二本学生打败985、211拿下offer？靠的是这份数据分析面试资料

发布时间：2021-02-05      游览量：3227

• 大数据分析算法数据分析表怎么做金融大数据分析

错过了金九银十的秋招，你还要继续错过“最后的机会”——春招吗？

文末会附上“面试题库”

到了2月，留给2021届909万名高校毕业生的时间不多了！

毕业论文、实习、校招，一个个重担压在大家身边。雪上加霜的是，因为疫情的影响，很多企业开始跳水式的缩招甚至停招，春招几乎是应届生们找到工作的最后机会。

紧张的态势下，有人冲刺，有人放弃，也有人趁机“收割”。

 

空中宣讲会、空中双选会、空中面试……很多小伙伴的面试都是在线上进行的。无论在哪个行业，哪个岗位，很多同学在面试的时候都躲不开一个词——【数据】

产品：日活怎么下降了30%？拉数据找到问题了吗？

运营：活动转化率多少？效果不好的地方如何改进？

营销：用户付费数据出来了，新的营销策略怎么定？

 

很多同学看了几个面经，就认为自己的数据分析能力还不错。每次面试的时候只会背出“DAU、ARPU、PV、UV、GMV”这几个词，却不知道面试官真正想问的是他们的数据分析思维

上周面试，我抛出这个问题：

“公司想通过提升服务体验来提升用户粘性，你们会怎么做？”

“进行用户调研，总结改进意见，根据统计结果安排服务项改善优先级，并进行用户满意度的跟踪回访。”一位985高校的同学自信坚定地说出了答案。

 

却没想到，几个面试官听完以后都频频摇头！

 

不懂装懂的“面试人”都被现实打了耳光

 

面试官一脸严肃继续追问：“其他人想法呢？”

大家都陷入思索，一位二本学校，却有着丰富实习经验的同学说话了。

“我的整体思路是这样的，先用户调研描摹用户画像，找到精准用户，基于业务目标和用户特征搭建指标体系。"

 

说完，她拿起笔走到白板面前，边说边画起来。

第一步数据采集，对用户进行调研，按照“用户年龄”以及“用户所在城市”两项指标交叉分析我们用户的特征，利用热力图进行数据展示，直观明了。

（用户画像）

根据热力图，可以轻松定位出两类主要用户：二、三线城市的25-35岁；一线城市的25-30岁。

数据收集了，用户画像也有了，解决业务问题才是我们做数据分析的落脚点。

 

第二步指标搭建：提升服务体验的目标指标有哪些？评估维度是什么？怎样的指标来衡量才合理？这些都需要具体化，要有看得见的数据，所以重中之重是指标模型的搭建。

（提升用户服务体验的数据指标模型）

第三步观察验证：最后将实际执行中的结果与设定的那个指标体系做对标，来评估是否达标，策略是否有效。

一样的问题，不同水平的数据分析，得出的策略完全不同，显而易见她的策略有理有据，并且执行过程中也在用数据不断迭代优化；而我内心完全没有方向，只被用户牵着鼻子走……

不出意外，这位同学的这顿操作，秀了985、211的高校生一脸不说，也顺利拿下这个offer。

 

我在面试结束后，跟其他实习生分享这段经验的时候，很多人都在问我，到底什么是数据分析逻辑？

这里，我给大家简单进行拆解，完整的工作流程大致要经过10个步骤：

 

每一环节都要层层细分，真的太考验数据分析能力了！

数据分析能力我们职场进阶的核心能力。一道题就同时考验了我们数据采集、数据分析、数据指标搭建这三项能力，你的答案证明你有数据分析能力，可是只停留在初级水平。”

 

有人问我：What?初级水平？

那高级水平的数据能力是啥样？

 

职场进阶具备的数据能力

初级水平：

 

常见的1~2种数据分析及可视化工具使用

掌握常见的2～3种数据分析方法

能够通过数据归因解释业务问题

基于业务逻辑构建基础指标体系

能够发现数据异常并分析可能原因

进阶水平：

 

根据实际需要选择合适的跨工具组合应用

根据业务需要灵活运用多种数据分析方法

复杂业务问题的数据分析与洞察

复杂数据指标体系搭建

理解核心业务数据，并从中发现增长机会

 

总结完，很多自信满满的同学都会发现自己的数据分析能力连初级水平都达不到。

 

一气之下想转岗位，看了各大招聘网站的热门岗位，结果发现：能转的岗位统统都要求具备数据分析能力！

 

 

 

 

不论身处哪个岗位，提升你的数据分析能力已迫在眉睫。

如果你的数据分析能力还停滞不前，就像别人都在用智能手机，而你还在用大哥大，不就成了一个原始人吗？

如果你不想走到被优化的边缘，如果你不想还没发挥所长就进入瓶颈期，如果你不想在舒适区域中止步不前，数据分析趁早学。当然学习数据分析当然首先得有个数据分析软件，Smartbi作为数据分析软件，相较于报表工具，是一套完整的解决方案，自助式数据可视化分析平台，提供多类型数据源接入、数据集可视化定义、自助多维数据分析和交互式故事板等功能，旨在以高效、低学习成本的使用方式，为业务人员提供自助式数据探索与可视化分析服务，洞悉数据背后隐藏的商业价值、辅助企业决策。