点击上方蓝色『数据攻略』关注+星标~
数据分析求职干货不错过
哈喽大家好，我是数据攻略的六哥~
秋招目前在火热进行中
各厂基本进入“抢人才”大战
笔试，是应届生应聘基本环节之一
不少大厂已发放笔试/测评
很多粉丝朋友反馈有没有准备建议
本篇文章就来重新总结一下
「数据分析岗」常见笔试题型！
以及5类题型对应的：
考核方向、核心考点
应对技巧、注意事项等。
如果你属于秋招ing，可对号入座自检掌握程度；如果你是秋招预备役，可以笔试为切入点，有针对性目的来学习；如果你想要转行，可根据各模块所要求的技能，有方向的来规划。（文末有笔试题库+重要考点资料，可收藏自测⭐）
------正文手动分割线------
一、常见形式
行测推理类 统计学类 SQL类 机器学习类 主观分析类
一、常见形式
对于社招来说：
大多公司没有笔试这一环节
简历筛选如果通过，直接进入面试
面试中依据不同面试官风格
过程可能会考察一些编程题
对于校招来说：
笔试是一个相对必要且工整的环节
根据历年考题，可将 「数据分析岗位」
笔试题目类型有以下形式：
选择题 ：包括定向、不定项选择题，出题面较广，涉及到数据分析师在实际工作中需要掌握的各种概念和知识点，比如SQL的优化技巧、机器学习算法的原理、统计学概念； 填空题：部分公司可能以这类题型来考察候选者能力，因无预设选项，难度较大； 判断题：比选择题简单，但如若是此类题型，可能题量较大，要注意把握好时间； 编程题：通常出SQL、Python题目，大多需要实际运行，以考察应聘者的实际编程能力和问题解决能力。 简答题：这类题目通常没有标准答案，旨在考察应聘者的商业思维、分析能力、业务理解和视角全面性等等。
二、出题类型
根据历年考题，「数据分析岗」的常见考点类型可以划分为以下模块：
1、行测类
这一类题型部分互联网公司比较偏爱
一方面是因为这类题目方便考察应聘者的基础能力，比如：
快速理解能力 知识点掌握程度 逻辑推理能力
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：
这类题目题量可能会较大，所以需要注重做题速度； 不会的题学会舍弃，学会抓高分题。
2、统计学类
因为要从事的是数据分析相关岗位
确保应聘者懂得基本数理统计知识
所以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、贝叶斯 各大常见分布 假设检验 参数估计、区间估计 方差分析等等
▼ case举例：
例如，请说出常见异常值识别方法 例如，一元线性回归的主要前提假设是什么
▼ 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。 注意准备时间分配，不要本末倒置，先根据上述高频考点做准备，后有时间有余力情况下再延伸其他考点做复习。
▼ 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
3、SQL类
这一类题型不言而喻
是每一个数据分析师必备技能
因此通常也为各家必考题
但是不同的人，有不同的做题思路和代码习惯
所以最后呈现的代码逻辑也各有不同
尽管最终运行结果正确，或者不是100%正确
部分面试官也会根据代码的逻辑、简洁度
以此来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 对业务基础指标的理解能力
▼ 核心考点：
关联语法：join、left join 聚合函数：count、sum、avg等 条件函数：if、case when 窗口函数：lead()、lag()、sum()等 时间函数：date_add、datediff等 行列转换、字符串相关处理等
▼ case举例：
例如，分别统计x页面新老客的七日内留存 例如，近一个月最长连续活跃天数分布
▼ 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、uv价值、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。
4、机器学习类
是否有这一类题型，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； 偏业务型的不太会涉及，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、区别联系、 常见算法基础概念、应用场景 高频多发问题的解决方案等
▼ 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。
5 、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
估算一下北京理发店有多少理发师； 请分析某app，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，按类总结一套融入自己的思考的分析框架及模板，但要注意结合具体问题需要具体分析，避免泛泛而谈，无针对性的套用，这类没有区分度的回答思路，面试官通常也会不太感冒。
▼ 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。
以上就是关于笔试题型的总结
知己知彼，才能百战全胜！
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 。👇
🔶 福利时间！！
资料库部分资料列举：
如若盼 追更 『求职类』干货系列
欢迎大家点赞、转发，最底部点点在看
你的鼓励，真的是对我最大的动力
Ps.求职季已来，如需六哥求职相关帮助
可戳此了解👉六哥的原创课程/求职服务说明
Ps.也欢迎添加我的微信（data-youdao）
交个朋友先，不定期有一手内推资源传送 ~
往期好文推荐 