我的数据分析秋招经验贴！

嗨，大家好，我是胖里。

最近春招陆陆续续开始了，书籍推荐放到下一次，这次先分享一位刚结束秋招的同学的经验贴，给22届求职的同学领领路。

当然，每位同学的经历可能不同，感受、见解和经验也可能不一样，大家可以去应届求职的专区看看过来人们的经验，翻翻公众号之前整理的几篇面试贴练练手。

提前祝大家求职顺利！

           

本篇正文共计3400字，预计阅读时长9分钟。

回顾找实习和秋招的历程，就是一个菜鸟不断跌倒又不断爬起的过程。不断总结经验加思考面试问题，时间足够的话就尽量多投多面，把每次面试遇到的问题都复盘一次，自己哪里没答好，哪里还可以有更好更完整的回答，为什么当时没想到之类的，面得多了自然就熟能生巧了。

参加过互联网、银行等等公司的面试，专业背景是统计学，主要应聘的是数据分析这个岗位，每个公司对这个岗位的要求和侧重点可能不一样，所以面试笔试的形式可能会不一样。数据分析这个岗位和数据挖掘、算法的不同点在于数据分析在大多数面试来说偏向于业务方向，会问到一些业务上相关的问题，所以如果有实习并且实习的时候对业务有所了解对于数据分析这个岗位可能会更好找一点。而数据挖掘和算法可能就涉及到机器学习、编程、项目这一类更多一点。

数据分析这个岗位，笔试的时候主要是sql编程（胖里提一点，19年秋招的时候参加的笔试百分之七八十考算法编程，算法编程还是不能丢，算法不太行的小伙伴抓紧练或抓住提前批可能免笔试的机会）、统计方面的题目(比如概率论数理统计或者机器学习方面一些常用算法的原理及优缺点等)，有的可能会是行测这种类型的题目。

而面试的形式可能有两类，一是业务型的，主要步骤为自我介绍、实习经历或者项目介绍及问答，sql语言的相关问题，再就是关于业务方面的题目。另一类偏技术型，也是自我介绍、项目介绍，编程语言，再加上机器学习算法原理。

统计类问题大体涉及到的知识点是差不多的，所以如果有所准备的话在一些统计问题上应该没什么问题。

对于业务题的话，太考随机应变和平时的思考，所以一定要多看面经，多看一些公众号之类的（比如胖里的公众号，受益匪浅），遇到一个业务问题时多思考解决办法，以及实习的时候对业务线的理解等，面试一家公司的时候对他的相关业务要有所了解。

说到笔试，可以学习的有牛客上的各家公司真题（这种题可以熟悉笔试题的套路和类型，以及笔试中的业务题、统计方面的题目可以借助这些题目得到练习）、leetcode上的sql、算法编程题（力扣可以主要练习编程方面的题目，特别是sql要熟练，算法题也可以做做，有的时候偏技术一点的可能会碰上）。

参考书目可以有，sql必知必会，sql基础教程和sql进阶教程这类语言方面的书。关于统计类知识的书，徐麟老师的数据分析offer的书《拿下offer：数据分析师求职面试指南》里总结了可能会遇到的一些统计题目，算法原理什么的可以有百面机器学习、西瓜书这些，当然如果说平时有实现过这些算法的话可能会印象更深刻。

而如果碰上的是行测这种，就是一些语言题、小学的奥数题、英语题、案例分析题之类的，主要可能是时间不够，考反应力，一些数量的题目可能是没办法有时间去真正算答案的，要么就猜要么就选择性放弃，可以找找北森这些的题库或者银行的行测那种书来练练手，多做多练就可以。

一般来说笔试好好练过，有好好准备的话通过笔试不是太难，做完一场笔试自己心里可能都有数能否通过。做完这些题一定要好好的记得，能理解就理解，不能理解就背着，笔试多了可能会碰到相同的题。

如果说笔试的时候遇到了一些业务题，给一大段背景描述，然后让分析什么的，这种主观题就比较难了，如果实习的时候碰到了这种业务就还好，没碰到的话就按照背景尽量多写一些自己的理解，并且要有逻辑和自己的思考观点，分点作答有理有据。这种业务思考主要靠的平时的积累和经验，目前我也没找到好的方法来回答这些业务问题。

面试篇的话就一定要多看面经，牛客上有很多各家公司的面经，可以看到不同公司的面试形式之类的，可以分类整理一下。试着根据那些问题总结一下回答，如果遇到类似的问题可以反应的过来，不至于无话可说。

面试时一定不要紧张，一紧张就一片空白，结果可想而知。面试官提出问题后，如果是sql问题，可能会让当面写出来具体的语句，如果没让写的话就要把用到的函数、提数的想法思路描述出来，主要是考sql的熟练程度。也可能会考python，难一点的涉及到大数据之类的还会有hive、hadoop之类的。

如果是业务问题可以思考一下，有一个大概的框架和想法后再进行回答，分点进行回答，先简述然后再稍微详细叙述具体的想法，如果他感兴趣可能还会跟你继续讨论某一个想法，所以在脑子里要提前有准备。如果是机器学习之类的题目，问原理，应用，或者问其优缺点，那么按照平时的积累在这个方面是可以回答上的。

自我介绍：按照面试的套路来说的话，一般最开始就是自我介绍，这个得提前准备好，浓缩一些自己在这个岗位有用的实习经历、项目、获奖什么的，觉得有用的可以重点描述自己做的什么、有什么结果。一般会根据自我介绍进行提问之类的，可能会让详细介绍其中某一个项目或者实习经历，并且根据这其中遇到的问题、最难的事是什么来提问，或者是其中涉及到的相关知识点让详细叙述之类的，所以可以提前把这些都总结一下，实习项目等的背景、过程、结果、可能涉及到的知识点，都要写下来总结一下，在脑子里加深印象。

编程问题：这一类问题就是多熟悉多练，其中常用的函数、思路，如果是要当面写的话，那就是千万别紧张，不要一片空白。如果是只用说思路的话，就先说函数然后再简述思路，尽量让面试官觉得思路清晰而不是很混乱。

统计问题：这一类如果是偏业务型一点的数据分析可能会问ab test也就是假设检验这种，假设检验在统计中肯定都学过，其原理、详细到具体的公式，以及每种检验常用的场景，在实际使用中是如何使用的。这些都要熟悉，这可能也是岗位上会用的。可能还会有计量经济学的内容，可能就是考那6个假设，还有实际的应用之类的。

机器学习问题：另外还会有机器学习算法这种，常用的几大算法的区别、适用范围、大致原理等，比如bagging和boosting等区别，常用聚类算法的原理等等。这种问题可以去看面经，也可以直接看书，看面经的话更容易找到重点，看书理解更深一点。如果是面数据挖掘这类岗位的话，就更技术一点，算法问题和编程问题就要做更多准备了，算法的推导什么的也要熟悉，以及算法是怎么实现也要知道。

业务问题：这类问题就比较多样了，可能会有异常指标分析、指标拆分、拉新促活之类的问题，问某某指标突然下降多少如何分析，数据分析对某某业务背景有什么帮助，直接给一个业务背景让如何发现其中的问题。这些问题真的挺难，如果不是有相关实习或者是平时经历过一些项目思考过的话真的很难有思路，就真的只能多看面经，多面试多练手，尽量让自己的脑子活动起来，多想一点。遇到的业务题和面经里大概率不一样，但根据面经来练思路是个不错的路子。多积累这方面的问题和回答，多看看分析的案例和方法，大致的套路应该还是能找到的，如果能自己有一点新想法就更好了，遇到这种问题就是千万别冷场，实在不知道或许可以和面试官讨论一下。可以看看什么数据管理、电商数据分析、人人都是产品经理、胖里的公众号之类的，主要是了解一下业务上的流程，实际业务是如何操作的，通过这些文章去了解业务解决问题的方案和思路。

其他的问题：可能是hr面这种，比如你遇到的最困难的事情是什么，你的性格优缺点，你最印象深刻的事情是什么，这类性格心理测试方面的问题，也是要提前都总结一下，让脑子能一下子反应过来，尽量自己多说一些就能被少问一点。牛客上也有一些模拟面试，可以试着做一做，练一练反应力。

最后，感谢胖里的公众号陪着走过整个找工作的路程，不断学习保持竞争力，发掘自身的价值不被替代，可能这是找工作以来最大的感悟吧。以及，不要拿大厂来练手面试，那种很想去的公司一定要有准备了过后才去面试。

今天的分享就到这里啦，希望给正在准备求职招聘的小伙伴带来帮助！更多前人的分享以及面试整合贴可以翻阅专区和公众号！