一、考察对数据分析岗位的理解与职业规划
1、数据分析师与数据工程师的区别在哪里？
（1）数据分析师：数据分析通过谈论数据来像他们的公司传递价值，用数据来回答问题，交流结果来帮助做商业决策。数据分析师的一般工作包括数据清洗，执行分析和数据可视化。数据分析师是一个能适应不同角色和团队的多面手以帮助别人做出更好的数据驱动的决策。
清洗和组织未加工的数据
使用描述性统计来得到数据的全局视图
分析在数据中发现的有趣趋势
创建数据可视化和仪表盘来帮助公司解读说明和使用数据做决策
呈现针对商业客户或者内部团队的科学分析的结果（2）数据科学家：数据科学家是使用他们在统计学和建设机器学习模型方面的专业技术去进行关键商业问题预测的专家。数据科学家也需要像数据分析师一样去清洗、分析、可视化数据。然而一个数据科学家需要在这些技能上更深入也更专业，他们还可以去训练和优化机器学习的模型。
评估统计学模型来决定分析有效性
使用机器学习来建设更好的预测算法
测试和持续提升模型精确度
进行数据可视化来概括分析的结论（3）数据工程师：数据工程师建设和优化系统。这些系统帮助数据科学家和数据分析师开展他们的工作。数据工程师保证任何数据都是正常可接收的，可转换的，可存储的并且对于使用者来说是可获取的。
为数据消费开发API
在现存的数据管道中整合数据集
在新数据上运用特征转换提供给机器学习模型
持续不断的监控和测试系统保证性能优化总结：
数据工程师主要工作在后端。持续的提升数据管道来保证数据的精确和可获取。他们一般利用不同的工具来保证数据被正确的处理了，并且当用户要使用数据时保证数据是可用的。一个好的数据工程师会为组织节省很多的时间和精力。
数据分析师一般用数据工程师提供的现成的接口来抽取新的数据，然后去发现数据中的趋势，同时也要分析异常情况。数据分析师以一种清晰的方式来概括和提出他们的结果来让非技术的团队更好的理解他们现在在做的东西。
数据科学家更倾向于基于分析的发现和在更多可能性上的调查来获得方向。不管是训练模型还是进行统计分析，数据科学家试图去对未来要发生的可能性提出一个更好的预测。
2、你平时都是怎么做数据清洗的？
3、数据分析都用哪些工具？
4、你认为数据分析师应该具备哪些能力？
5、你对自己的职业定位是怎样的？
6、你的优点和缺点是什么？
二、考察项目经验
1、请举例说明自己参与的一个数据分析项目
2、在这个项目中你的贡献是什么？
3、项目里使用的算法与策略的原理是什么？
4、介绍一下遇到过的比较有挑战性的工作或难题，以及你是怎样克服的？
5、给出一个实例，讲讲如何进行特征选择？
备注：
回答项目相关问题，主要采用STAR法则，不了解的自行百度。
面试最本质的是根据你讲话的思维方式、讲话的内容，去判断、推测你是否具备相关能力，是否能够胜任他们招聘岗位的工作。所以，思路清晰是数据分析师必备的职业素养阿。答题一定要有清晰的逻辑。
三、考察数据分析相关技能
1、SQL相关的问题：有时候会给你描述一个场景，让你写查询语句
2、ETL相关的问题：如果面的是偏数据工程师的，就会主要涉及数据仓库的东西，偏业务的就不用
3、统计学的知识：这个被问到的比较少，可以准备一些基础的知识，比如介绍T分布
4、算法相关的问题：
介绍一下Logistic regression算法
介绍一下K-means算法
介绍一下朴素贝叶斯算法
逻辑回归与聚类的区别
备注：
不要害怕。在介绍算法的时候不要长篇大论，讲啊讲不清。而是主要从算法原理、算法适用场景、算法优缺点这三个方面介绍。每个点用一两句话概括就可以了。