डेटा एनालिस्ट इंटरव्यू आमतौर पर तीन चीज़ों को मिलाते हैं: एक तकनीकी जाँच (SQL, Excel, कभी-कभी Python), एक बिज़नेस केस जिसमें आप डेटा से किसी समस्या पर तर्क करते हैं, और आपके किए प्रोजेक्ट्स के बारे में व्यवहार संबंधी सवाल। इंटरव्यूअर देखना चाहते हैं कि आप सही आँकड़े निकाल सकते हैं, उनका मतलब समझा सकते हैं, और किसी को फ़ैसला लेने में मदद कर सकते हैं। नीचे उदाहरण उत्तरों और काम किए गए SQL उदाहरणों के साथ 30 डेटा एनालिस्ट इंटरव्यू सवाल हैं।
इंटरव्यूअर किस चीज़ को देखते हैं
| क्षेत्र | वे क्या देखना चाहते हैं |
|---|---|
| SQL और टूल | सही, पढ़ने में आसान क्वेरी; जॉइन और एग्रीगेशन में सहजता |
| डेटा की गुणवत्ता | किसी आँकड़े पर भरोसा करने से पहले आप समस्याएँ जाँचते हैं |
| बिज़नेस समझ | आप विश्लेषण को किसी फ़ैसले से जोड़ते हैं |
| संवाद | आप नतीजों को गैर-तकनीकी लोगों को सरल भाषा में समझाते हैं |
| जिज्ञासा | आप “क्यों” पूछते हैं और डेटा में गहराई से जाते हैं |
SQL सवाल
इन उदाहरणों में दो टेबल इस्तेमाल होती हैं:
- orders(order_id, customer_id, order_date, amount)
- customers(customer_id, name, signup_date)
1. कुल राजस्व के हिसाब से शीर्ष दो ग्राहक खोजें
SELECT customer_id, SUM(amount) AS revenue
FROM orders
GROUP BY customer_id
ORDER BY revenue DESC
LIMIT 2;
2. वे ग्राहक खोजें जिन्होंने कभी ऑर्डर नहीं दिया
SELECT c.customer_id, c.name
FROM customers c
LEFT JOIN orders o ON o.customer_id = c.customer_id
WHERE o.order_id IS NULL;
समझाएँ कि IS NULL के साथ LEFT JOIN क्यों काम करता है: यह हर ग्राहक को रखता है और जहाँ मेल नहीं मिलता वहाँ ऑर्डर वाले कॉलम खाली छोड़ देता है।
3. हर ग्राहक का दूसरा सबसे बड़ा ऑर्डर खोजें
SELECT customer_id, order_id, amount
FROM (
SELECT customer_id, order_id, amount,
ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY amount DESC) AS rn
FROM orders
) ranked
WHERE rn = 2;
बराबरी (ties) होने पर ROW_NUMBER, RANK और DENSE_RANK के बीच अंतर का ज़िक्र करें।
4. मासिक राजस्व निकालें
SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS revenue
FROM orders
GROUP BY 1
ORDER BY 1;
DATE_TRUNC PostgreSQL का सिंटैक्स है; SQLite में आप strftime('%Y-%m', order_date) इस्तेमाल करेंगे, और दूसरे डेटाबेस के अपने फ़ंक्शन होते हैं। बताएँ कि आप किस डायलेक्ट का इस्तेमाल कर रहे हैं।
5. WHERE और HAVING में क्या अंतर है?
WHERE ग्रुपिंग से पहले पंक्तियाँ फ़िल्टर करता है; HAVING एग्रीगेशन के बाद ग्रुप फ़िल्टर करता है।
6. जॉइन के कौन से प्रकार होते हैं?
Inner, left, right और full outer; बताएँ कि हर एक कब इस्तेमाल करेंगे और बिना मेल वाली पंक्तियों के साथ क्या होता है।
7. डुप्लिकेट रिकॉर्ड कैसे खोजेंगे?
उन कॉलम से ग्रुप करें जो अनूठे होने चाहिए, और HAVING COUNT(*) > 1 से फ़िल्टर करें।
8. विंडो फ़ंक्शन क्या है, और इसे कब इस्तेमाल करेंगे?
संबंधित पंक्तियों में फैला एक हिसाब, बिना उन्हें एक में समेटे, जैसे रनिंग टोटल, रैंकिंग, या हर पंक्ति की तुलना पिछली पंक्ति से करना।
Excel और स्प्रेडशीट
9. VLOOKUP और XLOOKUP (या INDEX/MATCH) में क्या अंतर है?
XLOOKUP और INDEX/MATCH बाईं ओर भी देख सकते हैं, लापता मानों को ज़्यादा लचीलेपन से संभालते हैं, और कॉलम खिसकने पर टूटते नहीं।
10. पिवट टेबल आप कैसे इस्तेमाल करते हैं?
श्रेणियों के हिसाब से डेटा को जल्दी सारांशित करने के लिए, जैसे क्षेत्र और महीने के अनुसार राजस्व।
11. गड़बड़ स्प्रेडशीट को आप कैसे साफ़ करेंगे?
डुप्लिकेट हटाएँ, फ़ॉर्मेट मानकीकृत करें (तारीखें, टेक्स्ट का केस), खाली जगहों को संभालें, और आउटलायर जाँचें।
सांख्यिकी
12. माध्य (mean) और माध्यिका (median) में क्या अंतर है, और आप हर एक कब इस्तेमाल करेंगे?
जब डेटा एक तरफ़ झुका हो, जैसे आय या ऑर्डर वैल्यू, तब माध्यिका बेहतर होती है।
13. p-value क्या है?
अगर सचमुच कोई असर न हो, तो परिणाम जितना चरम या उससे ज़्यादा दिखने की संभावना। छोटा p-value बताता है कि परिणाम अकेले संयोग से होने की संभावना कम है, लेकिन यह नहीं बताता कि असर कितना बड़ा या कितना महत्वपूर्ण है।
14. सह-संबंध (correlation) और कारण (causation) में क्या अंतर है?
दो चीज़ों का साथ-साथ बदलना यह नहीं बताता कि एक दूसरे का कारण है; कोई तीसरा कारक या संयोग इसे समझा सकता है। प्रयोग कारण स्थापित करने में मदद करते हैं।
15. आप A/B टेस्ट कैसे डिज़ाइन करेंगे?
मेट्रिक और परिकल्पना तय करें, नमूने का आकार तय करें, उपयोगकर्ताओं को रैंडम रूप से बाँटें, एक तय अवधि तक चलाएँ, और सांख्यिकीय महत्व व व्यावहारिक असर दोनों जाँचें।
16. आउटलायर क्या है, और उसके साथ आप क्या करते हैं?
हटाने से पहले जाँच करें; वह गलती हो सकती है या एक असली और महत्वपूर्ण मामला भी।
डेटा क्लीनिंग और गुणवत्ता
17. लापता डेटा को आप कैसे संभालते हैं?
पता करें कि वह क्यों गायब है, फिर तय करें: हटाएँ, कोई उचित मान भरें, या चिह्नित करें। नतीजों पर इसके असर को समझाएँ।
18. आप कैसे जाँचते हैं कि डेटासेट भरोसेमंद है?
स्रोत के साथ पंक्तियों की गिनती, मेल खाते कुल, तारीखों की सीमाएँ, डुप्लिकेट, और रैंडम जाँच।
19. किसी ऐसे समय के बारे में बताएँ जब आपको डेटा में गलती मिली
एक छोटी STAR कहानी जिसमें आपने उसे स्रोत पर ठीक करने के लिए क्या किया।
विज़ुअलाइज़ेशन और डैशबोर्ड
20. आप सही चार्ट कैसे चुनते हैं?
समय के साथ रुझानों के लिए लाइन, श्रेणियों की तुलना के लिए बार, संबंधों के लिए स्कैटर; कई हिस्सों वाले पाई चार्ट से बचें।
21. एग्ज़ीक्यूटिव्स के लिए आप डैशबोर्ड कैसे डिज़ाइन करते हैं?
ऊपर कुछ मुख्य मेट्रिक, रुझान, साफ़ लेबल, और सिर्फ़ ज़रूरी जगह पर फ़िल्टर।
22. आपने कौन से BI टूल इस्तेमाल किए हैं?
उनके नाम और आपका बनाया एक डैशबोर्ड बताएँ। हमारे Power BI इंटरव्यू सवाल देखें।
बिज़नेस केस सवाल
23. पिछले हफ़्ते साइन-अप 20% गिर गए। आप इसकी जाँच कैसे करेंगे?
"पहले यह पक्का किया जाए कि गिरावट असली है, इसके लिए ट्रैकिंग और डेटा लोडिंग जाँची जाए। फिर प्लेटफ़ॉर्म, देश, ट्रैफ़िक स्रोत और साइन-अप के चरण के हिसाब से तुलना करूँ, ताकि देखा जा सके कि बदलाव कहाँ हुआ। अगर यह एक चैनल या एक चरण में है, तो वहाँ हुए बदलाव देखूँ, जैसे कोई कैंपेन खत्म होना या साइट रिलीज़। मैं जो मिला और जो अभी भी पता नहीं, दोनों साझा करूँ।"
24. किसी नए फ़ीचर की सफलता आप कैसे मापेंगे?
लक्ष्य तय करें, एक मुख्य मेट्रिक और गार्डरेल मेट्रिक चुनें, और एक कंट्रोल ग्रुप या पहले-बाद की अवधि से तुलना करें।
25. एक ऑनलाइन स्टोर के लिए आप कौन से मेट्रिक ट्रैक करेंगे?
ट्रैफ़िक, कन्वर्ज़न रेट, औसत ऑर्डर वैल्यू, दोबारा खरीद की दर, और ग्राहक अधिग्रहण लागत।
26. किसी गैर-तकनीकी मैनेजर को जटिल नतीजा कैसे समझाएँगे?
निष्कर्ष और उसके असर से शुरू करें, एक सरल चार्ट इस्तेमाल करें, और तरीके को संक्षिप्त रखें।
व्यवहार संबंधी सवाल
27. किसी ऐसे विश्लेषण के बारे में बताएँ जिसने फ़ैसला बदल दिया
सवाल, डेटा, आपको क्या मिला, और क्या बदला।
28. किसी ऐसे समय के बारे में बताएँ जब आपको अधूरे डेटा के साथ काम करना पड़ा
आपने कौन सी धारणाएँ बनाईं और उन्हें कैसे बताया।
29. कई स्टेकहोल्डर्स के अनुरोधों को आप प्राथमिकता कैसे देते हैं?
बिज़नेस पर असर और तात्कालिकता के आधार पर, स्टेकहोल्डर्स या अपने मैनेजर के साथ सहमति से।
30. किसी ऐसे समय के बारे में बताएँ जब आपका विश्लेषण गलत निकला
उसे स्वीकार करें, ठीक करें, और बताएँ कि अब आप क्या जाँचते हैं।
इन कहानियों को ढाँचा देने के लिए हमारी STAR विधि गाइड देखें।
एक मज़बूत पोर्टफ़ोलियो प्रोजेक्ट तैयार करें
| हिस्सा | क्या शामिल करें |
|---|---|
| सवाल | एक साफ़ बिज़नेस सवाल |
| डेटा | स्रोत, आकार, और आपने उसे कैसे साफ़ किया |
| तरीका | SQL, स्प्रेडशीट या Python के चरण |
| नतीजा | एक या दो साफ़ परिणाम, चार्ट के साथ |
| फ़ैसला | उसके आधार पर किसी को क्या करना चाहिए |
तैयारी कैसे करें
- दो सप्ताह तक रोज़ SQL का अभ्यास करें: जॉइन, एग्रीगेशन और विंडो फ़ंक्शन।
- बुनियादी सांख्यिकी दोहराएँ: औसत, वितरण, A/B टेस्ट, p-value।
- एक पोर्टफ़ोलियो प्रोजेक्ट और तीन STAR कहानियाँ तैयार करें।
- “यह मेट्रिक क्यों बदला” वाले केस का ज़ोर से अभ्यास करें।
- कंपनी के प्रोडक्ट और उन मेट्रिक्स पर शोध करें जिनकी उसे परवाह होगी।
संबंधित भूमिकाओं के लिए बिज़नेस एनालिस्ट इंटरव्यू सवाल और Python इंटरव्यू सवाल देखें। अगर आप तैयारी में मदद के लिए टूल ढूँढ रहे हैं, तो डेटा एनालिस्ट इंटरव्यू के लिए AI टूल की हमारी सूची विकल्पों की तुलना करती है।
SQL की व्याख्या और केस के उत्तरों का अभ्यास करें
YesToTheOffer के साथ तकनीकी और केस सवालों का ज़ोर से अभ्यास करें, अपने रिज़्यूमे और जॉब विवरण का इस्तेमाल करते हुए, और ट्रांसक्रिप्ट की समीक्षा करें। 30 मुफ़्त मिनट, कोई सब्सक्रिप्शन नहीं।
