目錄
第1 章 面試前的準(zhǔn)備 / 1
1.1　都有哪些數(shù)據(jù)類崗位 / 2
1.2　如何選擇適合自己的崗位 / 5
1.2.1　數(shù)據(jù)分析師 / 6
1.2.2　數(shù)據(jù)挖掘工程師 / 7
1.2.3　算法工程師 / 8
1.2.4　數(shù)據(jù)產(chǎn)品經(jīng)理 / 9
1.2.5　小結(jié) / 10
1.3　準(zhǔn)備一份高質(zhì)量的簡歷 / 11
1.3.1　通用排版建議 / 12I
1.3.2　如何描述數(shù)據(jù)類項目 / 17
1.4　投遞簡歷有哪些途徑 / 19
1.4.1　校招 / 19
1.4.2　社招 / 20
1.4.3　其他途徑 / 21

第2 章 直面數(shù)據(jù)分析師面試 / 22
2.1　數(shù)據(jù)分析師面試流程 / 23
2.1.1　筆試 / 23
2.1.2　部門內(nèi)部成員面試 / 23
2.1.3　部門負責(zé)人面試 / 24
2.1.4　總監(jiān)面試 / 24
2.1.5　HR 面試 / 25
2.2　真實的面試經(jīng)驗分享 / 25
2.3　面試技巧 / 30
2.3.1　提前熟悉業(yè)務(wù)場景 / 30
2.3.2　充分準(zhǔn)備好個人介紹 / 31
2.3.3　了解崗位的側(cè)重點 / 31
2.3.4　保持積極的面試態(tài)度 / 32
2.4　常見的數(shù)據(jù)分析師面試問題 / 33
2.4.1　基礎(chǔ)知識考查 / 33
2.4.2　編程能力考查 / 35
2.4.3　實戰(zhàn)項目考查 / 36

第3 章 基礎(chǔ)知識考查 / 38
3.1　統(tǒng)計＆ 數(shù)據(jù)分析知識 / 39
3.1.1　基礎(chǔ)概念：隨機變量、分布函數(shù)、概率密度函數(shù) / 39
3.1.2　隨機變量的常用特征 / 45
3.1.3　正態(tài)分布與大數(shù)定律、中心極限定理 / 50
3.1.4　假設(shè)檢驗 / 55
3.1.5　貝葉斯統(tǒng)計概覽 / 58
3.2　模型＆ 數(shù)據(jù)挖掘知識 / 63
3.2.1　數(shù)據(jù)挖掘常用概念 / 63
3.2.2　常見的模型分類方法 / 66
3.2.3　常見的模型介紹 / 68
3.2.4　模型效果評估方法 / 77

第4 章 編程技能考查 / 83
4.1　熟悉Python / 84
4.1.1　概覽 / 84
4.1.2　數(shù)據(jù)分析——pandas / 90
4.1.3　數(shù)據(jù)可視化——matplotlib ＆ pyecharts / 94
4.1.4　文本處理——jieba ＆ wordcloud / 99
4.2　懂R 語言 / 104
4.2.1　概覽 / 104
4.2.2　數(shù)據(jù)分析——DataFrame / 112
4.2.3　數(shù)據(jù)可視化——ggplot2 / 114
4.2.4　數(shù)據(jù)挖掘——以線性回歸分析為例 / 123
4.3　掌握SQL / 127
4.3.1　數(shù)據(jù)庫常見類型及單表查詢SQL 語句 / 127
4.3.2　多表查詢SQL 語句 / 132
4.3.3　更多SQL 內(nèi)容 / 138

第5 章 數(shù)據(jù)分析師實戰(zhàn)技能 / 150
5.1　數(shù)據(jù)分析師工作必備技能 / 151
5.1.1　數(shù)據(jù)人員如何創(chuàng)造價值 / 151
5.1.2　完整的指標(biāo)體系構(gòu)建 / 152
5.1.3　數(shù)據(jù)監(jiān)控及報表設(shè)計 / 158
5.1.4　設(shè)計一份優(yōu)質(zhì)的數(shù)據(jù)分析報告 / 162
5.2　基于互聯(lián)網(wǎng)大數(shù)據(jù)的應(yīng)用 / 165
5.2.1　AB 測試 / 165
5.2.2　用戶畫像 / 171
5.2.3　完整的數(shù)據(jù)挖掘項目流程 / 174

第6 章 用努力給自己加分 / 180
6.1　學(xué)習(xí)方法很重要 / 181
6.2　拓展自己的知識面 / 182
6.2.1　爬蟲 / 182
6.2.2　社交網(wǎng)絡(luò) / 188