面了几个大厂的数据分析师岗,这次感觉有戏...

↓ 推荐关注↓
加入 城哥知识星球 ，解惑答疑，告别迷茫

最近，我们组织了一场数据分析岗技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对新手如何入门数据分析岗、该如何备战、面试常考点、面经分享等热门话题进行了深入的讨论。

今天我整理后分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以加入我们星球。

小红书

岗位：数据分析

数据相关

1. 项目中不平衡数据如何处理

2 .项目中数据量的大小

1. 项目中数据的特征介绍

2. 什么是hard样本什么是easy样本

机器学习相关

1. Boosting 和 bagging的区别

2. 决策树的分裂的计算（ID3, C4.5,CART）

3. Adaboost 和 GBDT 的区别

4. Adaboost 和 GBDT的损失函数

5. Xgboost 和 GBDT的区别

6. Boosting 和 Random Forest Tree 的区别

7. 梯度下降和随机梯度下降的区别

8. 逻辑回归，svm和树模型的区别

9. 项目中为什么选择GBDT而不是adaboost

10. 采用什么作为模型好坏的评判标准（accuracy, f1-macro）

11. 降维的方法

12. 树模型如何调参

13. 如何检测模型是否过拟合

14. 如何减少过拟合现象的产生

深度学习相关

1. Attention 和 self attention的区别

2. 介绍一下Transformer

3. Bert提升了transformer的哪些东西

4. BERT比RNN好在哪里

5. RNN, LSTM, BERT的优缺点

6. 梯度消失和梯度爆炸产生的原因

7. 如何解决梯度消失和梯度爆炸

8. 介绍一下推荐系统的算法（协同过滤，基于内容的推荐）

字节

岗位：数据分析

一面

1. 自我介绍

2. 一个数据分析的项目—要求：增长策略

1）背景是什么？

2）指标分子分母是什么

3）衡量指标是什么？

1. 三个指标来评估抖音的发展状况

2. 人均播放量下降，应该如何排查  --经典题

3. 是否增加一个广告位，如何衡量正向，负向的影响

4. 如何确定AB测试的最小样本量？公式里的具体参数

5. 如何判断实验组是好是坏？什么指标？做什么检验

6. 什么时候用Z检验，T检验

7. 广告收入增长，但用户留存下降，如何判断是否上线？量化收益？

8. LTV如何与广告收入结合？

9. 如何计算用户LTV

10. 如何计算LT，生命周期

11. SQL题

12. 自己的职业规划

13. 觉得自己做数分最大的优势是什么？

一面对于基础知识的考察还是比较细的，面试官也比较严厉，没有反问机会

二面

1. 之前有过实习经历吗

2. 除了业务以外，在做数据分析还有哪些需要提升的地方   --啊？是不是被人反问的问题

3. 抖音人均使用时长下降

4. 同学如何评价你

5. 你自己怎么形容你自己

6. 头条：添加功能应该添加哪一个？

7. 头条：去掉一个功能

8. 预估上海有多少二手房门店的数量（多种方法）

二面的考察比较侧重业务，但是几乎没什么挖的，感觉有一点点套路化。面试官比较亲切。

三面

1. 自我介绍

2. 总实习的时长有多长，哪段时间最长

3. 每个实习公司都是做什么的

4. 从数据分析的角度来看，你认为哪个公司的环境更好

5. 介绍一个项目

6. 对行业的了解

7. 从带你的人学到的东西是什么？---重点题

8. 在学校成绩是怎么样的

9. 对自己的未来规划是怎么样的

三面应该是大佬级别的人，很有领导范😉整体面试思路很有逻辑。

HR面

1. 自我介绍

2. 实习过程中最有成就感的一件事   --HR的拿手问题张口就来

3. 有没有想要放弃的时候 --这熟悉的感觉他又来了

4. 还投递了哪些公司？为什么会投递这个公司 

5. 为什么投递字节？认为字节和自己有哪些相似之处

6. 认为商业分析和数据分析有哪些区别

淘天

岗位：数据分析

一面

1. 自我介绍

2. 实习内容

3. 实习团队架构

4. map reduce原理

5. 数据倾斜有没有遇到过？怎么解决

6. ab实验原理、流程、如何分析

7. 假设检验原理

8. 口述sql题目：求连续登陆三天的用户

9. 假设检验概率论场景题：求置信区间

10. 常用的机器学习算法

11. 随机森林原理

12. 求职意向，数科还是数研，安排下一轮面试官（回数研后第二天结束流程）

13. 反问

二面

1. 自我介绍

2. 实习深挖：项目技术难点怎么解决的？有什么效果？收获

3. 怎么分析指标下滑

4. spark的宽窄依赖

5. 手撕：3道二叉树

6. 反馈推进下一面 但是前面人太多

7. 反问

滴滴

岗位：数据分析师

一面

1. 自我介绍

2. SQL题目，1-7日的留存率，就是当天登录后在接下来一周内登录过的人

3. 异动分析，如果这个留存率增加30%，怎么分析。追问怎么判断主要因素

4. AB，问设置的步骤，怎么确定样本量，如果实验不显著怎么办。。。

5. py做过什么项目，提了一下模型

二面

1. 异动分析，订单呼叫量下降怎么归因

2. 你觉得自己做数据分析师有什么优势，为什么选择这个行业

3. 3-5年内希望自己在这个行业成为一个什么样的人

4. 介绍部门，问喜欢的工作氛围

5. 实习中最有成就感的事情

三面

1. 自我介绍

2. 细问实习

3. 主要是归因，指标体系、AB那些

4. 怎么判断能不能在一个新城市开展业务

5. 怎么估计一个新城市的业务需求量

6. 手上offer

- EOF -

作者简介

城哥，公众号9年博主，一线互联网工作10年、公司校招和社招技术面试官，主导多个公司级实战项目(Python、数据分析挖掘、算法、AI平台、大模型等)。

关注我，陪你一起成长，遇见更好的自己。

星球服务

会不定期发放知识星球优惠券，加入星球前可以添加城哥微信： dkl88191 ，咨询优惠券问题。

加入知识星球后，可以享受7大福利与服务：免费获取海量技术资料、向我 1 对 1 技术咨询、求职指导，简历优化、历史文章答疑(源码+数据）、综合&专业技术交流社群、大模型技术分享、定制专属学习路线，帮你快速成长、告别迷茫。

原创不易，技术学习资料如下，星球成员可免费获取，非星球成员，添加城哥微信：dkl88191，请城哥喝杯星巴克。