《数据分析面试笔试》专题

详细介绍竞赛和项目，数模题目和思路。面试官对我的竞赛比较感兴趣，问了很多细节。 手撕：力扣179. 最大数。面试官将题目发到聊天里，自己粘贴到本地 idea，核心代码模式，自己写测试用例，说思路，不用提交到力扣。 大数据 + Java 八股：Spark、Flink、Kafka、GC、JUC 等。问一个技术你熟悉多少，然后自己阐述，中间面试官会根据你说的提出一些具体的问题。 结果：hr 马上通知一面

9.16 一面 20min左右 1.自我介绍 2.挖实习，针对部分细节做提问 3.数据分析需要哪些技能 4.反问 9.19 二面 25min 1.自我介绍 2.深挖简历，面试官比较关注项目的产出 3.广告投放的渠道分析（实习中有） 4.是否了解地产数字化 5.反问 问了下后续面试流程，说是至少还有一轮业务面+hr面，如果sp的话还会有总监面 许愿终试 龙湖数科数据分析求抱团 #龙湖集团数字科技##

1月3号下午HR在BOSS直聘与我联系，沟通好以后约定1月5号下午2点面试。 一共3轮面试，一个下午流程全部走完，整个面试经过如下： 1.一面（HR初试）： 耗时30分钟左右，主要针对简历上的过往经历详细做了沟通了解，也问了期望薪资等问题 2.二面（部门leader面）： 耗时1个小时多，是一位年轻的美女面试官，针对简历上的过往工作经历和项目经历进行了深挖，问了不少细节，很专业。 问了以后的职业发

面试官是个小姐姐，人很好，沟通愉快。Base在北京，说希望我能实习5-6个月，但是我说因为研究生九月开学，所以没办法更久。接着告诉我每天的实习时间还挺长，早上10点半到晚上10点（sos），问能不能接受。 自我介绍 问我这么多段Data（DE, DA, DS，BA实习）,自己对哪一块更感兴趣？ 我回答：商业分析（即落脚到商业决策会让我更有成就感） 自己举一段印象最深的商业分析的经历说说？ e.g.

通过简历内推投了小米的岗位，最开始一直是简历初筛，每天过得异常焦虑 两周后收到了笔试测评邀请函，记得大概是200多道题。 前三部分客观题分别是提取短文有效信息题，数据分析计算题和逻辑思维判断题。后两部分主观题是心理素质和职业素养评测题。 反正给我的感觉一个字 难，可能我比较菜哈哈哈 笔试不久之后面试官电话联系通过微信视频约了一面。 一面首先是个人介绍，主要还是深挖简历和作品集，主要问项目和作品的设

9.7投递，9号电话约面15号（后因面试官临时有事改为19号） 字节的面试开放性很高，都是根据简历来 自我介绍 根据实习和项目问问题：为什么用线性回归模型，为什么用KNN，怎么向不懂的人直白地介绍KNN，怎么优化预测算法，更多的预测算法 介绍常用的app：网易云音乐，介绍下不足：推荐算法不准确，怎么优化算法，怎么测试优化后的算法：ABtest，怎么给推荐算法的数据集设置权重并验证，怎么确认是推荐算

14：00-16：10 信息科技岗 第一部分：行测 60min 70道选择 包含了你能见到过的所有行测题目 还有一些时政题，银行题。 时间太紧了哭死 ---------- 第二部分：英语 30min 35道选择 其中有一篇10空的完形填空，从12个选项中拖进去 还有一篇5题的完形填空 ---------- 第三部分：计算机相关知识 40min 60选择 其中单选45题，多选10题，不定向选5题 -

非常佛系的做笔试做着玩的。算法菜鸡，分享一下自己朴素简单的理解，样例都过了，但是不知道是否准确，欢迎大家来讨论，（下图做纪念） 第一题 总结后的题面：在二维矩阵上有很多个点，需要多少条平行于y轴的宽度为W的带子才能将所有的点全覆盖。 感觉这整个Y数组都用不到啊，直接对X数组进行一个排序，然后进行一个去重。然后遍历整个数组，一条条带子的添加，最后就是答案了。下面是原始题面和我的简陋代码。 第二题 总

获取小程序概况趋势： $app->data_cube->summaryTrend('20170313', '20170313') 开始日期与结束日期的格式为 yyyymmdd。 API summaryTrend(string $from, string $to); 概况趋势 dailyVisitTrend(string $from, string $to); 访问日趋势 weeklyVisitT

通过数据接口，开发者可以获取与公众平台官网统计模块类似但更灵活的数据，还可根据需要进行高级处理。 {info} 接口侧的公众号数据的数据库中仅存储了 2014年12月1日之后的数据，将查询不到在此之前的日期，即使有查到，也是不可信的脏数据； 请开发者在调用接口获取数据后，将数据保存在自身数据库中，即加快下次用户的访问速度，也降低了微信侧接口调用的不必要损耗。 额外注意，获取图文群发每日数据接口的结

蚂蚁面试体验感真的很好！！！之前在网上刷到我还不相信，面完觉得太好了。 1. 项目如何进行分析处理和得到结果的 2.为什么想来做数据分析师？跟你的背景相对区别那么大 3. 情景题如何获得种子用户以及如何安排触点能够得到更高的点击率 反问环节 聊了很多关于进入部门的发展和工作内容，本来对这个面试还不抱有什么希望，但是聊的很开心，突然觉得如果一面能过，二面一定好好准备。 1.进来以后会要做具体项目的分

在5.2 本地数据存储及安全性这一节，我们对本地数据存储对安全性做了详尽的分析。 NSUserDefaults，plist,sqlite3等等，即使设备不越狱，攻击也能够提取出数据。在设备越狱之后，keychain中的数据也不安全。 因此，要对敏感数据加密，且尽量保存到keychain中（比如token信息）。 下面是2个例子。（密码都被我用password字串替换） a) 家里的WIFI信息 b

刚刚面试完，第一部分自我介绍，第二部分根据简历提问，第三部分反问。 重点第二部分，问得好细，从学校专业开始问（俺经管的），为什么会选择数据分析；第二部分揪比赛经历，也问的好细，那个比赛都是老历史了，俺真的不记得那么多了，问我比赛选题的自变量有哪些，y是啥多重结果？真的，现在让我翻聊天记录都找不到答案。第三个是实习经历，问了我写在简历上的每一个字！！！问的我都以为他想跳槽去我前东家的工作了 中间的过

线下面试，先填了个表，然后是几道笔试题，之后就是面试（后来得知面试官只比我大一届），最后hr问了些问题。 6.28 笔试题（15min） 1.flex实现垂直水平居中 2.js的隐式转换 3.es6解构 4.数组扁平化/数组拍平 5.this的输出题 6.let与var的循环输出 7.Promise的输出题 还有些很简单的就没写 面试 1.个人介绍 2.html最上面的几行是干什么的？ 3.css

时间线：9.4投递，9.16一面，9.21二面（和hr改的时间），9.26三面，全程hr电话约面 一面技术     1. 特征工程常用方法         归一化标准化、离散化（分箱、onehot编码）、组合降维等等     2. 分类样本不均衡如何解决         欠采样、过采样     3. 针对A/Btest经历——如果使用抽样调查方法如何确定样本量和分桶（统计学意义上）