「求职」数据分析面试技巧，帮你提高拿到offer的概率

预计阅读时间：9min

阅读建议：本篇内容是我工作这些年面试候选人的考核标准，以及被面试的经验，希望能帮助到准备跳槽的你，可以「关注」「收藏」，需要的时候拿出来看一下哦。

00

序言

又到了年底，可能很多小伙伴会选择在明年金三银四的时候跳槽，因此小火龙想把这些年面试候选人的考核标准，以及被面试的经验写一写，希望可以帮助到你。如果有不完善的地方，也欢迎和我沟通探讨。

首先，附上「数据分析面试的完整框架」，需要的同学可以自取：

下面会针对以上框架进行展开，我们在面试的时候，哪些坑是需要避开的。

01

环节一：自我介绍「关注度：5星」

自我介绍大多是面试的首个环节，是你给面试官的第一印象，非常重要。但由于形式相对比较固定，只要面试前好好准备，一般问题不大。

重点考核

沟通表达能力、逻辑思维能力，以及对于数据的敏感度。

内容涵盖

• 过往的履历，突出获得的成绩，你有但别人没有的地方。
• 重点讲一讲近一份工作的内容和收获，如果近一份工作时间比较短，则挑一份收获较大的工作来讲。
• 宏观介绍一下做过的项目，一般在「简历问题环节」面试官会让你详细的展开。
• 向面试官展示你对将要面试岗位对应行业的思考。
• 向面试官展示你和这份工作的契合度，这就需要在面试之前仔细研究一下职位JD，让自己有的放矢。

02

环节二：简历问题「关注度：5星」

当你做完自我介绍之后，面试官一般会花大篇幅时间，来询问你简历中的问题，这里询问的方式一般是「连环炮」，一环一环直至不能再挖为止。

这就需要候选同学对简历中提到的内容了如指掌，千万不要夸大其词、甚至作假，不然三两下就会露馅儿。

重点考核

全面了解候选人，关注每一个细节，挖掘工作的深度和广度，同时也验证简历的真实性。

内容涵盖

• 目前状态，是否在职，如果每份工作时间均比较短，可能还会询问原因。
• 核心的项目经历，这里小伙伴们可采用「STAR流程」进行介绍，下面会详细介绍此种方式。
• 当前工作近期的绩效成绩，这个会直接展示候选人的工作状态。
• 简历中提及的其他细节问题。

STAR流程

STAR主要是在介绍项目以及工作内容时的思路，清晰的展示你的产出。

• S：Situation，项目在什么情况下发生，所处的背景是什么。
• T：Task，项目的最终任务是什么，为什么开展这个项目。
• A：Action，针对这个目标，你采取了哪些行动，具体的工作内容是什么。
• R：Result，带来了什么结果，对业务有哪些推动价值，收获有哪些。

案例

面试官：我看你在简历上提到了DAU提升专项，可否详细介绍一下吗？

候选人：没问题。

这个项目的背景是，去年国庆之后，由于福利策略的调整，导致dau三周内缓慢下降5%。「Situation」

在这样的背景下，我们希望通过Push、端内的优化，提升老用户的留存。「Task」

在未来的1个月中，我在其中主要做了两个事情，其一：协同产品同学，开展Push策略实验，调整Push分发周期，跟进从实验设计到评估结论的输出；其二：对端内的功能进行数据调研，发现登录、互动等环节有提升空间，拉通产品，开展策略的实验，并输出汇报报告。「Action」

项目开展1个月，Push实验xxx，端内实验xxx，最终将DAU稳定在之前的水位。「Result」

注意事项「四个不可」

• 不可仅谈理论
• 不可仅说假设
• 内容描述不可一带而过
• 最好不用我们代替我，模糊行为主题

03

环节三：专业问题「关注度：4星」

专业问题主要考核候选人的数据分析能力，一方面考核在工作中是如何应用的，产出效果如何，即「硬专业问题」；另一方面考核日常工作中，对于数据分析的思考以及方法论的沉淀，即「软专业问题」。

重点考核

数据分析的专业性，以及在工作中的思考和沉淀。

内容涵盖

① 硬专业问题

主要考核候选人的数据技能。内容包括但不限于：

• 数据分析问题：指标体系、异动分析、AB实验、产品分析、用户增长。
• 数据分析离不开取数，有些岗位还需要自己维护数仓，因此还可能会询问数据仓库的简单问题。
• 对于有些分析思路，需要用模型去实现，因此也可能会有一些数据挖掘的问题。

举例

• 指标体系是按照什么思路搭建的？
• 日常监控异常维度是如何挖掘的？
• AB实验你们是如何做的？如何评估？
• 应用层数据仓库一般如何设计？
• 决策树的原理可否简单介绍下？

② 软专业问题

主要考核候选人的工作态度，以及未来的潜力。内容包括但不限于：

• 日常工作中的内容占比，考核和岗位的契合度，建议研究一下JD。
• 针对某些场景的分析思路，面试官可能会给到一个假设场景，让候选人针对这个场景给出分析思路，这里核心是逻辑性！按照一二三点来进行回答，至于回答的内容，可能并不是面试官最关心的。
• 对数据分析的思考，这主要体现在工作中主动发现问题的能力。
• 数据方法论的沉淀，这点一般也是面试官比较关注的，因为做这个行业，往往会被需求压的喘不过气，日常的知识落地，将别人的东西转化为自己的东西，是至关重要的。

04

环节四：技术问题「关注度：3星」

技术要求一般都会在职位中有所体现，对于数据分析师，一般SQL+Python是90%以上岗位会提及的，这里一般面试官会出几道题，让候选同学现场来做，正确作答4分，多种方式正确作答5分，所以这里不要吝惜你的方式。

这里我认为关注度3星，并不是说这个环节不重要，而是针对一般岗位，只要符合代码的一般要求就OK了。毕竟技术是服务于业务的，遇到不熟悉的，搜索一下也就好了。

05

环节五：人才特性「关注度：4星」

人才特性环节会问候选人一些关于数据分析周边的问题，如果说前面环节考核的是候选人的“体征形态”，那么这个环节考核的就是“穿着打扮”。

重点考核

候选人的潜力、稳定性、性格，是否适合这份工作，以及是否适合这个团队。

内容涵盖

• 在现有团队中的定位和影响力：主要考察候选人在团队中的融合能力，以及对于团队的贡献。如果之前组织过团建等事情，可以在这里体现一下。
• 为什么离职以及未来的规划：主要考察候选人的稳定性，以及是否想清楚自己想要什么，同时也匹配与目前岗位的契合度。规划建议与本岗位的要求一致。
• 日常是否有持续学习，是否有赋能工作：主要考察候选人的自我提升能力，并且能够带动团队，或者业务一起去提升。建议以一个实际的案例进行说明。
• 评价自身优缺点：这个是个比较好回答的问题，但是不要自己给自己挖坑。比较好的回答是，优点：与现有岗位的要求相契合；缺点：与高一级岗位的要求相契合。

举个栗子：候选人目前是阿里P6，优点是在工作中思考的较多，产出的效率比较高；缺点是没有太多带人的经验，这方面还有待提高。

• 评价本次面试的表现：这里面试官主要想确定自己对于候选人的感受，与候选人自身的评价是否一致，如果不一致，就要打一个问好了，一般还会继续追问为什么。

06

环节六：候选人提问「关注度：4星」

有些同学到这一步就开始放松下来了，觉得这个面试结束了。但往往这个环节回答好了，是可以帮你加分的。虽然问题是可以随便提的，但面试官更希望听到你对这份工作感兴趣的问题，并且有逻辑性的提出来。

重点考核

对于岗位感兴趣的程度，以及对于工作的思考。

内容涵盖

罗列几个我在面试的时候会问的问题，希望对你有帮助：

• 行业问题：据我了解......，我们公司后续的应对策略如何？
• 团队问题：团队在部门中的定位？常接触被动/主动的需求？人员构成如何？稳定性如何？
• 岗位问题：招聘的岗位是如何空出来的？（开拓新业务/部门壮大/员工离职）；岗位具体做的内容是什么？未来的发展方向如何？
• 日常问题：工作强度如何？薪资构成如何？晋升及调薪如何？

07

最后的最后，多说一嘴

• 面试前-做好充足的准备：面试是“有技可循”的，面试前多看看别人的面试经验 + 细扣一下简历中可能会被问及的问题，面试成功率就超过50%了。
• 面试中-全程注意力集中：面试过程全程注意力集中，如果对于问题没有听懂，可以追问“这个问题我这样理解，您看对吗？”千万不要出现溜号的情况。
• 面试中-态度真诚：真诚！真诚！真诚！重要的事情说三遍，作为职场的同学，都是聪明人，如果态度出现问题，即便能力再强，都会打上一个问号，所以我个人的建议是对待朋友一样对待面试官，不卑不亢，态度真诚。即便有时候你的能力有一些欠缺，但是让对方感受到你的上进，你对待工作的态度，往往可能有意想不到的结果。
• 面试中-不要紧张：这个相信大家都知道，但是控制不住。这个没有太好的办法，只有多面，找感觉，才能更快的进入状态。
• 面试后-总结面试经验：要在面试中不断进步，不断成长，每次面试之后要总结本次面试的经验，最好把面过的问题记录下来，重塑一遍。千万不要每次面试的时候都掉进同样的坑中。

以上就是本期的内容分享，希望可以帮助你尽快找到心仪的工作。码字不易，如果觉得对你有一点点帮助，欢迎「关注」「点赞」「分享」哦，我会持续为大家输出优质的「原创内容」~~

END

【作者简介】互联网大厂数据分析专家，本系列「求职面试」类文章，会和大家分享一些面试的经验，以及推送一些职位给各位小伙伴，希望能够帮助到手机另一头的你，同时也渴望和大家在此沟通探讨。