数据分析相关

1. 如何提高简历通过概率

1.项目描述不是简单罗列你做了哪些事情，而是要向面试官展示出你“面对问题，如何展开分析的思路”。

2.项目描述不能一概而论，要能回答清楚4个问题：

你遇到什么问题？ 你采用什么技术解决的？ 你使用什么分析方法去分析的？ 你最后达到了怎样的效果，提出了哪些有价值的建议？

3.展示专业性。“使用什么分析方法去分析的”这部分是最展现你思考高度的部分，要让面试官才能看出你对不同类型的分析方法有自己的判断。

4.我帮你归纳了一些常见的分析方法：多维度拆解分析方法、对比分析方法、假设检验分析方法、相关分析方法、群组分析方法、RFM模型分析方法、AARRR模型分析方法等。

5.量化项目效果。“达到了怎样的效果，提出了哪些有价值的建议？”这部分要用可以量化效果的数值来向面试官展示你的项目效果。例如处理的数据量有多大、提升了30%的用户增长量等。

6.主动给面试官提供话头。面试官也经常会纠结于问你什么问题好，所以你在项目描述中要写出最终效果。这样他才好对着这个效果展开提问：哇，你是怎么做到的，有什么经验？

7.项目描述切记不要长篇大论，是适可而止，给面试官“挖坑”时，一定别给自己“挖坑”，避免写得太多，可能被问到自己不擅长的问题。

8.给你一个通用的项目描述模板，方便你灵活应用：“为了解决xx问题，使用xx技术，运用xx分析方法对数据展开分析。提出了xx建议，到达了xx效果。”

举个例子：“为了解决店铺销售量下降的问题，使用Excel对店铺数据进行分析，运用多维度拆解分析方法从新用户、老用户等维度对数据展开分析，然后使用假设检验分析方法找到问题发生的原因。提出了提升老客户复购率的具体建议，使得店铺的销售量提升了10%。”

2. 缺少相关项目经验怎么办

1、证明你有数据分析的能力，比展示你有相关经验更重要。公司看你的项目经验，并不是为了看你干过什么，而是想通过你做过的具体事情来了解，你是否有分析问题、解决问题的能力。

2、在面试前，准备能证明你数据分析能力的作品就至关重要了，要想办法把你的能力，转化成面试官可以看到的作品。

3、你可以先找到想从事行业的数据。如果你应聘的是电商行业的数据分析工作，那么选择的数据要是电商行业的。如果你应聘的是金融行业的数据分析工作，那么选择的数据要是金融行业的。这样你做出的分析报告才能体现你有这个行业的业务经验，才能做到你的项目经验和应聘职位是高度相关关系。

4、行业数据可以在开源数据平台上找到。常用的开源数据平台有Kaggle、阿里云天池、数据搜索引擎Dataset Search（这是谷歌推出的一个帮助数据科学领域的人查找数据的搜索引擎）。还可以使用傻瓜式爬虫工具来获取你想要的数据（例如后羿、集搜客等，这类工具无需编程，通过界面傻瓜式操作就可以爬取到网站的数据）

5、可以分析你应聘行业的数据，将分析结果进行可视化，最终形成一个数据分析报告。

6、一定要将你的分析报告放到网上，这样面试官才有机会看到你的作品，比如在知乎、得到等这样的大平台上发布成项目文章。

7、把项目文章的链接放到简历里。这里要特别注意，简历里的项目文章不要只是简单放了个地址。最好的做法是，设置地址为超链接并加上下划线。一般默认看到蓝色还有下划线，就知道是超链接，鼠标一点击就进入你的项目文章里了。

3. 问题：北京有多少辆特斯拉

1、当面试官问你“估算北京有多少特斯拉”，你千万不要抖机灵说：直接找特斯拉厂家要销售数据就可以了。

2、面试中经常会被问到的这类估算问题叫作费米问题，类似的还有：

• 芝加哥有多少钢琴师？

• 某胡同口的煎饼摊一年能卖出多少个煎饼？

• 深圳有多少个产品经理？

• 一辆公交车里能装下多少个乒乓球？

• 一个正常成年人有多少根头发？

3、要通过回答，展示你能通过逻辑推理、分析解决具体问题。这种思维不是人天生的，需要经过长期的训练。因此，公司招聘人需要的是经过长期训练，能把事情做成，具有严密逻辑推理、分析能力的人。

4、回答这类面试题的关键，是要用到逻辑树分析方法，这种分解问题的思考方法是由科学家费米提出来的。逻辑树分析方法是把复杂问题，拆解成若干个简单的子问题，然后像树枝那样逐步展开。一步步把子问题解决了，面前的大问题也就解决了。

5、我们可以把特斯拉的数量拆解为两个要素：特斯拉数量=北京市汽车数量 * 特斯拉占比。

这时，问题就变成了：

• 北京市汽车数量是多少？这个在网上可以查到，北京市汽车数量约是600万辆。

• 特斯拉占比多少？你可以有很多办法，只要说出一种，表达自己的思路就好。

• 比如，在汽车的地方采样来估算，假如记录经过的100辆车中，有10量是特斯拉。那么特斯拉占比是10/100=10%。

• 那么，北京特斯拉汽车的数量=北京市汽车数量（600万） * 特斯拉占比（10%）=60万辆。

4. 面试相关工作，如何准备业务知识？

1、一个优秀的数据分析师，掌握数据分析工具还不够，还需要掌握你所应聘公司的业务知识。例如，你应聘的是蚂蚁金服，那么就需要知道金融行业的业务知识。如果你应聘的是京东，那么就需要你知道电商行业的业务知识。

2、通常面试官要问你的业务知识主要包括3部分内容：业务流程、业务指标、分析思维。

3、说业务流程要有全局思维。不是说你会简单使用应聘公司的产品就可以了，而是需要你能够从公司从业者的角度出发，弄清楚这个产品是怎么运转的。比如你应聘的是金融信贷行业的数据分析工作，那么你需要掌握网贷的业务流程，这包括用户申请贷款、风控部门审核贷款、财务部门签订合同、逾期部门催收账款等一系列流程。

4、你可以通过产品了解业务流程。比如下载对应行业的产品，然后从公司从业者的角度出发，研究这个产品的功能有哪些，使用的流程是怎样的，结合网上的资料弄清楚这个产品内部可能是如何运转的。比如你要应聘蚂蚁金服的数据分析相关的工作，那么就可以研究下花呗等网贷产品。

5、你可以找到这个行业内的人请教，了解业务流程。比如在你所在公司多和业务部门的人多交流。或者找到这个行业内的朋友吃顿饭，聊天的功夫就能学习到。

6、分析思维不是要证明你智商很高，而是考察你面对问题展开的分析能力和分析思维。比如，当招聘要求里会说“对数据敏感，有数据分析逻辑”。面试中具体会问，比如“运营过程中，看某个指标有问题，你会怎么具体分析？”这样的问题。

7、5w2h这样的常用分析方法，其实根本用不在数据分析工作里。最常用的分析方法其实是：多维度拆解分析方法、对比分析方法、假设检验分析方法、相关分析方法、群组分析方法、AARRR漏斗模型分析方法、RFM模型分析方法等。

8、掌握常用的业务数据指标，你才可以灵活应对面试中提出的业务问题。我整理了下面常用的业务指标，准备好这些内容，就可以应对90%的面试了。

• 反映用户数据的指标：日新增用户、活跃率、留存率，反映行为数据的指标：PV(访问次数)、UV（访问人数）、转发率、转化率、K因子。

• 反映总量的指标: 成交总额、成交数量、访问时长。 反映人均的指标：人均付费(ARPU/客单价)、付费用户人均付费(ARPPU)、人均访问时长。

• 反映付费的指标：付费率、复购率、回购率。

5. 准备什么数据分析工具知识

1、应聘公司不需要你会高大上的复杂工具，80%的公司最常用的数据分析工具。其实就是3剑客(Excel、SQL、PPT)。少部分公司才会额外要求会Python（或者R）、Tableau（或者Power-BI）。

2、掌握SQL（操作数据库的语言），能从数据库中获取数据并进行分析才是最核心的。

3、SQL需要掌握的核心技能有：单表查询，多表查询，分组，聚合，排序；面对业务问题，如何用SQL来分析解决。

4、你还要会在纸上手写SQL。因为日常写SQL是在电脑上操作，但是面试当天你需要用手写的形式写出在纸上。这就要求你不仅要在面试前把常见的SQL面试题类型记下来，还要自己在纸上练习写SQL，这样才能熟悉面试当天的场景。

5、Excel很基本但也很复杂。所以，你没必要把Excel所有功能都掌握，而是学会5个和数据分析相关的核心技能就可以了：数据透视表（用于分析汇总数据），查询函数（vlookup、index+match），字符串截取函数（left、mid、right），其他常用函数（find、if、sumif、countif），常用图表的制作。

6、PPT不是用炫酷效果来震撼领导的。会不会使用PPT做分析报告，把分析成果给领导才是关键。

7、再学点Python编程语言是你面试的加分项。

8、有少数招聘还要求会Tableau（或者Power-BI），这两个是专门用于数据可视化的商业智能（Business Intelligence，简称：BI）软件，会一种就可以了。