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
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22