作者李诗怡CDA二级持证人大数据工程技术专业大三在读一、统计学与概率一描述性统计1、面试问法如果数据有异常值用均值还是中位数更能代表整体水平2、标准回答选择中位数。因为均值容易被极端值带偏算出来的结果离大多数数据很远而中位数只看排序后中间那个数极端值再大再小也影响不到它。3、避坑指南切忌只回答用中位数三个字。面试官考察的是你对两种指标差异的理解必须补充均值受极端值影响、中位数更稳健的原因不然的话会显得专业度不足。二标准差与方差1、面试问法两个班级平均分相同但标准差不同说明什么2、标准回答标准差反映的是数据的离散程度。两个班级平均分相同说明整体水平相当但标准差不同意味着成绩的分布差异不同标准差越大班级内学生成绩越分散高分和低分差距越大标准差越小成绩越集中整体水平更均衡。3、避坑指南不要混淆方差和标准差的实际含义。方差是标准差的平方单位是原数据单位的平方更难直观理解而标准差的单位与原数据一致更适合描述离散程度。面试时不要说反两者的含义。三正态分布与68-95-99.7法则1、面试问法如果一个指标服从正态分布均值100标准差15那么115到130之间的比例大约是多少2、标准回答约13.6%。根据正态分布的68-95-99.7法则数据落在均值±1个标准差范围内的比例约68%落在均值±2个标准差范围内的比例约95%。因此1σ10015115到2σ10030130之间的比例就是95%-68%÷213.6%。3、避坑指南注意不要背错68、95、99.7这三个数字也不要混淆±1σ、±2σ的范围计算。面试时最好先说法则内容再计算比例避免直接给答案而无推导过程。四中心极限定理1、面试问法为什么样本量足够大时样本均值的分布近似正态分布2、标准回答这是中心极限定理的核心结论。不管总体本身服从什么分布是正态还是非正态只要样本量足够大样本均值的抽样分布就会接近于正态分布。而且样本均值的均值等于总体均值样本均值的标准差等于总体标准差除以样本量的平方根。3、避坑指南最常见的误区是误以为中心极限定理会让原始数据变成正态分布。实际是样本均值的抽样分布趋近正态而非原始数据本身。面试时一定要明确这一点。五假设检验与p值1、面试问法p0.03是什么意思能说原假设成立的概率是3%吗2、标准回答不能。p值的核心含义是在原假设为真的前提下观察到当前实验结果或更极端情况的概率。p0.03表示若原假设成立出现当前结果及更极端结果的概率仅为3%。但绝对不能说原假设成立的概率是3%p值衡量的是数据与原假设的一致性不是原假设本身成立的概率。3、避坑指南这是面试官高频挖的坑。记住p值描述的是数据与原假设的矛盾程度不是原假设成立的概率。回答时一定要明确区分。二、SQL一JOIN的区别与使用场景1、面试问法INNER JOIN和LEFT JOIN的结果有什么不同2、标准回答两者的核心区别在于不匹配的行怎么处理。INNER JOIN只返回两个表中满足连接条件、相互匹配的行不匹配的行会被过滤掉。LEFT JOIN会返回左表中的全部行无论左表中的行是否能在右表中找到匹配项若右表无匹配行则右表对应的字段填充为NULL。3、避坑指南两个常见错误一是说反左表和右表的作用二是忘记提及右表无匹配时补NULL这是LEFT JOIN与INNER JOIN最关键的区别之一。二窗口函数1、面试问法分组排名时相同分数下一个名次是跳过还是连续2、标准回答三个函数的差异在于对相同值的排名处理●RANK跳过重复名次比如相同分数排名为1,2,2,4●DENSE_RANK连续排名不跳过比如1,2,2,3●ROW_NUMBER不考虑重复值按顺序给每一行分配唯一连续编号比如1,2,3,43、避坑指南最好结合具体例子说明避免只说概念而分不清三者的实际输出。尤其要区分RANK和DENSE_RANK的差异这是面试官最常考察的点。三GROUP BY HAVING1、面试问法WHERE和HAVING的区别2、标准回答两者的区别在于过滤时机和作用对象不同。WHERE在分组之前过滤行作用于原始数据的每一行只能过滤非聚合字段。HAVING在分组之后过滤结果作用于分组后的聚合结果只能过滤聚合字段。3、避坑指南常见的错误是在HAVING中使用非聚合字段比如HAVING age 18而age未参与聚合这种写法是错误的。面试时要明确区分分组前和分组后的过滤逻辑。四执行顺序1、面试问法SELECT、FROM、WHERE、GROUP BY、HAVING、ORDER BY的执行顺序是什么2、标准回答正确的执行顺序是FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY。FROM指定数据来源WHERE过滤原始行GROUP BY分组HAVING过滤分组结果SELECT筛选字段最后ORDER BY排序。3、避坑指南很多候选人误以为SELECT先执行这也是为什么很多人不理解不能在WHERE中使用SELECT字段别名因为SELECT在WHERE、GROUP BY之后执行此时别名还未生效。面试时要明确这个顺序。三、数据分析思维一漏斗分析1、面试问法某App从打开到支付的转化率只有10%如何定位流失环节2、标准回答通过漏斗分析拆解全流程。第一步明确从打开App到完成支付的关键步骤比如打开App → 进入商品页 → 加入购物车 → 提交订单 → 完成支付。第二步计算每一步的转化率。第三步对比各环节转化率找到转化率骤降的环节那就是主要流失点再进一步分析流失原因比如支付流程繁琐、库存不足等。3、避坑指南避免只计算整体转化率而不拆解步骤。面试官考察的是你的拆解思维只有拆解到每一步才能精准定位问题只说整体转化率等于没回答。二对比与拆解思维1、面试问法某月销售额下降了20%你怎么分析2、标准回答用先把公式拆开再多个角度对比思维。第一步拆解销售额公式销售额用户数×转化率×客单价判断是哪个因子导致的下降。第二步多维度对比比如同比、环比、分维度对比按渠道、地区、商品类别、用户群体拆分。第三步结合业务场景比如促销结束、竞品冲击等分析原因并给出解决方案。3、避坑指南避免直接给出单一原因而不使用拆解框架。面试官考察的是结构化分析能力必须先拆解公式、再多维度对比、最后归因。三相关性与因果1、面试问法数据显示喝咖啡的人工作效率更高能说咖啡提升效率吗2、标准回答不能。数据只能说明两者存在相关性不能证明因果关系。可能存在混淆变量比如需要熬夜加班的人更爱喝咖啡而他们本来就任务重、不得不高效并不是咖啡让他们变高效。要证明因果关系需要通过A/B测试或其他因果推断方法。3、避坑指南这是数据分析思维的核心考点避免直接下因果结论。面试时要强调混淆变量和因果推断方法体现严谨性。四、数据处理与清洗一缺失值处理方法1、面试问法一列数据缺失30%你会怎么处理2、标准回答先分析缺失机制看是随机缺失还是非随机缺失再根据缺失比例和数据类型选择方法。缺失30%不建议直接删除。用填充法数值型数据可填充均值或中位数分类数据填充众数也可用模型预测缺失值。也可单独作为未知类别保留缺失信息。3、避坑指南避免无脑用均值填充。均值填充只适用于数据分布均匀、无异常值的场景若有偏态或异常值用中位数更合适。同时一定要先分析缺失机制。二异常值识别1、面试问法如何识别一列数值中的异常值2、标准回答常用的方法有两种。一是3σ法适用于正态分布数据超出均值±3个标准差的范围判定为异常值。二是IQR法适用于任何分布计算IQRQ3-Q1低于Q1-1.5×IQR或高于Q31.5×IQR的判定为异常值。也可通过箱线图等可视化方式识别。3、避坑指南避免直接删除异常值而不分析原因。异常值不一定是错误数据可能是高价值VIP用户。面试时要强调先分析原因再决定删除、修正或保留。三数据标准化 vs 归一化1、面试问法K-means聚类之前为什么要对数据做标准化2、标准回答因为K-means基于距离计算不同特征的量纲可能差异很大比如如年龄10-80消费金额100-10000量纲大的特征会主导距离计算导致聚类结果偏差。标准化可以将每个特征转换为均值0、标准差1的形式消除量纲影响让每个特征拥有同等权重。3、避坑指南不要混淆标准化和归一化。标准化转换为均值0、标准差1取值范围无固定限制简单说就是让不同尺度的数据能公平比较归一化缩放到[0,1]区间。面试时要明确区分。五、可视化与业务应用一图表选择1、面试问法展示某产品一年内的销量趋势用什么图比较不同产品的销量用什么图2、标准回答展示趋势用折线图能清晰反映数据随时间的变化规律。比较不同产品的销量用柱状图能直观对比多个类别的数值大小。3、避坑指南避免用柱状图展示连续时间趋势。虽然柱状图也能展示但折线图更能突出趋势变化面试时要根据展示目的选择图表。二A/B测试结果评估1、面试问法A/B测试后实验组转化率提高2%但p0.06你怎么决策2、标准回答通常以p0.05为统计显著的标准。p0.060.05说明结果不显著不能拒绝原假设实验组的提升可能是随机波动导致的。不建议急于全量上线建议延长测试时间、增加样本量待p0.05后再做决策。3、避坑指南避免看到转化率提升就直接上线。忽略p值的提升可能是随机波动会导致错误决策。面试时要强调p值判断和样本量补充的重要性。三辛普森悖论1、面试问法为什么每个分组的转化率都提高了总体转化率却下降了2、标准回答这是辛普森悖论核心原因是各组样本量的比例发生了较大变化导致分组趋势与总体趋势相反。解决方法是用分层分析检查各分组的样本量权重而不是直接看总体数据。3、避坑指南面试时最好能举一个简单易懂的例子比如医院治愈率、产品转化率避免只说理论而不会结合实际。这是面试官判断你是否真正理解的关键。六、进阶/工具类一Python/Pandas常用操作1、面试问法用Pandas如何删除重复行、填充缺失值、分组聚合2、标准回答删除重复行用drop_duplicates()可通过subset指定列、keep指定保留哪一行。填充缺失值用fillna()可填充具体值或均值、中位数。分组聚合用groupby()搭配agg()比如df.groupby(分组列).agg({聚合列:[sum,mean]})。3、避坑指南避免只会SQL不会Pandas或反过来。数据分析岗位通常要求两者都会面试时若能清晰说出两种工具的对应操作会更有竞争力。同时不要记错方法名。二数据倾斜1、面试问法在Hive/Spark中某个reduce任务特别慢可能是什么原因2、标准回答最常见的原因是数据倾斜某个或某些key的数据量过大导致该key对应的reduce任务需要处理远超其他任务的数据。常用解决方法就是加盐法给倾斜的key加随机前缀打散两阶段聚合先局部聚合再全局聚合。3、避坑指南数据倾斜主要在大数据岗位面试中考察非大数据岗位可简要了解。但如果能说出原因和解决方法会是加分项。避免只说数据倾斜而不解释。七、总结以上20个知识点覆盖了数据分析面试的核心考点。其中统计学、SQL、数据分析思维是必考内容数据处理和可视化是实操核心进阶工具类是加分项。面试时回答要逻辑清晰、结合例子避开上面提到的那些坑。尤其是p值、相关性vs因果、辛普森悖论这几个点面试官特别喜欢挖坑。希望这份整理能帮你少走弯路顺利拿到心仪的offer。可以把这20个知识点做成 flashcards每天抽几个自问自答练到脱口而出、逻辑清晰为止。面试时越从容越能体现出你的专业度。想转行、想涨薪、想靠数据能力站稳职场CDA 数据分析师认证帮你一步到位。零基础也能学从 Excel、SQL 到 Python、可视化全链路实战贴合互联网、金融、零售等多行业真实需求。
【CDA干货】数据分析面试常考20个核心知识点（附面试问法+标准回答+避坑指南）
发布时间：2026/5/22 20:43:40
作者李诗怡CDA二级持证人大数据工程技术专业大三在读一、统计学与概率一描述性统计1、面试问法如果数据有异常值用均值还是中位数更能代表整体水平2、标准回答选择中位数。因为均值容易被极端值带偏算出来的结果离大多数数据很远而中位数只看排序后中间那个数极端值再大再小也影响不到它。3、避坑指南切忌只回答用中位数三个字。面试官考察的是你对两种指标差异的理解必须补充均值受极端值影响、中位数更稳健的原因不然的话会显得专业度不足。二标准差与方差1、面试问法两个班级平均分相同但标准差不同说明什么2、标准回答标准差反映的是数据的离散程度。两个班级平均分相同说明整体水平相当但标准差不同意味着成绩的分布差异不同标准差越大班级内学生成绩越分散高分和低分差距越大标准差越小成绩越集中整体水平更均衡。3、避坑指南不要混淆方差和标准差的实际含义。方差是标准差的平方单位是原数据单位的平方更难直观理解而标准差的单位与原数据一致更适合描述离散程度。面试时不要说反两者的含义。三正态分布与68-95-99.7法则1、面试问法如果一个指标服从正态分布均值100标准差15那么115到130之间的比例大约是多少2、标准回答约13.6%。根据正态分布的68-95-99.7法则数据落在均值±1个标准差范围内的比例约68%落在均值±2个标准差范围内的比例约95%。因此1σ10015115到2σ10030130之间的比例就是95%-68%÷213.6%。3、避坑指南注意不要背错68、95、99.7这三个数字也不要混淆±1σ、±2σ的范围计算。面试时最好先说法则内容再计算比例避免直接给答案而无推导过程。四中心极限定理1、面试问法为什么样本量足够大时样本均值的分布近似正态分布2、标准回答这是中心极限定理的核心结论。不管总体本身服从什么分布是正态还是非正态只要样本量足够大样本均值的抽样分布就会接近于正态分布。而且样本均值的均值等于总体均值样本均值的标准差等于总体标准差除以样本量的平方根。3、避坑指南最常见的误区是误以为中心极限定理会让原始数据变成正态分布。实际是样本均值的抽样分布趋近正态而非原始数据本身。面试时一定要明确这一点。五假设检验与p值1、面试问法p0.03是什么意思能说原假设成立的概率是3%吗2、标准回答不能。p值的核心含义是在原假设为真的前提下观察到当前实验结果或更极端情况的概率。p0.03表示若原假设成立出现当前结果及更极端结果的概率仅为3%。但绝对不能说原假设成立的概率是3%p值衡量的是数据与原假设的一致性不是原假设本身成立的概率。3、避坑指南这是面试官高频挖的坑。记住p值描述的是数据与原假设的矛盾程度不是原假设成立的概率。回答时一定要明确区分。二、SQL一JOIN的区别与使用场景1、面试问法INNER JOIN和LEFT JOIN的结果有什么不同2、标准回答两者的核心区别在于不匹配的行怎么处理。INNER JOIN只返回两个表中满足连接条件、相互匹配的行不匹配的行会被过滤掉。LEFT JOIN会返回左表中的全部行无论左表中的行是否能在右表中找到匹配项若右表无匹配行则右表对应的字段填充为NULL。3、避坑指南两个常见错误一是说反左表和右表的作用二是忘记提及右表无匹配时补NULL这是LEFT JOIN与INNER JOIN最关键的区别之一。二窗口函数1、面试问法分组排名时相同分数下一个名次是跳过还是连续2、标准回答三个函数的差异在于对相同值的排名处理●RANK跳过重复名次比如相同分数排名为1,2,2,4●DENSE_RANK连续排名不跳过比如1,2,2,3●ROW_NUMBER不考虑重复值按顺序给每一行分配唯一连续编号比如1,2,3,43、避坑指南最好结合具体例子说明避免只说概念而分不清三者的实际输出。尤其要区分RANK和DENSE_RANK的差异这是面试官最常考察的点。三GROUP BY HAVING1、面试问法WHERE和HAVING的区别2、标准回答两者的区别在于过滤时机和作用对象不同。WHERE在分组之前过滤行作用于原始数据的每一行只能过滤非聚合字段。HAVING在分组之后过滤结果作用于分组后的聚合结果只能过滤聚合字段。3、避坑指南常见的错误是在HAVING中使用非聚合字段比如HAVING age 18而age未参与聚合这种写法是错误的。面试时要明确区分分组前和分组后的过滤逻辑。四执行顺序1、面试问法SELECT、FROM、WHERE、GROUP BY、HAVING、ORDER BY的执行顺序是什么2、标准回答正确的执行顺序是FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY。FROM指定数据来源WHERE过滤原始行GROUP BY分组HAVING过滤分组结果SELECT筛选字段最后ORDER BY排序。3、避坑指南很多候选人误以为SELECT先执行这也是为什么很多人不理解不能在WHERE中使用SELECT字段别名因为SELECT在WHERE、GROUP BY之后执行此时别名还未生效。面试时要明确这个顺序。三、数据分析思维一漏斗分析1、面试问法某App从打开到支付的转化率只有10%如何定位流失环节2、标准回答通过漏斗分析拆解全流程。第一步明确从打开App到完成支付的关键步骤比如打开App → 进入商品页 → 加入购物车 → 提交订单 → 完成支付。第二步计算每一步的转化率。第三步对比各环节转化率找到转化率骤降的环节那就是主要流失点再进一步分析流失原因比如支付流程繁琐、库存不足等。3、避坑指南避免只计算整体转化率而不拆解步骤。面试官考察的是你的拆解思维只有拆解到每一步才能精准定位问题只说整体转化率等于没回答。二对比与拆解思维1、面试问法某月销售额下降了20%你怎么分析2、标准回答用先把公式拆开再多个角度对比思维。第一步拆解销售额公式销售额用户数×转化率×客单价判断是哪个因子导致的下降。第二步多维度对比比如同比、环比、分维度对比按渠道、地区、商品类别、用户群体拆分。第三步结合业务场景比如促销结束、竞品冲击等分析原因并给出解决方案。3、避坑指南避免直接给出单一原因而不使用拆解框架。面试官考察的是结构化分析能力必须先拆解公式、再多维度对比、最后归因。三相关性与因果1、面试问法数据显示喝咖啡的人工作效率更高能说咖啡提升效率吗2、标准回答不能。数据只能说明两者存在相关性不能证明因果关系。可能存在混淆变量比如需要熬夜加班的人更爱喝咖啡而他们本来就任务重、不得不高效并不是咖啡让他们变高效。要证明因果关系需要通过A/B测试或其他因果推断方法。3、避坑指南这是数据分析思维的核心考点避免直接下因果结论。面试时要强调混淆变量和因果推断方法体现严谨性。四、数据处理与清洗一缺失值处理方法1、面试问法一列数据缺失30%你会怎么处理2、标准回答先分析缺失机制看是随机缺失还是非随机缺失再根据缺失比例和数据类型选择方法。缺失30%不建议直接删除。用填充法数值型数据可填充均值或中位数分类数据填充众数也可用模型预测缺失值。也可单独作为未知类别保留缺失信息。3、避坑指南避免无脑用均值填充。均值填充只适用于数据分布均匀、无异常值的场景若有偏态或异常值用中位数更合适。同时一定要先分析缺失机制。二异常值识别1、面试问法如何识别一列数值中的异常值2、标准回答常用的方法有两种。一是3σ法适用于正态分布数据超出均值±3个标准差的范围判定为异常值。二是IQR法适用于任何分布计算IQRQ3-Q1低于Q1-1.5×IQR或高于Q31.5×IQR的判定为异常值。也可通过箱线图等可视化方式识别。3、避坑指南避免直接删除异常值而不分析原因。异常值不一定是错误数据可能是高价值VIP用户。面试时要强调先分析原因再决定删除、修正或保留。三数据标准化 vs 归一化1、面试问法K-means聚类之前为什么要对数据做标准化2、标准回答因为K-means基于距离计算不同特征的量纲可能差异很大比如如年龄10-80消费金额100-10000量纲大的特征会主导距离计算导致聚类结果偏差。标准化可以将每个特征转换为均值0、标准差1的形式消除量纲影响让每个特征拥有同等权重。3、避坑指南不要混淆标准化和归一化。标准化转换为均值0、标准差1取值范围无固定限制简单说就是让不同尺度的数据能公平比较归一化缩放到[0,1]区间。面试时要明确区分。五、可视化与业务应用一图表选择1、面试问法展示某产品一年内的销量趋势用什么图比较不同产品的销量用什么图2、标准回答展示趋势用折线图能清晰反映数据随时间的变化规律。比较不同产品的销量用柱状图能直观对比多个类别的数值大小。3、避坑指南避免用柱状图展示连续时间趋势。虽然柱状图也能展示但折线图更能突出趋势变化面试时要根据展示目的选择图表。二A/B测试结果评估1、面试问法A/B测试后实验组转化率提高2%但p0.06你怎么决策2、标准回答通常以p0.05为统计显著的标准。p0.060.05说明结果不显著不能拒绝原假设实验组的提升可能是随机波动导致的。不建议急于全量上线建议延长测试时间、增加样本量待p0.05后再做决策。3、避坑指南避免看到转化率提升就直接上线。忽略p值的提升可能是随机波动会导致错误决策。面试时要强调p值判断和样本量补充的重要性。三辛普森悖论1、面试问法为什么每个分组的转化率都提高了总体转化率却下降了2、标准回答这是辛普森悖论核心原因是各组样本量的比例发生了较大变化导致分组趋势与总体趋势相反。解决方法是用分层分析检查各分组的样本量权重而不是直接看总体数据。3、避坑指南面试时最好能举一个简单易懂的例子比如医院治愈率、产品转化率避免只说理论而不会结合实际。这是面试官判断你是否真正理解的关键。六、进阶/工具类一Python/Pandas常用操作1、面试问法用Pandas如何删除重复行、填充缺失值、分组聚合2、标准回答删除重复行用drop_duplicates()可通过subset指定列、keep指定保留哪一行。填充缺失值用fillna()可填充具体值或均值、中位数。分组聚合用groupby()搭配agg()比如df.groupby(分组列).agg({聚合列:[sum,mean]})。3、避坑指南避免只会SQL不会Pandas或反过来。数据分析岗位通常要求两者都会面试时若能清晰说出两种工具的对应操作会更有竞争力。同时不要记错方法名。二数据倾斜1、面试问法在Hive/Spark中某个reduce任务特别慢可能是什么原因2、标准回答最常见的原因是数据倾斜某个或某些key的数据量过大导致该key对应的reduce任务需要处理远超其他任务的数据。常用解决方法就是加盐法给倾斜的key加随机前缀打散两阶段聚合先局部聚合再全局聚合。3、避坑指南数据倾斜主要在大数据岗位面试中考察非大数据岗位可简要了解。但如果能说出原因和解决方法会是加分项。避免只说数据倾斜而不解释。七、总结以上20个知识点覆盖了数据分析面试的核心考点。其中统计学、SQL、数据分析思维是必考内容数据处理和可视化是实操核心进阶工具类是加分项。面试时回答要逻辑清晰、结合例子避开上面提到的那些坑。尤其是p值、相关性vs因果、辛普森悖论这几个点面试官特别喜欢挖坑。希望这份整理能帮你少走弯路顺利拿到心仪的offer。可以把这20个知识点做成 flashcards每天抽几个自问自答练到脱口而出、逻辑清晰为止。面试时越从容越能体现出你的专业度。想转行、想涨薪、想靠数据能力站稳职场CDA 数据分析师认证帮你一步到位。零基础也能学从 Excel、SQL 到 Python、可视化全链路实战贴合互联网、金融、零售等多行业真实需求。
