《数据类岗位面试360度全方位解读》

 
 
目录：
一，数据类岗位面试360度全方位解读
 
第一章：大数据
（一）什么是大数据
（二）大数据的作用
（三）是什么制约了大数据的发展
 
第二章，数据岗位分类和详细介绍
（一）数据岗位分类
（二）大数据工程师知识结构
（三）BAT数据工程师的岗位要求
（四）数据科学家
1 数据科学家技能和素质要求
2 数据科学家的核心技能
3如何成为数据科学家
4 数据科学家的职业发展
（五）数据挖掘工程师
1 什么是数据挖掘
2 国内的数据挖掘人员工作领域分类
3数据挖掘工程师现状
4数据挖掘与数据分析的区别和联系
5 关于数据产品经理
6数据挖掘工程师入职门槛
7零计算机基础如何入门数据挖掘
（六）数据分析
1什么是数据分析
2数据分析师的职业发展路径
3数据分析师所属部门和选择
4数据分析与数据科学家的区别
5国内容数据分析的市场状况
6数据分析的就业方向
7数据分析师工作内容
8数据分析的日常工作
9数据分析工程师就业情况
10哪些公司需要数据分析人才
11数据分析的待遇
12数据分析的职业规划
13数据分析如何入门
14做数据分析高薪行业
15数据分析面试技巧
 
 
 
二，数据类岗位招聘试题
 
1 东方国信数据挖掘与统计分析招聘面试题（笔试 ）
2 中金数据笔试题
3数据分析专员招聘笔试题和答案
4 数据分析专员招聘面试问题和指南
5 数据分析岗位招聘结构化面试题
6 数据分析岗笔试题
7 数据分析师 面试题（笔试）
8 数据分析师面试题 （笔试）
9 数据分析笔试题
10数据挖掘分析面试题（笔试）
11数据研发工程师笔试题
12结构化面试问题62问精彩回答
13结构化面试问题和考察要点（所有职位通用）
14结构化面试题及评分标准和分数
 
 
 
 
部分内容节选：
数据挖掘工程师现状
1）数据挖掘模型往往就那几种，有些互联网的大公司，实际用的模型也就那么些，数据挖掘【设计层】，如真正高大上的算法设计啊以及把模型自动化、工业化等，往往涉及大量对模型底层的应用，这些也是他们要高学历高相关的人的原因
2）如果只是会用一些机器学习模型，了解彼此利弊（举例：了解coursera相关课程，或者各种书，各种比赛），只是【套用模型】层的数据挖掘，它的工作一定程度与数据分析重叠，难点依然集中在清理数据、以及最终结果呈现等等，而模型的评估业界已有规范化的定论（误差等），这个是日常分析工作中也可以用现有数据做练习的。而且日常应用其实也不容易
3）大公司要的数据挖掘，往往偏第一种底层实现。而偏第二种套用模型的岗位，首先岗位
PS :关于数据产品经理，这里附带说一下这个职位
 
 
数据产品经理是近几年比较热门的新职位。主要是依赖数据做产品相关的工作。不过即便是缩窄了工作内容，实际的数据产品经理的职责也差别很大。有的是在数据部门做相关的数据产品，有的是专门负责以数据为准优化业务产品的。由于数据在互联网产品中起到的作用越来越大，数据产品经理也会越来越多的。
 
6 数据产品经理
近些年来，随着 Growth Hack、精益化运营、数据化运营等概念渐入人心，数据产品这个名字被提及的次数越来越多。
但究竟什么是数据产品？数据产品如何来解决商业问题？如何现在最火的商业概念如 Growth hacking 等落地的？如何设计一个能够满足用户需求的数据产品？本文将和大家一起分享这些问题。
做数据分析高薪行业
·         银行限制多，监管多，数据多，质量好，流程复杂。但是钱多，可以打好你在corp ladder里面的底子，知道
·         保险机会多，钱超多，监管相对较小，很多创新和成熟的数据科学应用都在这，而且这几年保险行业蓬勃发展，是数据科学非常好的出路。
BAT数据分析师招聘考察维度
1. 基本工具
包括规定动作和自选动作两类。目前我所在的组不需要关心数据来源和结构化的问题，有专门的工程师团队写爬虫、做清洗、维护计算集群和数据库。所以主要考察点在于查询和衍生指标的计算方面。
1.1 规定动作

SQL查询：JOIN ON、DISTINCT、GROUP BY、ORDER BY等等。从数据库中提取数据是数据分析的第一步。另外我们的数据规模是TB级的，所以还要能使用SQL让集群做一些简单的计算，不然都下载到本地的话运算资源是肯定不够的。可能还会问一些非常基础的

、、、、、、

更多内容请下载附件：《数据类岗位面试360度全方位解读》