数据需求分析面试技巧,数据需求分析面试技巧和方法

1. 如何准备数据分析师的面试？
2. 面试官怎么提问应聘者？
3. 面试官跟你说不太符合岗位需求，你该怎么办？

如何准备数据分析师的面试？

一名合格的数据分析师应该掌握

1. 网页爬虫：Python或R
2. 数据存储：Excel或者Tableau、MangoDB等
3. 数据清洗：数据缺失处理等
4. 数据分析：线性回归等
5. 数据可视化：Python或R的可视化包

1. 统计知识
2. 运筹学知识
3. 机器学习知识

数据清洗

欢迎关注我的个人微信公众号：『运筹OR帷幄』阅读完整推文：

***：

针对数据科学工作准备简历要有：

项目经验

你在学校参加数据科学的项目，能够写入简历么？这些项目经历能够使你大放异彩么？

你的专业课程之外完成的数据科学项目，最能说明问题。因为如果你愿意花费自己的空闲时间完成一些项目，则能显示出一个人对数据科学的热情。更重要的是，课外项目的完成，在一定程度上能够显示出你的能力。

团队工作

如果一个人要在数据科学甚至人工智能领域工作，那么能够在一个团队中工作是非常重要的，无论是领导还是团队成员的角色。因此，展示团队项目以及所取得的结果是很重要的，最好是量化你在团队中发挥的作用。专业的面试官通常会要求你分享一个合作项目的经验，因为，他可以就此判断你是否能够在一个团队中工作。

数学和统计背景

面试官很青睐那些有数学和统计功底的面试者，这一项技能可以从面试者所做过的项目一探究竟。

有些项目和工具确实有助于推断数学背景。可以通过查看他们使用的机器学习模型，询问面试者如何实现它以及如何看待实现过程，来了解面试的数学水平。面试官通常会问，在这些项目中面临的挑战是什么，选择一个特定的解决方案的原因，并尽可能地解释背后涉及的数学原理。

编程

面试官怎么提问应聘者？

面试官提问应聘者，一定要***用结构化面试的形式来开展。所谓结构化面试，即***用相对标准的面试结构去对不同候选人进行面试评价，从而得到可供比较的面试结果。

通常来讲，针对有工作经验的社会招聘，会***用行为面试+情景面试的方式去提问应聘者。具体面试提问流程可参照我设计的以下这套应聘者结构化面试方案，前提是要提前熟悉候选人的简历信息。

面试官自我介绍：XX你好，我是今天的面试官XXX，今天的面试大约将占用您30分钟，可以吗？——封闭式问题

暖场：我看你住在XX那儿，今天是怎么过来的？路上堵吗？——以天气/交通为切入点与候选人建立沟通关系，同时了解车程距离对候选人的稳定性，半封闭式问题

候选人做自我介绍：好的，首先请你做一个2-3分钟自我介绍，可以重点和我分享一下你近段工作的经历。——半封闭式问题

XX，你刚才在分享中有提到，你参与过XXX项目，能与我具体分享下这个案例吗？我比较关心这次这个项目的发起背景、你在活动中扮演的角色？你的任务目标是达到什么？你又是具体如何处理的？产生了什么结果？——***用STAR原则，注意，如果候选人在回答过程中多用“我们”，请适时引导候选人用“他”；

在整个活动的策划、组织、实施过程中，你有遇到什么困难或令你印象深刻的事情？能与我分享下吗？

如果现在再给你一次机会，面对同样的情况，你这次会怎样处理？——发散式提问

例：如果你面前的这个水杯就是你要卖给我的产品，你会怎么向我推介呢？/如果你连续两个月没有业绩产出，你会怎么办？

面试官跟你说不太符合岗位需求，你该怎么办？

谢谢邀请。

这个要分情况来说明：

1、如果面试官说的是实情，面试官的能力和阅历都很好，确实是自己不满足感未要求，那么就虚心向面试官请教如何才能提升自己。争取获得一个好印象，因为面试的时候，候选人一般分为最优、最适合、备份、不适合几种。你很有可能会被列为第三类，如果是这样的话，保持谦虚谨慎的样子是很容易获得好感的，将来勉强上位的可能性会有的。

2、如果面试官是在瞎装，实际上在面试的时候，很多面试官是不会面试的，或者没有能力面试，赶鸭子上架。那么要耐心的跟面试官沟通和交流，把自己的长处和能力告诉面试官，或者面试的时候给面试官培训一下。这种情况在招聘面试的时候是客观存在的。

3、无论如何不都要当场就翻脸，那样的话显得自己没有耐心，职业素养不够。会失去机会的。

邓玉金，资深HRD，《招聘的8节实战课》作者，实战培训师。

当面试官说了这句话时代表这份工作没希望了

分析主要以下原因：

1.工作经验不足。有些工作是需要几年甚至更久的工作经验。

2.跳槽频繁。当面试官了解到你工作频繁跳槽，会想，招你等不顺心会不会又跳。

3.学历。有人会说现在大学生一大把，但HR还是注重这个的，俗话什么样的人跟什么样的人在一起。

4.黑历史。现在是大数据时代，一些公司之间会有群，你的不好信息会被分享。

等等还有多方面原因就不一一列举。

正确做法马上走人，不要纠缠