拿下Offer:数据分析师求职面试指南点

本书针对未来想要从事数据分析工作的在校学生、想要转行做数据分析的在职人员，以及想要在数据分析领域提高自己或跳槽的从业人员，深入浅出地讲解了面试和未来实际工作中所需的知识与技能，让读者对数据分析师这个岗位有更为全面和深刻的了解。

全书主要分为面试前的准备、面试中的技巧、面试中所需的知识储备、编程技能、实战技能，以及进一步学习提高的方法几部分，内容涵盖数据分析师面试的全流程，全方位提高读者在未来面试中的竞争力。

徐麟，本科就读于中国海洋大学数学专业，研究生就读于哥伦比亚大学统计专业，毕业后在携程、唯品会等知名互联网公司从事数据分析、数据挖掘工作，目前已在数据相关领域工作多年。个人公众号“数据森麟”运营者，坚持输出个人原创文章。

在大数据和人工智能的浪潮下，企业对数据分析师的需求与日俱增，要求也越来越高。本书犹如一本行动指南，将数据分析师面试与工作内容紧密结合，理论与实战兼顾。

从数据到算法、从业务到创新，帮助读者打造一专多能的数据分析技能树，对想要从事数据分析工作的人员而言是一份不可多得的资料。

推 荐 序

作为资深数据科学从业人员和数据爱好者，我一直有个愿望是能够借助数据来驱动商业发展，而我也一直在践行这样的使命。我尝试了各种数据相关角色，从最早的统计研究员角色开始，到数据分析师再到算法工程师，从小数据玩到大数据，从业务领域转向技术领域，从数据收集转向数据应用，各方面都涉猎，见证了互联网行业快速发展的十年，见证了互联网时代从1.0 到2.0 的跃迁，从粗放式管理到精细化数据驱动的转变，从抢流量时代到存量经营的时代。而这其中，我认为数据分析师的角色和定位非常重要。

一名优秀的数据分析师既是营销专家又是技术专家，其作为业务、技术和商业之间的桥梁，为个人、部门、公司提供决策支持分析，不仅仅提供策略分析，还提供落地方案，甚至包含执行，所以这个岗位的重要性不言而喻。

和徐麟结缘是在携程，他从哥伦比亚大学毕业后，以数据科学家的岗位进到我的算法小组，我们一起共事了不短的时间，之后他在数据分析领域不断地深耕打磨。当时见到他的第一感觉是这个小伙子很聪明，肯定能够成为团队中非常重要的一份子，后期的项目实战也证明了这一点。归功于他在研究生期间的数据科学方面的知识积累和他个人勤奋好学，我很快就把其中一个重要项目交给他负责，他不负众望，出色地完成了项目，此项目获得了公司优秀项目。逐渐地，我安排他负责更多重要的项目，他的工作能力非常出色。回过头来看，这些优秀项目体现出他作为一名数据分析师的造诣和功力，兼顾“技术能力”和“业务理解”，覆盖了算法和数据分析方面的工作，帮助业务取得了很好的产出。

借助于这些项目的实践经验和总结，他逐渐成长为一名数据分析领域的专家，持续地赋能业务，产生了业务价值。他对于数据分析有非常全面的见解，他知道公司需要什么样的数据分析师，他也知道数据分析师需要什么样的技能。《拿下Offer ：数据分析师求职面试指南》这本书是他亲身实践的经验总结，有很大的参考意义。

徐麟在工作中给我留下印象最深的就是“动脑子”和学习能力很强，一方面体现在他对新技术、新业务的学习速度上，另一方面体现在他善于总结和态度认真上，即使是一些看似简单的工作，他也会认真对待，从中总结出一些经验。相较于那些工作十年以上的数据分析师，徐麟还算“年轻”，但也正是因为“年轻”，让他更容易理解新人的需求，帮助他们明确在面试前需要掌握的内容，并且通过自己的工作经历帮助他们掌握一些理论知识，了解实际的应用，更好地贴近工作的要求，从而顺利通过面试。

这本书对于数据分析方面的新人来说，是一本不错的入门书和技能参考书，内容包含了数据分析师面试要准备的基础知识、编程技能，同时也介绍了面试时的一些技巧。作为一个有着多年经验的面试官，会碰到很多滔滔不绝地一直讲，看似胸有成竹的候选人，但是当问到一些问题时，能够明显地感到其基础知识不扎实，这样的候选人肯定不会得到面试官的青睐。另外，也有些候选人知识储备很充足，但是缺乏一些基本的面试技巧。这本书就可以很好地解决候选人面试时的两个“痛点”，既可以帮助其夯实基础知识，又可以让其掌握一些面试技巧。

希望广大读者都能通过这本书有所收获，对数据分析师这一岗位有更深一步的理解，也能借助于这本书提供的知识、技能和技巧找到心仪的工作。祝愿徐麟未来能够不断积累，为大家带来更多实用的书籍。

潘鹏举

平安银行AI 算法团队负责人 & 数据科学家

前　言

数据分析师是一个在公司中很早就存在的岗位，在公司的日常运营、决策过程中起到了不可或缺的作用。有人将数据称为公司发展的“眼睛”，而数据分析师就是这双“眼睛”的主人，好的数据分析师会为公司的发展指引正确的方向。

同时，随着大数据技术和互联网行业的蓬勃发展，数据分析师接触到的数据和应用的技术也在不断增加，这不仅为数据分析师提供了更大的发展空间，而且也对数据分析师提出了更高的要求。

传统的数据分析师的工作重心更多地体现在输出报表、提供分析报告等工作上，基于目前的发展趋势，数据分析师一方面需要强化这部分的技能，另一方面需要不断地学习和提高，掌握新技术，如数据挖掘、数据可视化知识以及R、Python、SQL 等编程语言。以上提到的知识和技能会在面试中得到集中的体现，只有掌握了它们，才能在面试中脱颖而出。

本书紧贴当今发展趋势，针对工作中对数据分析师提出的要求，为大家梳理了在面试和工作中所需掌握的知识和技能。本书基于“结果导向”“从实战出发”的思路，内容紧密结合面试和工作中的实战案例，让读者在学习过程中了解面试的真实场景和未来工作中的一些内容，而不是仅仅停留在理论学习的阶段。

无论是正在就读、未来想要从事数据分析工作的学生，还是想要转行做数据分析的人员，都可以通过本书对数据分析师这个岗位有清晰的了解，明确要求，针对未来的面试进行更加有针对性的准备。同时，目前正在从事数据分析行业的人员，也可以通过本书进行“查漏补缺”，提高自己的工作技能，为未来“跳槽”面试做好充分的准备。

全书共分为6 章，从面试的知识储备、编程技能、实战技能等多个方面剖析了目前数据分析师面试中的各项要求和相应的应对方法。

第1 章主要讲解面试前的准备，基于“结果导向”的思路，通过公司招聘时的岗位要求，让读者对数据分析师的面试要求有一个清晰的认识，明确需要准备和提高的方向。

第2 章通过真实的面试案例让读者了解面试的整体流程和面试技巧，同时提供一些真实的面试题目。

第3 章介绍的基础知识包含了面试所需具备的概率论、数理统计、数据挖掘、模型等知识，内容紧贴实战，讲解深入浅出，让读者快速理解这部分知识。

第4 章分别对R、Python、SQL 进行讲解，结合数据分析师工作中的实际内容，突出了在编程语言中数据分析师所需重点掌握的部分。

第5 章介绍的实战技能包含了两大方面，一是数据分析师需要掌握的“传统”技能，如生成报表、分析报告等，其中引入了一些新的思考，相信会对读者有一定的启发；二是针对互联网行业的发展，介绍数据分析师需要掌握的新技能，如AB 测试、用户画像等。

第6 章作为全书内容的补充，主要介绍一些学习和提高的方法，同时通过一些案例引导读者不断拓展自己的知识面，丰富自身的技能。

特别感谢在本书编写过程中一直跟进的策划编辑张慧敏老师，慧敏老师为本书的框架搭建、结构优化提供了宝贵的建议，还提供了许多提高全书可读性的方法。衷心感谢葛娜老师在文字编辑过程中给到的细致入微的建议，让本书在阅读流畅性方面有了极大的提高。感谢在本书创作过程中给到非常好的建议的朋友们，其中有数据管道公众号号主宝哥以及刘阳、张洁、蔡主希几位数据分析资深从业人员。最后特别感谢为本书写“推荐序”的潘鹏举老师，也是我从事数据行业的引路人，非常幸运能遇到潘老师这样的良师益友。

目录
第1 章 面试前的准备 / 1
1．1　都有哪些数据类岗位 / 2
1．2　如何选择适合自己的岗位 / 5
1．2．1　数据分析师 / 6
1．2．2　数据挖掘工程师 / 7
1．2．3　算法工程师 / 8
1．2．4　数据产品经理 / 9
1．2．5　小结 / 10
1．3　准备一份高质量的简历 / 11
1．3．1　通用排版建议 / 12I
1．3．2　如何描述数据类项目 / 17
1．4　投递简历有哪些途径 / 19
1．4．1　校招 / 19
1．4．2　社招 / 20
1．4．3　其他途径 / 21

第2 章 直面数据分析师面试 / 22
2．1　数据分析师面试流程 / 23
2．1．1　笔试 / 23
2．1．2　部门内部成员面试 / 23
2．1．3　部门负责人面试 / 24
2．1．4　总监面试 / 24
2．1．5　HR 面试 / 25
2．2　真实的面试经验分享 / 25
2．3　面试技巧 / 30
2．3．1　提前熟悉业务场景 / 30
2．3．2　充分准备好个人介绍 / 31
2．3．3　了解岗位的侧重点 / 31
2．3．4　保持积极的面试态度 / 32
2．4　常见的数据分析师面试问题 / 33
2．4．1　基础知识考查 / 33
2．4．2　编程能力考查 / 35
2．4．3　实战项目考查 / 36

第3 章 基础知识考查 / 38
3．1　统计＆ 数据分析知识 / 39
3．1．1　基础概念：随机变量、分布函数、概率密度函数 / 39
3．1．2　随机变量的常用特征 / 45
3．1．3　正态分布与大数定律、中心极限定理 / 50
3．1．4　假设检验 / 55
3．1．5　贝叶斯统计概览 / 58
3．2　模型＆ 数据挖掘知识 / 63
3．2．1　数据挖掘常用概念 / 63
3．2．2　常见的模型分类方法 / 66
3．2．3　常见的模型介绍 / 68
3．2．4　模型效果评估方法 / 77

第4 章 编程技能考查 / 83
4．1　熟悉Python / 84
4．1．1　概览 / 84
4．1．2　数据分析――pandas / 90
4．1．3　数据可视化――matplotlib ＆ pyecharts / 94
4．1．4　文本处理――jieba ＆ wordcloud / 99
4．2　懂R 语言 / 104
4．2．1　概览 / 104
4．2．2　数据分析――DataFrame / 112
4．2．3　数据可视化――ggplot2 / 114
4．2．4　数据挖掘――以线性回归分析为例 / 123
4．3　掌握SQL / 127
4．3．1　数据库常见类型及单表查询SQL 语句 / 127
4．3．2　多表查询SQL 语句 / 132
4．3．3　更多SQL 内容 / 138

第5 章 数据分析师实战技能 / 150
5．1　数据分析师工作必备技能 / 151
5．1．1　数据人员如何创造价值 / 151
5．1．2　完整的指标体系构建 / 152
5．1．3　数据监控及报表设计 / 158
5．1．4　设计一份优质的数据分析报告 / 162
5．2　基于互联网大数据的应用 / 165
5．2．1　AB 测试 / 165
5．2．2　用户画像 / 171
5．2．3　完整的数据挖掘项目流程 / 174

第6 章 用努力给自己加分 / 180
6．1　学习方法很重要 / 181
6．2　拓展自己的知识面 / 182
6．2．1　爬虫 / 182
6．2．2　社交网络 / 188