数据分析师面试通常会结合三个部分：技术考核（SQL、Excel，有时还有 Python）、业务案例（用数据推理一个问题），以及关于你做过的项目的行为题。面试官想看到的是，你能拿到正确的数字，解释它们的含义，并帮助别人做出决策。下面是 30 道数据分析师面试题，附有参考答案和完整的 SQL 示例。
面试官在看什么
| 领域 | 他们想看到什么 |
|---|---|
| SQL 与工具 | 正确、易读的查询；熟悉连接和聚合 |
| 数据质量 | 在相信一个数字之前，先检查其中的问题 |
| 业务感觉 | 你能把分析与决策联系起来 |
| 沟通能力 | 你能向非技术人员简单地解释结果 |
| 好奇心 | 你会追问“为什么”，并深入挖掘数据 |
SQL 题
这些示例使用两张表：
- orders(order_id, customer_id, order_date, amount)
- customers(customer_id, name, signup_date)
1. 找出总营收最高的两位客户
SELECT customer_id, SUM(amount) AS revenue
FROM orders
GROUP BY customer_id
ORDER BY revenue DESC
LIMIT 2;
2. 找出从未下过订单的客户
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;
解释为什么 LEFT JOIN 配合 IS NULL 可以实现这一目的：它保留了每一位客户，并在没有匹配的地方让订单列留空。
3. 找出每位客户的第二大订单
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;
说明当数值相同时，ROW_NUMBER、RANK 和 DENSE_RANK 之间的区别。
4. 计算每月营收
SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS revenue
FROM orders
GROUP BY 1
ORDER BY 1;
DATE_TRUNC 是 PostgreSQL 的语法；在 SQLite 中你会使用 strftime('%Y-%m', order_date)，其他数据库则有各自的函数。回答时要说明你使用的是哪种方言。
5. WHERE 和 HAVING 有什么区别？
WHERE 在分组之前过滤行；HAVING 在聚合之后过滤分组。
6. 连接有哪些类型？
内连接、左连接、右连接和全外连接；说明各自的使用场景，以及未匹配的行会怎样处理。
7. 你会如何找出重复的记录？
按应该唯一的列进行分组，并用 HAVING COUNT(*) > 1 进行过滤。
8. 什么是窗口函数？你会在什么时候使用它？
它是在相关行之间进行的计算，且不会把这些行合并成一行，例如累计求和、排名，或将每一行与前一行进行比较。
Excel 与电子表格
9. VLOOKUP 和 XLOOKUP（或 INDEX/MATCH）有什么区别？
XLOOKUP 和 INDEX/MATCH 可以向左查找，对缺失值的处理更灵活，并且在列位置变动时不会出错。
10. 你如何使用数据透视表？
用来快速按类别汇总数据，例如按地区和月份统计营收。
11. 你会如何清理一份杂乱的电子表格？
删除重复项，统一格式（日期、文本大小写），处理空白单元格，并检查异常值。
统计学
12. 均值和中位数有什么区别？你会在什么时候使用各自？
当数据呈偏态分布时，中位数更合适，例如收入或订单金额。
13. 什么是 p 值？
如果真的不存在任何效应，观察到至少与当前结果一样极端的结果的概率。p 值较小意味着这个结果不太可能仅仅是偶然，但它并不能告诉你效应的大小或重要程度。
14. 相关与因果有什么区别？
两个变量同向变化，并不意味着一个导致了另一个；可能存在第三个因素，或者只是巧合。实验有助于确立因果关系。
15. 你会如何设计一个 A/B 测试？
确定指标和假设，决定样本量，随机分配用户，在固定的时间段内运行，并检验统计显著性和实际影响。
16. 什么是异常值？你会如何处理？
先调查再决定是否移除；它可能是错误，也可能是真实而重要的情况。
数据清洗与质量
17. 你会如何处理缺失数据？
先弄清楚数据为什么缺失，然后再决定：删除、用合理的值填充，或者标记出来。并说明这些处理对结果的影响。
18. 你如何判断一个数据集是否可靠？
将行数与数据源进行核对，检查总计能否对得上，查看日期范围和重复项，并做抽样检查。
19. 讲一次你发现数据错误的经历
用一个简短的 STAR 故事，说明你是如何从源头上修复它的。
可视化与仪表盘
20. 你如何选择合适的图表？
用折线图展示随时间的趋势，用柱状图比较各类别，用散点图展示关系；避免使用分块过多的饼图。
21. 你会如何为高管设计仪表盘？
顶部放几个关键指标，然后是趋势图，标签要清晰，只在必要的地方加入筛选器。
22. 你用过哪些 BI 工具？
说出名称，以及你做过的一个仪表盘。可参阅我们的 Power BI 面试题。
业务案例题
23. 上周注册人数下降了 20%。你会如何调查？
“我首先会检查埋点和数据加载是否正常，确认下降确实存在。然后按平台、国家、流量来源和注册步骤进行对比，找出下降发生在哪里。如果问题集中在某一个渠道或某一步，我会检查那里是否有变化，比如某个活动结束或网站发布了新版本。我会分享我的发现，以及我们仍然不清楚的部分。”
24. 你会如何衡量一个新功能的效果？
确定目标，选择一个主要指标和若干护栏指标，并与对照组或上线前后的时间段进行比较。
25. 你会为一家线上商店跟踪哪些指标？
流量、转化率、客单价、复购率和获客成本。
26. 你会如何向非技术背景的经理解释一个复杂的发现？
先给出结论和它的影响，使用一张简单的图表，并把方法部分说得简短。
行为题
27. 讲一次改变了决策的分析
问题是什么，用了哪些数据，你发现了什么，以及因此改变了什么。
28. 描述一次你不得不使用不完整数据工作的经历
说明你做了哪些假设，以及你是如何沟通这些假设的。
29. 当多个利益相关者提出请求时，你如何排定优先级？
依据业务影响和紧急程度，并与利益相关者或你的经理达成一致。
30. 讲一次你的分析出错的经历
承认错误，修正它，并说明你现在会检查哪些内容。
关于如何组织这些故事，可参阅我们的 STAR 方法指南。
准备一个有分量的作品集项目
| 部分 | 应包括的内容 |
|---|---|
| 问题 | 一个清晰的业务问题 |
| 数据 | 数据来源、规模，以及你如何清洗它 |
| 方法 | SQL、电子表格或 Python 的步骤 |
| 发现 | 一到两个清晰的结果，配一张图表 |
| 决策 | 基于它，别人应该采取什么行动 |
如何准备
- 连续两周每天练习 SQL：连接、聚合和窗口函数。
- 复习基础统计：平均数、分布、A/B 测试、p 值。
- 准备一个作品集项目和三个 STAR 故事。
- 大声练习一个“这个指标为什么变化了”的案例。
- 研究公司的产品，以及它可能关注的指标。
如果是相关岗位，可参阅业务分析师面试题和 Python 面试题。如果你想借助工具来准备，我们的数据分析师面试 AI 工具汇总比较了各种选择。
练习 SQL 讲解和案例回答
用 YesToTheOffer 结合你的简历和职位描述，大声演练技术题和案例题，并回看你的转录内容。免费 30 分钟，无需订阅。
