一组实用程序函数/工具/脚本。它可能包括基于CSV文件或SQL数据库重映射值，或者正则表达式搜索和替换，消除所有不匹配正则表达式的值

如果在数据清理方面存在问题，请按照估计的频率进行安排并解决问题分析每列的汇总统计数据(标准差，均值，缺失值的数量)

保持对每一个清理操作的跟踪，以便可以根据需要更改或删除操作

06

海量日志数据，提取出某日访问百度次数最多的那个IP。

算法思想：分而治之+Hash

1.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理；

2.可以考虑采用“分而治之”的思想，按照IP地址的hash(ip)%1024,把海量IP日志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址；

3.对于每个小文件，可以构建一个ip为key，出现次数为value的Hash_map，同时记录当前出现次数最多的那个ip地址；4.可以得到1024个小文件中的出现次数最多的ip，再依据常规的排序算法得到总体3上出现次数最多的ip；

07

可用于数据分析的一些最佳工具清单有什么?

Tableau

RapidMiner

OpenRefine

KNIME

GoogleSearchOperators

Solver

NodeXL

io

WolframAlpha’s

GoogleFusiontables

08

数据挖掘和数据分析之间的区别是什么?

数据挖掘和数据分析之间的区别在于：

数据分析：针对个别属性的实例分析。提供有关属性的各种信息，如值范围，离散值及其频率，空值的发生，数据类型，长度等。

数据挖掘：重点关注聚类分析，异常记录检测，依赖关系，序列发现，多个属性之间的关系控制等。

09

数据分析师使用的数据验证方法是什么?

通常，数据分析师用于数据验证的方法是数据筛选和数据验证。

10

解释应该如何处理可疑或缺失数据?

准备提供所有可疑数据信息的验证报告。它应该提供信息，如失败的验证标准以及发生的日期和时间。

有经验的数据分析师应该检查可疑数据以确定其可接受性。

应该找出无效数据并用验证码替换。

另外，一段富有逻辑条理，与众不同的面试自我介绍也很重要，能够快速抓住面试官的眼球，在众多的候选人中抢占一丝先机。

俗话说“不打无准备的仗”，学好数分析才是最最最重要的！除此之外，把握住每一次机会 ，面试前做好充分的准备，有条件的可以请教下相关工作的前辈，分享下面试经验。

好啦，今天的面试常见问题就分享到这里了。希望大家都能顺利通过面试，取得心仪的offer。

更多面试问题分享↓↓↓↓↓↓↓