很多同学找Data方向的工作，不知道怎么准备面试、不知道如何刷题、不知道刷到什么程度可以找到工作，本文就Data Analyst/Data Scientist面试求职考点，详细介绍知识点掌握到何种程度可以顺利通过面试！
1. 概率统计
1.1. 描述性统计
· 均值（期望）
· 中位数
· 众数
· 方差（标准差）：3 sigma
· 极大/小值
· 数据分布（正态/伯努利/二项/均匀/指数/泊松；偏度与峰度）
· 缺失值
· 异常值
1.2. 假设检验
· 原假设/备择假设
· T检验
· 卡方检验（非参数检验）
· P值
· 置信度
· 置信区间
· A/B Test
1.3. 概率论
· 条件概率（贝叶斯原理）
· 抽样
· 大数定律
· 中心极限定理
· 区间估计/参数估计
· R方
· 方差分析
§ 推荐学习工具：
2. 分析工具
2.1. SQL
· 表的增删改查
· 表连接
· 子查询
· 窗口函数
· SQL语句执行顺序
§ 推荐学习工具：
W3 School: https://www.w3schools.com/sql/default.asp
SQL Zoo：https://sqlzoo.net
§ 推荐刷题工具：
LeetCode - 从Easy到Medium，有时间再Hard，但Hard不必强求(Summary of SQL on LeetCode： https://byrony.github.io/summary-of-sql-questions-on-leetcode.html ）
HackerRank - 全部刷完: https://www.hackerrank.com/domains/sql
2.2. Python
· 基本数据结构：列表/字典/字符串/元组/数组/集合
· 基本语句：If条件语句/for循环/while循环
· 基本package：numpy/pandas/sklearn/statsmodel/matplotlib/seaborn
§ 推荐学习工具：
W3 School: https://www.w3schools.com/python/default.asp
RealPython: https://realpython.com
§ 推荐刷题工具：LeetCode - 从Easy到Medium
2.3. Tableau
· 图表类型
· 交互式面板
· 基础的计算函数
2.4. EXCEL
· 基本计算函数
· 数据透视表
· V LOOKUP
3. 算法模型
原理、模型解读、模型评估、使用场景、优缺点、模型优化
· 回归
· 线性回归
· 逻辑回归
· Lasso/Ridge回归
· 分类
· 决策树
· 随机森林
· SVM
· 聚类
· 时间序列模型
§ 推荐刷题工具：LeetCode/Glassdoor真题题库 - 从Easy到Medium
4. Product Sense
4.1. 分析方法
· 漏斗分析
· 拆解分析
· 对比分析
· 留存分析
· 用户分群分析
· 归因分析
· 渠道路径分析
4.2. 指标体系 - AARRR体系
4.2.1. Acquisition（与拉新相关指标）
· 曝光/展现IMPERESSION
· 点击CLICK
· 下载量
· 新注册用户数
· 获客成本（CPM千人展现成本/CPC单次点击成本/CPA单次行动成本）
4.2.2. Activation（与活跃相关指标）
· 活跃用户数（DAU日活用户数/WAU周活用户数/MAU月活用户数）
· 时长指标（用户在线时长/用户登录时长/APP使用时长/视频播放时长）
· 启动次数（冷启动次数/热启动次数）
· 页面浏览量（PV页面浏览量/UV独立访客数）
4.2.3. Retention（与留存相关指标）
· 留存（短期留存：次日、3日、5日、7日 - 反映功能短期留人效果/长期留存：30日、60日 - 反映留存长期稳定性）
· 用户生命周期（LT = 当日留存率+次留率+3留率+…n留率）
4.2.4. Revenue（与变现相关指标）
· 交易类 - 核心在于成交（GMV/成交量/销售收入/ARPU每个用户平均收入/复购率）
· 社区类 - 核心在于打造生成内容的活跃社区（内容生成用户数/内容互动用户数/内容实际收入 - 内容价值）
· 企业类 - 核心在于用户体验（体验用户数/付费用户数/用户生命周期价值LTV）
4.2.5. Refer （与传播相关指标）
· 病毒K因子（邀请率 = 发出邀请数/现有用户数/接受率 = 新注册用户数/发出邀请数/K因子 = 邀请率*接受率）
· 传播周期
§ 推荐学习工具:
Framework - 必看！: https://stellarpeers.com/frameworks/
Product Sense: https://productschool.com
A Collection of Data Science Take Home Challenge: https://datamasked.com
互联网企业模拟面试实例: Decode and Conquer
Cracking the PM Interview - 重点看：Estimation, Product, Case
5. Behavior
5.1. 模板：S(Situation) - T(Task) - A(Action) - R(Result)
5.2. 主题：
（1） Leadership and how to influence others
（2） A hard challenge faced and How to solve it
（3） A true failure and how to turn it around
（4） A proud success made with team together
还在等待什么，赶快收藏起来，逐一攻破备战求职季吧！
Comments