怎樣判斷一個人是否適合做數據分析？用什麼題目測試更有效？

01-14

來自微博 http://weibo.com/1240959563/yaEaKhlD3
@小蚊子樂園: 網友問：部門要找幾個人做數據分析。現幾個人原來是在不同的崗位上的,以前沒有做過數據分析,怎麼樣才能看看出他們是不是適合做數據分析呢,在進行競聘時使用什麼樣的題目會比較合適有效呢？大家有何妙招沒？

我覺得無論什麼工作興趣最重要，要做數據分析師最基本的就是不討厭數字，如果你跟他講那個指標是通過怎麼樣的乘除加減得到的，他會覺得不耐煩，那麼顯然他不適合做數據分析；如果對數據較敏感，能夠一眼發現異常值，數據分布情況，當然是最好的。

再則就是邏輯性，可以讓他試試愛因斯坦的那道經典的邏輯題，看看能否解出來，需要多久；邏輯思維對數據分析尤其重要，不然會被各種指標的定義規則、與業務的聯繫糾結死，邏輯思維好的人寫SQL等數據處理腳本也會更加高效。

接著是業務理解能力，最簡單的就是讓他定義下網站的目標是什麼，哪些指標可以作為KPI，用戶從進入網站到達成網站目標的整個過程是怎麼實現轉化的，能否畫出業務流程圖。（宏觀層面，不要深入細節）

如果偏技術則需要懂一些資料庫結構和SQL，如果偏展現需要考驗下對圖表的掌控能力，什麼時候用什麼圖表合適，甚至如何配色。

最後就是細心、耐心和交流能力，做數據分析有時會很糾結，細心和耐心是必需的，好的交流能力可以讓數據分析師更好地闡述清楚各類問題。

這些都是比較基礎的東西，也是短期難以培養起來的技能。至於另外業務相關的一些知識，可以通過培訓獲取，問一個未接觸過你的網站業務的人一些業務知識其實有些不公平，其實如果具備上面幾點，一旦熟悉網站和業務之後，一定會成為優秀的數據分析師。

1、問問他喜歡什麼，平時對什麼事情有興趣，然後挖掘這些事情中他關注什麼數據，比如買彩票？炒股？看nba？其實裡面都有很多數據，他在他喜歡的領域，如果能對數據如數家珍，對數據的解讀能到位，（比如對某個nba 球星的數據和所對應的表現狀態做評論）至少說明他有很強的數據感。數據感是做數據分析的第一要務。

2、問問他對數據分析的理解和目標，看看他是怎麼認識這份工作的。

3、常見數據分析誤區有非常多經典範例，給出幾個測試題（容易產生誤判的數據案例）讓他分析解讀一下。

4、典型場景分析，在某些業務場合中，最需要關注什麼數據，如何解讀其中的一些數據特徵。

當然，3和4需要面試官或者說主考官有非常資深的場景把握和豐富健全的範例庫，如果主考官自己都把握不住，那就沒轍了。

其實要先明確一個問題，你要找什麼層次的人，數據分析助手，數據分析師，資深數據分析師，還是數據分析專家。

簡單分享一下我個人的經驗，主要幾個方面

1、基本技能，例如SQL、Excel、SAS/SPSS/R、PPT之類的，可以問一些功能、技術，看看達到什麼能力；

2、理論功底，常用的一些分析方法，說說理解，順帶讓他說說做過的案例、心得，背書是看得出來的；

3、邏輯思維能力：舉一個例子，讓他來說說分析緯度、分析角度和思路；

4、對行業的把握，平時是否對行業發展有所關注，自己有什麼見解；

5、性格及其他方面，嘿嘿，這個就不多說，看這個人對不對你的胃口，咱們招人就2條原則對吧，要麼能幹，要麼好看（開玩笑）。

給他一堆數據，讓他現場分析一下唄。當然了，這些數據應該是你們事先準備好的，比如滿足某種分布或模型等等。

舉個例子，你叫人編寫一個扔骰子的遊戲，骰子有1-6點，模擬10萬次，得到10萬個數據。但是你故意把骰子遊戲的弄得不是均勻分布（微小的偏離），看來面試的人能不能分析得出來。

故意生成數據的正負樣本不平衡的情況，看他怎麼處理（採樣方法）等等。

搞個網站比如3個月到這一周之前的pv，看他如何分析預測本周的pv。也可以自己事先指定一個時間序列，簡單一些。

對於巨大的數據量，比如10億條的URL，看他是否能夠合理地規劃，比如運用Hadoop來處理海量數據。順便問問他，如果沒有Hadoop，他會如何處理上10條數據。

最後就是做數據分析的都會畫圖，看看他畫圖的能力咯。還是事先準備好幾組數據，比如範圍變化很大的，或者多個維度的，每一個維度的數據形式都不同，看他如何表達。

不知道你指的數據分析是哪類的數據分析，是只是單純的寫報表、整理數據這類的，還是像現在互聯網公司招收的那類數據分析師呢。

總的來說，數據科學專業，或者說統計知識的要求，其實沒有那麼高，因為你做的不是數據挖掘。而數據分析，大多都是對已有的數據進行一些數字特徵的計算，分析一些數據走勢，結合一些實際背景給出一些描述性的分析，最多用到一些常見的統計模型，進一步對於數據進行分析。但是，由於現在數據挖掘或者說大數據比較熱門，簡單的統計模型在模型情況下也有數據挖掘師進行操作了。因此，從統計專業知識這個角度來看，知道最基本的概率論與數理統計的知識，以及一些常見模型包括回歸分析、時間序列分析、多元統計分析等的知識就足夠了。

除了上面提到的知識外，下一步就是要求你用軟體進行實現或者展示。這一點就依據不同的公司特色而定。對於一些外企或者醫藥類的公司，大多比較偏向SAS，因為SAS是比較權威的統計軟體。對於一些社科類、經濟類的公司，則相對應SPSS較多，因為簡單、操作方便，但也因此，對於統計人才的需求不是那麼大。最後一類，也是比較流行的就是使用R或者Python，這是現在大數據時代的趨勢，此外，軟體也是開源的，使用別人已經寫好的程序包是十分方便的。因此，你要根據自己的習慣或者喜歡行業的通用標準，學習以上的2種軟體，保證一個可以熟練使用即可。

最後，也是近些年要求比較多的，就是有關資料庫的知識和相關軟體。這裡要求比較多的就是SQL、MySQL、SQL server等。同樣也是因為海量數據的緣故，對數據的存儲、提取、維護等需要比較專業的軟體，這些就應運而生了。而且許多公司對於數據分析師的要求和工作內容也是使用這些軟體對於數據進行維護、清晰等等，之後才可以進行數據分析。

綜上，數據分析既需要有一定的統計知識，掌握一定的統計軟體。也需要一定的資料庫管理和使用的知識。綜合要求還是比較高的，既需要專業知識、軟體知識，也需要溝通合作能力。通過要去去匹配你自身的能力，這樣就可以塑造自己，成為適合數據分析的人。

1、企業單位：參與企業經營、決策管理、項目投資的職業經理人或高級決策人；參與企業項目運營環節中涉及的包括市場分析、市場研究、生產、研究、評價、銷售等各個環節的工作人員。

2、ZF、事業機構：負責項目審核、審批和招商引資、項目評估、項目決策、政策制訂等工作的ZF機構領導者及相關從業。

3、金融機構：銀行或非銀行金融機構、管理諮詢公司、風險投資、金融產品研發、信貸等相關工作人員。

4、事務所：項目數據分析師事務所、會計師事務所、資產評估事務所、稅務師事務所及律師事務所等工作人員。

5、學校：學習經濟學、財務、統計學、投資、金融和企業管理等相關專業的在校學生（畢業後才能取證）以及應屆畢業生。

上面講解的是一些工作單位，從另外一個層面來講，對於單個人的情況來看什麼樣的人更適合做數據分析師呢：

我們通過這張圖可以了解到，數據分析師從硬體要求上需要個人懂業務，懂管理，懂分析，懂工具，懂設計才可以。從軟體方面來講，數據分析師要求態度嚴謹負責，有好奇心強烈，有邏輯思維清晰的能力，可以做到擅長模仿和勇於創新。這樣的人才才會在數據分析師這條路上走的更長久。
著作權歸作者所有，轉載需聯繫作者以獲得授權，引用需註明出處。

給一堆數據讓他分析看看，通過解讀數據就可以知道此人是否真正合適做數據分析或者有潛力做數據分析。

做一個蓋洛普的優勢測評，看有沒有「分析」的稟賦。

總的來說，數據分析師對於數據，或者說統計知識的要求，其實沒有那麼高，因為你做的不是數據挖掘。而數據分析，大多都是對已有的數據進行一些數字特徵的計算，分析一些數據走勢，結合一些實際背景給出一些描述性的分析，最多用到一些常見的統計模型，進一步對於數據進行分析。但是，由於現在數據挖掘或者說大數據比較熱門，簡單的統計模型在模型情況下也有數據挖掘師進行操作了。因此，從統計專業知識這個角度來看，知道最基本的概率論與數理統計的知識，以及一些常見模型包括回歸分析、時間序列分析、多元統計分析等的知識就足夠了。

著作權歸作者所有，轉載需聯繫作者以獲得授權，引用需註明出處。

作者ID:TOM—tong

此文內容來自：大學專業介紹

你自己知道你招聘這個人過來是做什麼的，你希望他來了之後有什麼表現？

面試的時候問問他之前做沒坐過這個，怎麼做的，如果可以也能直接測試一下。

邏輯思維能力具備了作分析的基礎，如果要成為一名優秀的數據分析師，細心、耐心、活躍的思維、學習能力，從這些方面一一去判斷。

可以找個生活中的某個社會問題作為考題，從答案中可以了解他們思維的活躍性；邏輯思維能力方面的題目有很多，不做詳述；細心和耐心，可以交給他們一堆數據，讓他們來挑錯。