【it168 评论】这是一个用数据说话的时代，也是一个依靠数据竞争的时代。各大互联网公司都在不断完善自己的数据分析团队，数据分析师的薪酬也是水涨船高。业内人士透露，应届毕业生的平均薪资大概在6k左右，1至3年经验的大概在10k到20k之间，5至10年经验的大概在25k以上。薪资还是十分诱人的，那么，如何快速成长为一名年薪百万的数据分析师呢?快来看看，以下30道数据分析相关面试题，你会多少?
1、分析数据还要写java代码是不是效率有点低?
2、成为一名数据分析师需要具备哪些技能?
要成为一名数据分析师，需要掌握丰富的报告软件包(business objects)，编程语言(xml，javascript或etl框架)，数据库(sql，sqlite等);能够准确分析、组织、收集或传播数据;掌握数据库设计，数据模型，数据挖掘等方面的技术知识以及分析大型数据集(sas，excel，spss等)的统计软件包知识。
3、分析项目的各个步骤是什么?
分析项目的各个步骤包括：
·问题定义
·数据挖掘
数据准备
模型化
数据认证
实施跟踪
4、分析的结果数据特别大，在线请求这些结果数据扛不住了，咋搞?
5、列出数据清理的最佳实践?
一些数据清理的最佳实践包括：
按不同的属性排序数据
对于大数据集，逐步清理并改进数据，直到获得良好的数据质量
对大型数据集，可以先将其分解为小数据集，使用更少的数据将增加迭代速度
要处理常见的清理任务，请创建一组实用程序函数/工具/脚本。它可能包括基于csv文件或sql数据库重映射值，或者正则表达式搜索和替换，消除所有不匹配正则表达式的值
如果在数据清理方面存在问题，请按照估计的频率进行安排并解决问题
分析每列的汇总统计数据(标准差，均值，缺失值的数量)
保持对每一个清理操作的跟踪，以便可以根据需要更改或删除操作
6、海量日志数据，提取出某日访问百度次数最多的那个ip。
7、可用于数据分析的一些最佳工具清单有什么?
tableau
rapidminer
openrefine
knime
google search operators
solver
nodexl
io
wolfram alpha’s
google fusion tables
8、数据挖掘和数据分析之间的区别是什么?
数据挖掘和数据分析之间的区别在于：
数据分析：针对个别属性的实例分析。提供有关属性的各种信息，如值范围，离散值及其频率，空值的发生，数据类型，长度等。
数据挖掘：重点关注聚类分析，异常记录检测，依赖关系，序列发现，多个属性之间的关系控制等。
9、给定a、b两个文件，各存放50亿个url，每个url各占64字节，内存限制是4g，让你找出a、b文件共同的url?
10、用于处理分布式计算环境中应用程序大数据集的apache框架有哪些?
hadoop和mapreduce是由apache开发的用于处理分布式计算环境中应用程序大数据集的编程框架。
11、腾讯面试题：给40亿个不重复的unsigned int的整数，没排过序的，然后再给一个数，如何快速判断这个数是否在40亿个数当中?
12、解释knn插补方法是什么?
在knn插补中，通过使用与其值缺失的属性最相似的属性值来推断缺少的属性值。通过使用距离函数，确定两个属性的相似度。
13、数据分析师使用的数据验证方法是什么?
通常，数据分析师用于数据验证的方法是数据筛选和数据验证。
14、解释应该如何处理可疑或缺失数据?
准备提供所有可疑数据信息的验证报告。它应该提供信息，如失败的验证标准以及发生的日期和时间
有经验的数据分析师应该检查可疑数据以确定其可接受性
应该找出无效数据并用验证码替换
对缺失数据进行处理，使用最佳分析策略，如删除，单一插补方法，基于模型的方法等。
15、如何避免过拟合?
过拟合表现在训练数据上的误差非常小，而在测试数据上误差反而增大。其原因一般是模型过于复杂，过分得去拟合数据的噪声和outliers。常见的解决办法是正则化：增大数据集，正则化
16、解释异常值是什么?
异常值是分析师使用的一个术语，指的是一个远远超出样本总体模式的值。有两种类型的异常值：
univariate
multivariate
17、解释分层聚类算法是什么?
分层聚类算法结合并划分现有的组，创建分层结构并展示组划分或合并的顺序。
18、解释k均值算法是什么?
k均值是一种著名的分区方法。对象被分类为属于k个组中的一个，k是先验选择的。
在k均值算法中：
簇是球形的：簇中的数据点以该簇为中心
簇的方差/扩展是相似的：每个数据点属于最接近的簇
19、数据分析师所需掌握的关键技能是什么?
数据科学家必须具备以下技能：
数据库知识
数据库管理
数据混合
数据查询
数据操作
预测分析
基本描述性统计
预测建模
高级分析
大数据知识
大数据分析
非结构化数据分析
机器学习
演示技巧
数据可视化
报告设计
20、解释协同过滤是什么?
协同过滤是一种基于用户行为数据创建推荐系统的简单算法。协同过滤最重要的组件是用户对项目的兴趣。
协同过滤一个很好的例子就是购物网站上出现的类似“为您推荐”的模块，该模块通常会获取用户的浏览记录信息，以弹出用户可能喜欢或需要的商品。
21、大数据中通常会使用到哪些工具?
大数据中使用的工具包括：
hadoop
hive
pig
flume
mahout
sqoop
22、解释什么是kpi，实验设计和80/20规则?
关键绩效指标(kpi)：它代表关键绩效指标(key performance indicator)，它是关于业务流程的报告或图表
实验设计：这是用于分解数据，采样和建立数据以进行统计分析的初始过程
80/20规则：这意味着你收入的80%来自客户的20%
23、解释map reduce是什么?
map-reduce是一个处理大型数据集的框架，可以将它们分解成子集，在不同的服务器上处理每个子集，然后混合每个子集上获得的结果。
24、解释聚类是什么?聚类算法的属性?
聚类是一种应用于数据的分类方法。聚类算法将数据集划分为自然组或集群。
聚类算法的属性是：
hierarchical or flat
iterative
hard and soft
disjunctive
25、对数据分析师有用的统计方法是什么?
对数据科学家有用的统计方法是
贝叶斯方法
马尔科夫过程
空间和集群进程
统计数据，百分位数，异常值检测
计算技巧等
简单的算法
数学优化
26、时间序列分析是什么?
时间序列分析可以在频域和时域两个域中完成。在时间序列分析中，可以通过指数平滑，对数线性回归等各种方法分析数据，来预测特定过程输出。
27、解释空间自相关分析是什么?
空间自相关分析是地理空间分析的常用形式。它由一系列为不同空间关系计算的估计自相关系数组成。当原始数据表示为距离而不是单个点的值时，它可以用于构建基于距离的数据相关图。
28、散列表是什么?散列表冲突是什么?如何避免?
在计算中，哈希表(散列表)是键值对的映射，这是一个用于实现关联数组的数据结构。它使用散列函数来计算一个时隙阵列的索引，从中可以获取所需的值。
当两个不同的键散列到相同的值时，发生散列表冲突。两个数据不能存储在阵列的同一个插槽中。
为了避免散列表碰撞，有很多技巧，这里列出两个：
分离链接：它使用数据结构来存储散列到同一个插槽的多个项目。
再探测：在找到查找位置的index的index-1，index+1位置查找，index-2，index+2查找，依次类推。这种方法称为线性再探测。
29、解释 imputation是什么?列出不同类型的插补技术?哪种插补方法更有利?
在插补过程中，我们用替代值替换丢失的数据。插补技术涉及的类型有：
单一插补
热点插补：从随机选择的类似记录中推断缺失值
冷却板插补：与热点插补相同，但更先进，从其他数据集中选择供体
平均估算：在所有其他情况下，用该变量的平均值代替缺失值
回归插补：用基于其他变量的变量预测值替换缺失值
随机回归：与回归插补一样，但它将平均回归方差加入到回归估计中
多重插补：与单个插补不同，多重插补会多次估计值
虽然单一插补法被广泛使用，但并不能反映随机丢失数据所造成的不确定性。因此，在数据丢失的情况下，多重插补更有利。
30、解释n-gram是什么?
n-gram是来自给定序列文本或语音的n个项目的连续序列。这是一种以(n-1)形式预测下一个项目的概率语言模型。