关于 【笔试】，最重要的就是『 刻意练习 』
最高效的捷径就是 按照拟投目标岗位，搜集往年笔试题， 分类准备、尽早多练 。
根据历年考题，可将 " 数据分析岗位 " 的笔试类型划，分为以下模块：一、行测类 这一类题型部分互联网公司比较偏爱，原因一方面是部分公司注重应聘者的基础（理解、表达、逻辑）能力，另一方面是笔试合作机构有题库，出题方便。 常见题型：选择题 主要方向：理解题 图形题 推理题case举例：请根据下列数字的规律,推测括号中的数字应该是多少？10 ,14，7 , 6 , 8 , 10 , 9 , ( ) , 30，36，55 应对技巧：多刷公务员行测题，总结规律； 有时间的同学可以刷公务员考试讲解视频，机构老师已帮总结好答题技巧。注意事项：需要注重做题速度； 不会的题学会舍弃，学会抓高分题。二、统计学类 因为要确保应聘者懂得基本数理统计知识，这一类题型绝大多数公司均会涉及。同时为提高筛选效率、划分能力层次，部分公司会增加1-2道高难度计算题。 常见题型：选择题、计算简答题 考核方向：统计学相关知识 核心考点：中心极限定理、条件概率、各大分布、假设检验、参数估计、方差分析等 case举例：例如常见异常值识别方法； 应对技巧：针对上述高频考点，多刷《统计学》书对应章节，总结易错点和关键点，尽量看懂书中例题。 注意事项：部分常见公式需要牢记，提高做题速度 带计算机，节约计算时间 三、SQL类 这一类题型不言而喻，是每一个数据分析师必备技能，因此各大公司必考。但是不同的人，有不同的理解，所以最后呈现的代码逻辑也各有不同，尽管运行结果正确，部分面试官也会根据代码的逻辑、简洁度评判应聘者的能力水平。 常见题型：选择题、编程题 考核方向：SQL基本功和进阶能力、对业务理解的逻辑能力 核心考点：关联语法、聚合函数、条件函数、窗口函数、时间函数等 case举例：例如，分别统计x页面新老客的七日内留存。 应对技巧：上述核心考点找真题多练习、多总结 针对投递公司所属行业，了解基本指标概念，缩短对考题的理解时间。例如：电商行业常说GMV、客/笔单价；短视频行业常说观看时长、完播率、转发率、有效评价率；游戏行业常说付费率、ARPU等注意事项：实际工作中各公司常用Hivesql，对于未参加过实习的小伙伴在学校中常常接触较多的是MySQL，要提前熟悉俩类语法的区别，避免部分代码测试不通过，影响分数。四、机器学习类 这一类题型主要看 所应聘公司数据分析岗所在部门的职能和调性。 偏技术型的必出此类题（例如：腾讯、携程大数据挖掘分析师），偏业务型的基本不会涉及（例如：阿里巴巴业务型BI）。 常见题型：选择题、编程题 考核方向：对经典算法的理解和应用能力 核心考点：传统算法的比较， 常见算法基础概念、区别联系、应用场景、高频问题的解决方案等 case举例：比如，ID3决策树和CART决策树的差异点。 应对技巧：时间充裕的，可系统性学习几大经典算法，感兴趣的甚至可以自己走一遍推导公式加深理解，再结合实战，巩固练习，总结经验，建立好知识库。 时间紧凑的，可以找几个秋招小伙伴组建联盟，按照上述核心考点，通过合作分工进行梳理归纳，再结合各大公司真题练习几遍，找到感觉。注意事项：秋招的每一分钟都很宝贵，要面向目标和投入产出比去准备，提高效率，合理规划笔试这一环节这一模块的准备时间。 比如，如果目标不是找偏技术型的数据岗，在投递前对公司岗位等信息尽可能做详细了解，避免耽误自己时间。五、主观分析类 这类题型着重考应聘者的业务理解能力以及分析思路。 常见题型：开放类大题 考核方向：对业务的理解能力、分析思路和逻辑能力 核心考点：估算类、异常归因类、AB实验类、探索发散类、指标体系设计类 case举例： 比如，请你归因分析x月xx渠道留存下降原因；请从数据角度为新产品设计投放策略等等。 应对技巧：按照上述考点类型，练习经典case，按类总结一套分析框架及模板，但要注意结合具体问题具体分析，避免空而泛无针对性的套用。 注意事项：注意写作格式，分段、分编号有逻辑的呈现，对面试官批卷阅读感更友好，第一印象会更好。 注意结构化展示，先介绍思路，再介绍具体步骤，最后可以做个总结。