京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析师分析结果什么最主要呢?在这些方面很多数据分析师人员都存着一个误区, 都认为答案是最会主要的,其实不是,经过跟多名数据分析专业沟通,得知一个真理,方法是最主要的,答案是参考性价值比较高。
我在面试数据分析师的时候,必然会问他们一个问题: “假如我是一家知名电商的CEO,而今天是星期一早上9 点钟,请你给我提供三个数据指标向我证明在过去的一周里,企业运营得一
我在面试数据分析师的时候,必然会问他们一个问题:“假如我是一家知名电商的CEO,而今天是星期一早上9 点钟,请你给我提供三个数据指标向我证明在过去的一周里,企业运营得一切正常,可以让我踏实下来。你认为,会是哪三个指标呢?”
绝大多数应聘者对这个问题的回答比较一致:第一个是流量;第二个是交易量;第三个是其他,这个其他包括转化率、交易额等。
当他们这样回答完后,我会反问他们:“刚刚我问的问题,你真的听清楚了吗?”这时候,有人会回答:“我听清楚了,答案就是这三个数据。”往往这个时 候,我会提醒应聘者说:“请注意,我要的数据是给CEO看的,而且还是顶级电商的CEO,而且时间轴还是周敏感数据。”面试进行到这一环节,我发现大部分 面试者根本听不懂“CEO”的含义。事实上,既然是CEO,就意味着他是公司里的最高领导层,那么给他看的东西明显要与其他人不同。在这个例子中,我们会 发现绝大多数应聘者很少会换位思考。也就是说,事实上,他们都是从自己的角度来思考,而不是以一个数据分析师、一个要给CEO汇报三个数据指标的分析师的身份来思考问题。
那么,什么是以数据分析师的身份来思考问题呢?通常来说,在我问出问题时,作为数据分析师的你首先要想的是CEO 会关注什么数据,是长期的,还是短期的?是风险最大的,还是风险一般的?或者是最近发生了什么事情?以及给CEO 提供的数据要有什么注意事项,等等。
所以,我要再问问应聘者:“当你坐在面试桌对面给我答案的时候,有没有想过在星期一的早上,这家知名电商的CEO 真正想看的是什么?”再想想这个问题,你到底有没有真正听清楚“CEO”、“知名电商”、“周敏感数据”这些关键词?
CEO 要的是“踏实”——他听完了就可以安心地吃早饭了。
在面试时,如果面试者不对这几个问题进行询问就贸然回答的话,满分是10分,我只会给5 分。因为这个问题里面本身就有很多问题,比如,什么是踏实?踏实是一个概念,你不问清楚“踏实”的含义,就给我三个指标,无论如何都是错的。
在正常情况下,首先不要急于回答我提出的问题,而是先问清楚什么是踏实,切勿自己先做假定。以下,我们可以假定一个相对理想的面试场景。
你反问:“什么是踏实的状况?”
我回答道:“最近这家电商和另一家电商在打价格战,而它最近又新推出了图书类目,那么CEO 自然最关注的是这些图书的业务做得好不好。”
你再问:“什么是好?是否基于每天来买书的新增用户和原有用户购书的数量多少?而且,CEO 是希望更多地用书来吸引新用户,还是想通过图书业务的推广让现有的用户进行交叉购买行为?”
在这些思考结束之前,你绝对不能给出指标。因为,在没有解决一个问题的内涵之前,任意给出的一个指标,必错无疑。所以,我才会问应聘者到底听清楚问题没有。
在我做面试官的经历中,很多看似有经验的数据分析师,往往在我提出的问题还没有解释清楚时就抢着作答。绝大多数人在思考不到一秒钟的时间里就给出了答案,而这一秒钟的答案,我可以确定他们根本没有听清楚我的问题。
通常这个时候,我会再给他们一次机会,问他们:“刚才你给我的这个答案,如果我给你满分10 分,你会给自己打几分?”而此时,大部分人只会打6~7 分。
当应聘者给自己打7 分时,我会反问:“另外3 分丢的原因是什么?”他开始反思,说自己刚才给的可能并不是CEO 想要的指标,因为他对这家电商的近况不是很了解……
接下来,当我再反问:“刚才我的问题是‘假如我是一家知名电商的CEO,
今天是星期一早上9 点钟,你给我三个数据指标向我证明在过去的一周里,企业运营得一切正常’,你听清楚了吗?如果你确认自己清楚了,能请你再给我一次答案吗?”
这时候,聪明的人不会再用一秒钟就给我答案了,而是重新思考,开始问问题,再给出答案。这时候的答案,当然会比第一个答案要好得多。最后,当我再问他:“现在,10 分满分你给自己打多少分?”此时,他们自己给出的分值通常都会高一些。至此,我的面试也就结束了。
事实上,关于这个问题,我根本就不关注打分的结果。当然,如果评价是10分,那就不用面试了,因为在没有仔细考虑过答案的时候就自信满满地回答,这 种人必然无法承担做数据分析师的责任。虽然,自信是对的,但是思考更重要。作为一名数据分析师如果你不把自己的分析与当下结合,是没法进步的。
有趣的是,当我把这个问题贴在网上时,还是会有很多人追问我答案是什么。CEO 关心的到底是哪三个数据。这时候,我真的很想说,数据分析师------答案不重要,方法才是最重要的。(文章来源:网络)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23