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
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27