数据业务岗位，接到第一个offer，估计也是最后一个，其他还在流程的最多二面完，还有一个广东电力民企也比较有希望，但不打算面了，接这个了——新奥新智打算写一个6个月来的面试感受，不算正经面经，包含一些数据业务岗位的面试择业经验。bg:本科c9，研究生双非（当年就是菜，图个研究生上） 商科，两段北京中厂实习，都是数据分析，一段杭州独角兽实习，电商平台运营，项目只有一个机器学习比赛，没有涉及深度学习（搞不来数据挖掘），校园生活不善交际，基本无比赛获奖，无发表小论文，研究生还是1月份毕业的，可以说debuff集齐了一、择业    岗位：数据分析（业务岗位，纯看经验，没有对应实习很难投进去，但可以把实习往相应方面靠）、数据挖掘（机器学习算法，最好有比赛、论文、实习经历三合一）、数据仓库（开发岗，学习hadoop那一套的生态软件，可以搞但提前6个月去培训，自己搞最好找有经验的人问），数据运营（基本和数据分析一致要求、可能是为了区分一些技术部门和综合部门？）、数据科学（这个要求比较高，可能数仓和数据挖掘都要懂，数据挖掘多一些）、经营分析和商业分析（改了名的数据分析，偏向业务一些，起名不同而已）    行业：游戏（要求高，需要整理有一份自己玩游戏的清单，研发部门数值会偏向于算法，可能还需要有一些自己的作品，最好先去看看游戏设计的一些网站和书籍，投运营部门的数分会比较好一些，尽量别去初创小公司）、短视频和博客（一投一个不吱声，我这个bg直接进不去）、能源和医药（这两个行业应该是回复最多的，可能忙着做数字化转型）、咨询（认准大型公司）、车企（全挂，可能投的时间不对）、教培（高途、希望学、洋葱都投过，但没有合适岗位，都是管培）、外包（北京大厂的外包基本就是11k*12，数据分析岗，无年终，要求没有其他offer，慎选）。    base：北京机会多一些，很多就近投会有优势。二、技术准备和业务准备    SQL：聚合、子查询、order by、case when、if、开窗函数（排序（rank、dense_rank、row_number、percent_rank、lag、lead）、窗口偏移 rows between）、like、左右内外笛卡尔积连接，这些不会说不过去    Python：大概牛客上的算法的简单水平就能应付数据分析岗位，主要还是会问到一些pandas的函数和一些实操经验    业务准备：发挥的部分主要是，一些数据分析的专业术语（数据链路、用户画像、数据探查、AB测试），去投的工作职责上看，尽量合适匹配，吹业绩，但不要吹营收数据太过分，面试时一定要说清楚自己做了一个什么样的项目，有什么成果，这个项目未来能带给公司多大的前景，如果是经营分析和商业分析无项目情况，多说一些自己做完工作能达到一个怎么样的效果。三、面试    面试一般是三面，第一面技术面（sql、python、一些业务问题）一般就是带你的人面，第二面部门主管（一般是业务性格问题、也不排除出个技术题），第三面可能都不需要面，直接问意向和薪酬，面试先把改准备的简历上的和一些项目细节给准备了，存在文档上，一些问答工具看看能不能用上，多锻炼，面试不要紧张。面试不需要全部说完简历上的东西，基本只说个人学历背景，没学历说奖项，然后有实习简短说最相关的实习，不然说最相关的项目。四、意向    现在找工作比较困难，尤其数分岗位又卷，最好不要像我一样基本只allin这个岗位，结果找了6个月，在学校的时候把握暑期能进大厂的机会，哪怕做产品或者运营都行，数分并不是一个特点的岗位，做了一两年的开发、运营、产品也能来做数分，那点技术门槛等于无门槛。最后祝各位牛牛和牛妞都能找到满意的工作，永远开心，不要焦虑

step1：先处理时间 select date_format(start_time,'%Y-%m-%d') dt,a.video_id,if_like,if_retweet,tag from tb_user_video_log a join tb_video_info b on a.video_id=b.video_id step2：再按tag和dt先汇总每个标签，每天的总量 select distinct tag,dt,sum(if_like) over(partition by tag,dt) daily_like_cnt,sum(if_retweet) over...

同时输出中位数和中位数坐标排列和计数 SELECT id, job, score, ROW_NUMBER() OVER (PARTITION BY job ORDER BY score) AS rn_1, COUNT(*) OVER (PARTITION BY job) AS cn FROM grade 中位数坐标 select job, floor((count(*)+1)/2) as start, floor((count(*)+2)/2) as end from rank_sc group by job order...

WITH TotalUIDs AS ( SELECT COUNT(DISTINCT uid) AS total_uids FROM tb_user_log ) --这里用临时表计算了用户的总数量 select distinct user_grade,round(count(uid) over(partition by user_grade)/(SELECT total_uids FROM TotalUIDs),2) as ratio from ( select t3.uid, case when last_dt_diff<7 and first_d...

select t1.dt as installDate, round(count(distinct case when t2.dt=date_add(t1.dt,interval 1 day) then t2.uid end)/count(distinct t1.uid),2) as uv_left_rate from ( select uid,min(date_format(in_time,'%Y-%m-%d')) dt -- 这里其实有个细节要注意，因为对象是每天新用户，增加min from tb_user_log group by uid ) t1 left join ( selec...

问题分解1、找每个uid每个月份下对应的活跃天数，这里用distinct day(submit_time)，同时设立条件为2021年份。2、再从表中按照月份计算每个月的活跃度round(sum(sq1.c_d)/count(sq1.uid),2)，这里去掉原本活跃天数为0的用户，也可以在第一步去掉。3、拼接了月份，并排序。select concat('20210',m_s) as month,round(sum(sq1.c_d)/count(sq1.uid),2) as avg_active_days,count(sq1.uid)&n...

问题拆分1、找到每个标签的平均值，这里标签是SQL2、找到大于该平均值的每个分数3、找到这些分数里面的最小值select min(sq2.score) from (select ei.exam_id,score from examination_info ei join exam_record er on ei.exam_id = er.exam_id join (select tag,avg(score) as&n...

select count(distinct device_id),count(question_id) from question_practice_detail where substring(date,7,1) = '8';

select up.device_id,up.university,up.gpa from (select university,min(gpa) mingpa from user_profile group by university) sq1 join user_profile up on up.gpa = sq1.mingpa and up.university = sq...