Offer帮官网：.io

随着2022年进入尾声，留学生们也迎来了求职季。面对大厂诱人的Offer，相信大家都跃跃欲试了吧！那么，想要从事数据分析的你有没有选到心仪的公司，并且准备好面试呢？

今天我们为大家准备了一些国内外各大厂的面试真题，小伙伴们可以尝试练习，检验一下自己的学习成果哦～

01

咨询类面试真题

在咨询行业求职时，一定绕不开十大咨询公司。因此，我们为大家准备了BCG、及的面试真题，相信看过以下真题的你，一定对资讯类面试有新的感悟。

|波士顿咨询公司

题目描述：已知某公司的产品种类包含了以下五个战略业务单位。首先，请用投资分析确定每个战略的相对市场份额，并说明这家公司是否运行正常；其次，请叙述波士顿市场成长一份额矩阵的本质，并为高层管理者今后的战略提出建议。

STEP 1：利用公式“业务单位相对市场占有率=业务单位销售额/业务单位最大竞争对手销售额”，计算各业务单位相对市场占有率。例如：A=0.5\0.7=0.71，由此得出B、C、D、E、分别为1、1、1、0.2。

STEP 2：建立矩阵,并逐一分析各个业务单位。例如：业务单位A的高市场成长率为15%，低市场占有率0.71， 竞争者数目为8。因此，相对于其他业务单位而言，A的竞争还不算激烈，公司应加大投资，建议以市场份额为战略目标，加大广告投入，抢抓市场机会，赶超最大竞争对手。

题目解答：总体而言，这家公司基本运行正常，有1个问题类业务，1个即将成为明星类业务，2个奶牛业务，一个瘦狗类业务。有较强的资金供应能力，资金断链的可能性不太大。同时拥有未来利润源，A和B业务均可通过努力成为公司很好的利润增长点，但其并没真正完全掌握市场主导权，且市场竞争激烈，有较大可能性是去未来竞争力。

|麦肯锡

题目描述：香港工银大厦楼下的星巴克一年的咖啡销售额是多少？

STEP 1：找到供给能力的瓶颈。假设平均点单+收银时间是1分钟，制作咖啡则需要2分钟，那么在整个链条上，瓶颈是在“制作咖啡”上。

STEP 2：一般星巴克有两台咖啡机，每台最多可以做两杯咖啡，所以一家店同时最多只能做4杯咖啡。但星巴克不总是在排队，因此可以把他们每天的营业时间划分为忙时和闲时。忙时的产能为每两分钟做4杯，也就是平均每分钟2杯；而闲时的产能利用率可能稍微低一些 ，平均每分钟只生产0.4杯。

题目解答：一天忙时销量为: =480杯，一天的闲时销量为: 0.=192杯。假设咖啡平均30块一杯，那么一天的咖啡销售额就是: 30x(480+ 192)=20160元，一年的咖啡销售额则是: 365=736万元。

|埃森哲

题目1: 特征选择和特征提取有什么区别？

题目解答：特征选择（ ）即从原来的特征中选出子集，特征的性质和原来的特征保持一致。特征提取（ ）指通过原来存在的特征的集合创造一个新的特征子集，改变了原本的特征的性质。

题目描述：定义ACID的属性。

题目解答：ACID 是指在可靠数据库管理系统中事务所应该具有的四个特性，即原子性()、一致性()、隔离性()、持久性()。

题目3: 数据定义语言与数据操作语言之间的区别是什么？

题目解答：数据操纵语言（DML）适用于对数据库中的数据进行一些简单操作， 如，和等。而数据定义语言（DDL）适用于对数据库中的某些对象进行管理，如，Alter和Drop。因此，两者的区别在于：DML操作是可以手动控制事务的开启、提交和回滚的；而DDL操作是隐性提交的，不能。

02

金融类面试真题

大数据时代，数据分析在金融行业的广泛应用已经是不可阻挡的趋势，也为金融行业带来了新的机遇。对此心动的小伙伴不妨通过以下几道题对自己做个检测。

|招商银行

题目1: 以下语句( 2.7.13)的执行结果是？

A[ 'mat', 'hat']

B[‘cat’, ‘pat’]

C[‘mat’, ‘hat’, ‘pat’]

D[]

题目解答：左方括号后跟^表示非什么什么，因此本题要选择非c或p开头的选项，只有[ 'mat', 'hat']符合条件，答案选A。

题目2: 常用的库有哪些？

题目解答：常用的库包括九种，分别是：

1）Numpy，矩阵运算

2），常用机器学习和数据挖掘工具库

3）Scipy，基于Numpy做高效的数学计算

4），将数据用表的形式进行操作

5），数据可视化工具

6），数据可视化工具

7）Keras//，深度学习工具包

8）NLTK，自然语言处理工具包

9），网页文档解析工具

题目3：又到一年毕业季，一大批刚刚步入职场的应届生申请办理我行信用卡。为最大程度地得到优质的信用卡客户，我行考虑利用机器学习为传统人工作辅助决策。针对这个场景，请详细描述所需要的数据、数据的处理过程、选择的算法、评价指标等过程。

题目解答：首先，需要用户个人的基本属性信息数据，以及信用特征如贷款信息，还需要用户的行为信息数据，如已办理的其它信用卡使用情况。其次，文本型数值需要进行编码处理，数值型的需要进行同度量化等，可以利用传统的规则识别和一些分类算法如LR、Cart、RF等进行数据处理。最后，指标可以选择ROC曲线的AUC值、KS值、F1值，准确率和召回率等。

|

假设本次笔试的通过率为50%。95%通过笔试的同学觉得他们笔试答得很好，而75%未通过笔试的同学也觉得他们的笔试答得很好。那么，如果你觉得这次笔试你答得很好，你通过这次笔试的概率有多少？

利用贝叶斯概率，计算通过率P(过)=50%，P (感觉好|过) =95%，P(感觉好|不过)=75%；最终求解的是P(过|感觉好)。

题目解答：P(感觉好)=P(感觉好|过)*P(过)+P(感觉好|不过)*P(不过)=0.95*0.5+0.75*0.5 =0.85；P(过|感觉好)=P(感觉好|过)*P(过)/P(感觉好)0.95*0.5/0.85=0.5588，约等于0.56(56%)。因此，“我”通过这次笔试的概率为56%。

|花旗银行

假设您在一家大型信用卡公司工作，并获得了一个包含600,000笔信用卡交易的数据集，请使用此数据集构建欺诈检测模型。

题目解答：

1）首先需要考虑三个问题，即欺诈交易发生的频率到底有多高？我们是怎样获得欺诈数据的？用户是否真的存在欺诈行为？从而确定能够将哪些数据点作为欺诈交易的响应变量。

2）建立增强模型和算法帮助解决数据不平衡的问题。

3）还需要创建成本/收益分析，以表明我们对假阳性、真阳性、真阴性和假阴性的重视程度。一般来说，假阴性（没有发现欺诈行为）比假阳性更糟糕；假阳性是一种被标记为欺诈的常规交易，如果我们可以有效地评估这些错误分类，就可以确定在哪里选择概率阈值，在这个阈值上我们将交易标记为欺诈。

03

互联网类面试真题

互联网作为离不开数据的行业，面试中对应试者数据分析的能力非常看中。我们已为您整理好阿里巴巴以及微软近几年的面试真题，一起来看看吧！

|阿里巴巴

以下对K-means聚类算法解释正确的是？

A、能自动识别类的个数,随即挑选初始点为中心点计算

B、能自动识别类的个数,不是随即挑选初始点为中心点计算

C、不能自动识别类的个数,随即挑选初始点为中心点计算

D、不能自动识别类的个数,不是随即挑选初始点为中心点计算

(C均值) 算法的具体步骤为：

1)适当选择C个类的初始中心；

2)在第K次迭代中，对任意一个样本，求其到C个中心的距离，将该样本归到距离最短的中心所在的类；

3)利用均值等方法更新该类的中心值；

4)对于所有的C个聚类中心，如果利用(2)(3)的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。

题目解答：由以上算法的具体步骤，可以看出需要选择类别数量，但初次选择是随机的课程顾问岗位面试技巧，最终的聚类中心是不断迭代稳定以后的聚类中心，所以答案选C。

|

题目1: 请定义和解释聚簇索引和非聚簇索引之间的差异。

题目解答：聚簇索引就是主键索引，用于确定一行数据的标识，主键索引可以唯一确定一行数据。而非聚簇索引则相反，需要先确定主键索引后课程顾问岗位面试技巧，再通过主键索引确定数据。

题目2:返回表的行计数有哪些不同的方法？

题目解答：1）count(*)；2）SQL 对着表右击、属性存储、行计数；3）SQL -HOW-TO: row count for table.

04

市场类面试真题

企业管理者通过大数据的分析，能够迅速了解消费者的需求变化和市场发展趋势，从而帮助企业做出正确的决策，以此提高企业在市场上的竞争力。面对如此重要的岗位职责，市场类的面试真题也不能马虎对待哦～

|小红书

题目1: 已知2-5月环比增长速度分别为5.6%、7.1%、8.5%、6.4%，则5月对比1月的增速是？

A、5.6%x7.1%x8.5%x6.4%

B、(105.6%x107.1%x108.5%x106.4%)-100%

C、(5.6%x7.1%x8.5%x6.4%)+100%

D、105.6%x107.1%x108.5%x106.4%

题目解答：本题主要考察考察定基增速与环比增速。5月对比1月的增速是定基增长速度，定基增速与环比增速两者之间没有直接的换算关系，在由环比增长速度推算定基增长速度时，可先将各环比增长速度加1后连乘，再将结果减1，即得定基增长速度(105.6%x107.1%x108.5%x106.4%)-100%，答案选B。

题目2：下表是某电商在不同品类不同月份的销量数据，请完成以下操作：

1）用Sumif或在F3单元格实现计算洗面奶在的销量；

2）用函数实现计算洗面奶有几个月的销量超过了100万；

3）用函数计算洗面奶这个品类的月复合增长率。

Step 1: 第一小问考察函数用法。函数是用来进行条件求和的，该函数至少有三部分参数，即、 range和。

Step 2: 第二小问考察函数的用法，函数是用来进行条件计数的，它的参数包括 range[N]和[N]。

Step 3: 复合增长率的计算公式为：(现有价值/基础价值)^(1/期数)-1。因此洗面奶的月复合增长率可以用Power函数计算乘幕。

题目解答：

1)=(C4:C15,B4:B15,E4,A4:A15,F3)

2)=(B2:B13,B2,C2:C13,">100")

3)=pow(160/120,1/3)-1

以上就是今天的全部内容了。希望大家面试顺利，早日收到令你心动的Offer。但是如果你对数据分析的面试没有把握的话也没关系，《数据/商业分析求职实战营》来了，你想要的数据分析知识点和面试经验，它都有！

《数据/商业分析求职实战营》

名企项目+面试刷题+提升一站搞定

///

专业导师团队带你学习数据/商业分析求职必修课，华丽转身为集万千宠爱的大数据人才

01

关于课程

无论是金融，咨询，还是科技大厂，掌握核心技能，解锁职场更多潜能！

Offer帮DA/BA精品实战集训营带你绝地求生，突出重围。由咨询名企，投行和FLAG招聘官教研组，用心研发，以知识学习为导向，分为核心技能、实战项目和真题实训全覆盖3部分，高效学习求职必备，帮你掌握核心技能，占领人才缺口，高效拿Offer！

课程收获

✅ 从0到1，全面掌握编程基础、数据处理包及机器学习

✅ 快速掌握数据库基础知识及必备SQL数据库查询筛选语句

✅ 快速掌握实用R语言，进阶Excel，VBA等分析工具

✅名企实战项目，为简历加分

适合人群

商科/文科转数据/商业分析的

零基础宝宝

希望提升数据/商业分析背景的

丰富简历经历的求职者

希望拥有业界认可的技能的

职场新人

《数据/商业分析求职实战营》以全面提升技能为导向，带你从0到1全面掌握, SQL, R, Excel, VBA等必备分析语言及工具。DA/BA求职极其看重相关经历，集训营含海内外知名公司的真实项目，可以有效提高简历含金量，增加通过初筛概率！

部分老师会深入浅出地讲解，再讲题，手把手一步步带着做项目，确保同学掌握。

扫码了解课程详情

Offer帮课程顾问

02

名企导师天团

名企招聘官教研组，阅人无数，拥有丰富的招聘和辅导经验，对数据岗位面试知识点和考点有深刻的理解和把握。数据集训营由教研组结合咨询和数据分析岗位多年工作经验研发，倾囊相助。课上同学可以和导师互动，确保实时答疑。

Tong

麦肯锡数据分析师

Chris

FLAG数据分析师

Kevin

纽约九大投行基金数据分析师

Jack

JP 结构化产品

每周我们都安排了相应的答疑时间，大家可以在答疑课上和老师互动，及时解决问题。如果课前有将问题整理好，也可以发在交流群或发给班主任/助教，我们会整理后反馈给老师课上答疑。

03

行业名企实战项目

不同于学校的纯知识性课程，Offer帮求职集训营以求职为导向，全面覆盖必备行业知识，方面以必备知识为依托，全面结合实际应用，用大厂实战项目提升技能，丰富经历。

同时，课程会详细讲解求职方方面面及技巧，让同学对求职整个过程有清晰的目标和规划。

Offer帮

扫描二维码免费试听

Offer帮课程顾问

04

课程大纲

数据分析技能全覆盖，带你掌握数据分析必备的知识技能，熟练掌握面试问题。同时通过海内外知名企业实战项目提高简历通过率，助你拿到大厂Offer！

第一讲

重点语句及知识点详解（选修）

第二讲

课后实操 – 典型考题精析，Q&A

第三讲

常用数据分析 使用技巧 – NumPy

第四讲

常用数据分析 使用技巧 –

第五讲

时间序列处理及数据可视化 - &

第六讲

基础及相关介绍

第七讲

名企项目实操 - 商业分析实战，房产定价模型的搭建与分析，Q&A

第八讲

数据库基础知识及 SQL 常用数据查询与数据筛选语句解析

第九讲

课后实操 – SQL典型考题精析，Q&A

第十讲

R语言常用语句及应用技巧

第十一讲

Excel Macro & VBA 基础及应用

第十二讲

名企项目实战 - 数据分析实战，量化交易投资组合数据分析，Q&A

05

创新自主学习平台

课程由录播与直播相结合，课程有效期内，Offer帮为你提供免费无限次课程回放，帮助你补课或者反复复习，满足你的时间弹性和多次学习需要。

一站式管理学习资料、课程进度、