本书针对未来想要从事数据分析工作的在校学生、想要转行做数据分析的在职人员，以及想要在数据分析领域提高自己或跳槽的从业人员，深入浅出地讲解了面试和未来实际工作中所需的知识与技能，让读者对数据分析师这个岗位有更为全面和深刻的了解。全书主要分为面试前的准备、面试中的技巧、面试中所需的知识储备、编程技能、实战技能，以及进一步学习提高的方法几部分，内容涵盖数据分析师面试的全流程，全方位提高读者在未来面试中的竞争力。
徐麟，本科就读于中国海洋大学数学专业，研究生就读于哥伦比亚大学统计专业，毕业后在携程、唯品会等知名互联网公司从事数据分析、数据挖掘工作，目前已在数据相关领域工作多年。个人公众号“数据森麟”运营者，坚持输出个人原创文章。
目录
第1 章 面试前的准备 / 1
1.1 都有哪些数据类岗位 / 2
1.2 如何选择适合自己的岗位 / 5
1.2.1 数据分析师 / 6
1.2.2 数据挖掘工程师 / 7
1.2.3 算法工程师 / 8
1.2.4 数据产品经理 / 9
1.2.5 小结 / 10
1.3 准备一份高质量的简历 / 11
1.3.1 通用排版建议 / 12I
1.3.2 如何描述数据类项目 / 17
1.4 投递简历有哪些途径 / 19
1.4.1 校招 / 19
1.4.2 社招 / 20
1.4.3 其他途径 / 21
第2 章 直面数据分析师面试 / 22
2.1 数据分析师面试流程 / 23
2.1.1 笔试 / 23
2.1.2 部门内部成员面试 / 23
2.1.3 部门负责人面试 / 24
2.1.4 总监面试 / 24
2.1.5 HR 面试 / 25
2.2 真实的面试经验分享 / 25
2.3 面试技巧 / 30
2.3.1 提前熟悉业务场景 / 30
2.3.2 充分准备好个人介绍 / 31
2.3.3 了解岗位的侧重点 / 31
2.3.4 保持积极的面试态度 / 32
2.4 常见的数据分析师面试问题 / 33
2.4.1 基础知识考查 / 33
2.4.2 编程能力考查 / 35
2.4.3 实战项目考查 / 36
第3 章 基础知识考查 / 38
3.1 统计＆ 数据分析知识 / 39
3.1.1 基础概念：随机变量、分布函数、概率密度函数 / 39
3.1.2 随机变量的常用特征 / 45
3.1.3 正态分布与大数定律、中心极限定理 / 50
3.1.4 假设检验 / 55
3.1.5 贝叶斯统计概览 / 58
3.2 模型＆ 数据挖掘知识 / 63
3.2.1 数据挖掘常用概念 / 63
3.2.2 常见的模型分类方法 / 66
3.2.3 常见的模型介绍 / 68
3.2.4 模型效果评估方法 / 77
第4 章 编程技能考查 / 83
4.1 熟悉Python / 84
4.1.1 概览 / 84
4.1.2 数据分析——pandas / 90
4.1.3 数据可视化——matplotlib ＆ pyecharts / 94
4.1.4 文本处理——jieba ＆ wordcloud / 99
4.2 懂R 语言 / 104
4.2.1 概览 / 104
4.2.2 数据分析——DataFrame / 112
4.2.3 数据可视化——ggplot2 / 114
4.2.4 数据挖掘——以线性回归分析为例 / 123
4.3 掌握SQL / 127
4.3.1 数据库常见类型及单表查询SQL 语句 / 127
4.3.2 多表查询SQL 语句 / 132
4.3.3 更多SQL 内容 / 138
第5 章 数据分析师实战技能 / 150
5.1 数据分析师工作必备技能 / 151
5.1.1 数据人员如何创造价值 / 151
5.1.2 完整的指标体系构建 / 152
5.1.3 数据监控及报表设计 / 158
5.1.4 设计一份优质的数据分析报告 / 162
5.2 基于互联网大数据的应用 / 165
5.2.1 AB 测试 / 165
5.2.2 用户画像 / 171
5.2.3 完整的数据挖掘项目流程 / 174
第6 章 用努力给自己加分 / 180
6.1 学习方法很重要 / 181
6.2 拓展自己的知识面 / 182
6.2.1 爬虫 / 182
6.2.2 社交网络 / 188
书单推荐
