资源介绍
视频数量：101个
总时长：4小时22分
课程介绍：
数据分析师面试 101 题：核心概念与业务指标
打开招聘App搜"数据分析师"，几百个岗位涌出来。简历精心打磨投出去，回复寥寥。好不容易约到面试，坐下来才发现——面试官抛出的问题你明明知道答案，却组织不好语言；SQL能写，但追问"为什么用LEFT JOIN而不是INNER JOIN"时大脑空白；案例分析题让你拆解DAU下跌原因，你只能说"查日志"三个字。
这不是能力问题，而是你没有用面试官期待的逻辑来组织表达。这门课要解决的就是这个"知道但说不出来"的问题。
一、面试思维与岗位基础：
很多求职者把面试准备等同于背知识点，一开口像在念百科词条。课程前十个题目帮你建立面试官的思维框架。
面试官问"数据分析师日常工作做什么"，不是想听你背诵定义，而是想看你能不能讲清"明确问题—定义指标—取数—清洗验证—分析模式—输出建议"这条完整链路。课程教你如何开场定义、如何串联核心概念、如何结合真实项目案例。
"指标和KPI有什么区别"十个候选人九个答不清。课程从数据源、转换逻辑、刷新频率、对账方式等角度拆解，让你理解ETL不只是数据工程师的事。还有"业务方提了模糊问题怎么办"、"多个分析需求同时来怎么排优先级"、"怎么给非技术背景的领导讲清楚一个发现"——这些题目考察的是沟通能力和判断力，课程教你如何反问澄清、如何用业务语言翻译技术结论。
二、SQL基础功底考核：
几乎所有数据分析面试都会考SQL，答得好坏往往决定能不能进下一轮。课程用十二道题覆盖面试最常考的知识点：SELECT语句、WHERE和HAVING的区别、GROUP BY聚合、JOIN使用场景、NULL值处理、COUNT(*)和COUNT(DISTINCT)的语义差异、CASE WHEN分类、日期范围过滤、DISTINCT的隐藏风险、子查询与CTE的取舍、UNION与UNION ALL的性能差别。
重点不是"SQL怎么写"，而是"为什么这样写"。WHERE和HAVING看似都在过滤，但前者作用行级、后者作用聚合后的组级。课程还会带你做"查询返回计数不对怎么排查"这类调试题，从字段理解、数据类型、空值过滤、重复值、逻辑顺序等维度系统排查。
三、Excel与表格处理：
别以为数据分析岗都在用Python和SQL，很多公司业务部门还在重度依赖Excel。课程用八道题帮你补齐硬功夫：分析师最常被问"你会用哪些Excel函数"，课程梳理VLOOKUP、XLOOKUP、INDEX-MATCH、SUMIFS、COUNTIFS等高频函数的适用场景。透视表是KPI报表的核心工具，课程教你搭建能动态切换维度、自动汇总的透视表。最后还讲"什么时候用Excel、什么时候用SQL、什么时候上BI工具"——这个判断能力比掌握任何单一工具都重要。
四、数据清洗与类型判断：
原始数据从来不会干干净净等你分析。缺失值怎么处理——删掉、填均值、用模型预测，还是标记出来单独分析？不同处理方式直接影响后续结论。重复值怎么检测、按哪个字段去重？异常值怎么识别？课程用五个题目帮你建立数据质量意识。特别强调"分类变量和数值变量的区别"，这是面试中考察数据理解深度的常考题。
五、描述统计与概率直觉：
数据分析离不开统计，但面试中不需要推导公式。课程重点建立"在什么场景下用什么统计量"的直觉：平均数和中位数选哪个？当数据严重偏态时，比如用户收入、APP停留时长，中位数往往更能反映典型用户。方差和标准差怎么用大白话讲？百分位数在绩效报表里怎么用？相关性不是因果性，怎么回答才能既承认相关性、又能合理讨论因果推断的可能性？
中心极限定理不需要证明，但要能用业务语言解释"为什么样本量够大时可以用正态分布近似"。置信区间怎么解读？z-score是什么？第一类错误和第二类错误在业务决策中意味着什么？这些题目课程都用面试答题的结构来组织。
六、KPI思维与业务指标体系：
这是核心章节——十二道题，覆盖数据分析师必须掌握的指标体系。怎么定义一个KPI？课程教你从"目标—指标—口径—责任人—更新频率"五个维度来定义。先导指标和滞后指标有什么区别？为什么DAU是滞后指标、新增用户数是先导指标？
留存指标D1、D7、D30分别衡量什么？流失率怎么定义才不会被业务方挑战？ARPU和ARPA的区别？用户生命周期价值怎么算？获客成本和回本周期怎么联动？更重要的是"指标树"思维——把北极星指标层层拆解到可执行的子指标。课程用完整的电商案例，从GMV这个北极星指标，拆解到流量、转化率、客单价、复购率等支撑指标。
七、可视化与数据叙事：
分析做完了，怎么呈现？十个题目帮你建立"让别人看懂你的分析"的能力。怎么选图表——柱状图、折线图、散点图、热力图各自的适用场景？怎么在一页PPT里给高管讲完一个完整分析？同比环比怎么对比才有信息量？
课程特别强调"如何解释不确定性和局限性"——这是体现专业性的关键时刻，很多候选人急于给出确定结论，反而显得不严谨。当两位业务方对同一组数据有完全不同的解读时你怎么应对？背后考察的是数据叙事能力。
八、实验设计与案例实战：
互联网公司的数据分析岗几乎必考A/B测试。课程用五道题帮你建立实验思维：怎么从零设计A/B测试？统计显著性在业务中到底意味着什么？p-value怎么跟业务方解释？样本量和检验效力为什么让测试失败？护栏指标是什么？
案例分析章节是课程的实战精华：DAU昨天突然下跌你怎么办？转化率下降但流量上升怎么分析？市场部要ROI报表你怎么搭？仪表盘数字和财务对不上怎么排查？怀疑埋点有问题怎么验证？这类题没有标准答案，面试官想看的是你拆解问题的逻辑：先确认数据本身有没有问题，再分层拆解指标变化，最后定位根因并提出行动建议。
九、高级SQL与建模分析：
最后一章是进阶内容，覆盖窗口函数、缓慢变化维、星型模型、查询优化、多对多关联、线性回归、逻辑回归、过拟合、特征泄露、时间序列、双重差分、聚类等。这一章面向冲击中高级岗位的同学。课程不会让你精通每一个模型，但帮你建立知识地图——知道每种方法的适用场景、常见陷阱、解释方式，面试时被问到时不至于哑口无言。
适合谁来学：
如果你正在准备数据分析师的校招或社招面试，但不知道面试官到底在考什么、怎么组织回答，这门课适合你。如果你SQL能写但被追问就卡壳，案例分析题完全没思路，统计知识学完就忘，这门课也适合你。如果你想从初级往中高级跃升，需要补齐建模和实验设计的知识体系，这门课同样适合。
四个多小时、一百零一道题，覆盖从基础概念到业务实战、从SQL功底到建模思维的完整备考链路。学完之后，你会发现自己面对面试官的问题不再是"知道答案但说不出来"，而是能像讲述一个完整故事一样，把分析能力和业务思维呈现出来。