資料分析師相關技能

1、資料分析師與資料工程師的區別在**？

（1）資料分析師：資料分析通過談論資料來像他們的公司傳遞價值，用資料來回答問題，交流結果來幫助做商業決策。資料分析師的一般工作包括資料清洗，執行分析和資料視覺化。資料分析師是乙個能適應不同角色和團隊的多面手以幫助別人做出更好的資料驅動的決策。

清洗和組織未加工的資料使用描述性統計來得到資料的全域性檢視分析在資料中發現的有趣趨勢建立資料視覺化和儀錶盤來幫助公司解讀說明和使用資料做決策

呈現針對商業客戶或者內部團隊的科學分析的結果

（2）資料科學家：資料科學家是使用他們在統計學和建設機器學習模型方面的專業技術去進行關鍵商業問題**的專家。資料科學家也需要像資料分析師一樣去清洗、分析、視覺化資料。然而乙個資料科學家需要在這些技能上更深入也更專業，他們還可以去訓練和優化機器學習的模型。

評估統計學模型來決定分析有效性使用機器學習來建設更好的**演算法測試和持續提公升模型精確度

進行資料視覺化來概括分析的結論

（3）資料工程師：資料工程師建設和優化系統。這些系統幫助資料科學家和資料分析師開展他們的工作。資料工程師保證任何資料都是正常可接收的，可轉換的，可儲存的並且對於使用者來說是可獲取的。

為資料消費開發api 在現存的資料管道中整合資料集在新資料上運用特徵轉換提供給機器學習模型

持續不斷的監控和測試系統保證效能優化

總結：

資料工程師主要工作在後端。持續的提公升資料管道來保證資料的精確和可獲取。他們一般利用不同的工具來保證資料被正確的處理了，並且當使用者要使用資料時保證資料是可用的。乙個好的資料工程師會為組織節省很多的時間和精力。

資料分析師一般用資料工程師提供的現成的介面來抽取新的資料，然後去發現資料中的趨勢，同時也要分析異常情況。資料分析師以一種清晰的方式來概括和提出他們的結果來讓非技術的團隊更好的理解他們現在在做的東西。

資料科學家更傾向於基於分析的發現和在更多可能性上的調查來獲得方向。不管是訓練模型還是進行統計分析，資料科學家試圖去對未來要發生的可能性提出乙個更好的**。

2、你平時都是怎麼做資料清洗的？

3、資料分析都用哪些工具？

4、你認為資料分析師應該具備哪些能力？

5、你對自己的職業定位是怎樣的？

6、你的優點和缺點是什麼？

1、請舉例說明自己參與的乙個資料分析專案

2、在這個專案中你的貢獻是什麼？

3、專案裡使用的演算法與策略的原理是什麼？

4、介紹一下遇到過的比較有挑戰性的工作或難題，以及你是怎樣克服的？

5、給出乙個例項，講講如何進行特徵選擇？

3、統計學的知識：這個被問到的比較少，可以準備一些基礎的知識，比如介紹t分布

4、演算法相關的問題：

介紹一下logistic regression演算法

介紹一下k-means演算法

介紹一下樸素貝葉斯演算法

邏輯回歸與聚類的區別

備註：

不要害怕。在介紹演算法的時候不要長篇大論，講啊講不清。而是主要從演算法原理、演算法適用場景、演算法優缺點這三個方面介紹。每個點用一兩句話概括就可以了。