目前数据分析行业大火，相信很多小伙伴都想去这一行业试试水。想要成功进入数据分析行业，就必须得通过数据分析面试，面试应该准备什么，怎么准备，各位小伙伴都知道吗?本文将从以下七个方面进行阐述：

•数据倾斜的理解及常见倾斜场景的优化。

•多表之间连接的查询。

•窗口函数的使用，如row_number,lead,lag等等

•连续登录问题。

•留存计算问题（新用户留存，活跃用户留存等等）。

•排名靠前的客户信息获取。

•其他一些需要使用到窗口函数的问题等等。

•python数据结类型有哪些。

•range和xrange的区别。

•可变对象和不可变对象。

•深拷贝和浅拷贝。

•装饰器相关。

•numpy中的切片相关。

•list和dataframe的区别。

•列表转字典相关。

•生成器和可迭代对象的理解。

•sort和sorted排序的区别。

•正则表达式相关。

•leetcode在线code等。

比如Tableau和finebi等类似bi工具的使用，会被提及到。

•线性回归和逻辑回归的理解，差异和共性：从假设到参数求解，再到实际的应用场景要有所理解，包括各自的缺点及改进。

•过拟合和欠拟合如何避免。

•常见聚类算法，kmeans，dbscan，gmm等等，主要在于方法的理解和实践使用上。

•传统knn计算量过大效率低怎么优化（kd树）。

•决策中如何理解，尤其是id3，c4.5，gini如何进行特征选择。

•决策树父节点和子节点的信息熵大小。

•决策树的过拟合问题。

•随机森林的理解。

•gbdt和xgb的差异理解。

•假设检验涉及到的统计知识的理解。

•置信区间的理解。

05.AB测试相关

•ab的理解。

•ab方案的设计。

•如何验证分流是ok的。

•如何证明ab效果是可信的。

•第一类错误和第二类错误的理解。

•ab效果评估的思维框架。

•关注指标正向和负向对应的场景下该如何处理。

•测试指标显著/不显著如何解释和处理。

•流量的测算，测试周期等相关问题等。

•指标体系如何搭建。

一般是自己说对指标体系搭建的理解；还有就是给个场景给你，让你搭建指标体系，考察的是搭建指标体系的框架和思路。

•用户活跃度提升等类似的相关的场景分析题目。

举一个自己常用的app，说出自己觉得做的不好的功能，需要如何改进，如何去验证改进的效果等（字节爱问）。

•指标异常时怎么分析，定位原因？

•给出一些业务场景，让你设计考核所需的关键指标（类似北极星指标）。

•产品不同阶段时关注点是什么？

•面试岗位业务场景的常见指标，比如电商等等。用户流失预警怎么做，如何找出关键的业务因素。

•app中的推荐上商家，怎么选择，从数据分析角度出发来给方案。

•性格的优缺点。

•工作中遇到的困难，如何解决的。

•工作中的合作模式。

•个人职业规划。

•你有什么问题要问的（建议有必要思考下）。

•薪酬期望。

以上就是数据分析会考到的一些问题了，希望可以帮助到大家！