
CDA数据分析师 出品
各位同学大家好,我目前就职于某头部房产平台,在运营部门这边的数据分析岗位。
之前除了房产平台,我也面了银行。这次想跟大家分享交流一下我几次面试的一些经验感受,希望对大家能有所帮助。
前期面试准备
当时6月下旬我在招聘平台看到某银行的招聘信息,银行的招聘都是有时效性的,可能某个岗位挂一个星期之后就不会再出现了。
因此当我看到有这样的一个好机会,我马上想抓住它。
于是我马上找到课程班主任,问有没有打分卡的往期录播课,当时我们课程还没上到这个部分,我就想提前自学一下。因为如果想进银行的话,会有打分卡项目,这个是很加分的,所以我想提前把它弄懂。然后我在周末花了快两天把整个课程看完,进行整理并写到简历里。
在前期准备上,我感觉这方面我抓住了要点,是做得比较好的地方。
但是也有不足之处,当时我没有找老师帮我优化简历,简历是我自己做的,所以写得不太理想,没有针对性,没有把我过去的工作经验往数据分析方面靠,整体显得很宽泛。
面试流程
银行的面试时间比较久,一共面了快4个小时。我是下午2点去的,6点多才出来。需要填各种申请表,此部分花了2个小时。笔试大概是一个半小时,需要做3套题。
第一套题是逻辑思维和性格分析,是不计分的,看你作为职员性格是偏外向还是内向。
第二套题是MySQL,主要看查询语句。
针对这方面,大家平常就要养成刷题的习惯,多做做题。这次面试中考察的应该是中等难度,但是它会给你一些限制。比如说你要做累加的话,它不会让你用开窗函数用代码写出来,因此大家要有意识的多掌握一个问题的多重解决方法。
第三套题是 Python。
里面混杂一些数理统计的知识,恰好我是数学专业毕业的,所以这方面还好。还需要简单解释一下模型,它有三个模型,分布是:决策树、神经网络和Xgb。我就写了两个,决策树和神经网络。这方便能想到的我都写了,包括推导公式,画表等。Xgb我没写,因为这个模型我一知半解,学的不太好,如果写了一些上去,面试官可能会根据我的答案提问。如果答不上来的话,对他的印象就显得不太专业,因此我就干脆没做。
整个三套题我的正确率大概是80%。整个题目其实不太难,但是时间非常紧,题目量很大,特别是Python这一块,Python关于数理统计的知识考得非常多,这部分比较难做。
面试的整个流程比较常规。先做自我介绍,也会有一些技术方面的。比如问MySQL的语句,口头解释一些Python的算法。这里要提醒大家,平时学习的时候不仅要会做,自己脑子里要懂,还要会用语言表达出来。
遇到供需不匹配怎么办
技术面之后就会问一些问题,面试官当时提了一个供需不匹配的问题。这其实是因为,在招聘时写了风控建模的需求,我本来是在私人银行做风控的,所以我的方向就是去做风控建模,去做打分卡这些项目。但在实际面试时,说没有这方面需求,因此我过去做风控的工作经验对岗位没有任何帮助。
我当时其实还是有点紧张的,我想都供需不匹配,那面试可能没戏了,但这个时候千万不能慌张。
我的策略就是要找到自己的一个节奏感,避免面试官把问题继续引向我不擅长的领域,而是引导到我熟悉的领域。
之后我跟他慢慢聊,说到我的最终目标是做风控建模,但是凭现在的能力我自知是不能胜任的,但是我已经努力往这个方向走。之后继续聊了聊我之前风控建模方面的工作经验,对案例中的打分卡案例细化每个步骤进行阐述。
大家写简历时一定要注意,包括过去的工作经验和工作项目一定要弄懂,理清条理。如果自己做的东西你都不懂的话,这会让面试官对你的专业度表示怀疑。面试整个1个小时,最后20分钟是在聊天中度过的,虽然前面的氛围比较紧张,但是后面慢慢就轻松下来了,我就觉得面试差不多已经拿下了。之后我在就业老师的帮助下对简历进行了进一步优化和修改。
争取面试机会
之后我在招聘平台上找了一家某头部房产平台的。开始那边想让我去做市场营销,我对这个岗位不感兴趣,但我又不想放弃这个机会。于是我继续跟人力聊天,说自己是数学专业的,想做数据分析,对市场营销暂时没有什么兴趣。这个hr是杭州的,其实我是在上海的,于是我问他在上海有没有合适的岗位。最后他问到了说上海那边线上运营需要数据分析岗位。
这里其实就是想告诉大家,不要放弃任何的机会,特别是大厂。
不要看到想招做销售或者市场营销等自己不感兴趣的岗位就放弃。可以多聊一聊,说不定机会就来了。
之后我就去参加了面试。这里我感受到的是,面试从来不是坐在会议室里才开始的,当hr给你发送面试邀约的时候,面试就已经开始了。因此一定要做到有礼貌,有精气神,把第一印象要打造好。
初面
笔试部分是关于SQL和Excel方面的两套题,这部分难度适中。
面试相对轻松,首先是自我介绍,让我讲一讲之前做的项目,也会问一些Python的内容。要反复强调的是,写在简历上的内容一定要把它弄得很透彻、弄清晰,不要给自己挖坑,如果写在简历里的内容还一问三不知,这个就会给你扣分。
这里分享一下当中遇到的一个题目,女生有50个人,占总数的60%,男生有多少?大家可以算一下是33.3人,其实考的就是你是取33个人还是取34个人。然后这种半开放的题目,只要按照自己的逻辑把它讲清楚,不管你选哪个答案都是对的。
当时我说33也可以,34也可以,就看0.3在业务里面具体怎么去定义。然后顺便就解释了一下,他觉得也没问题,初面就这样过了,大概聊了一个小时。
二面
二面的话大概讲了一个半小时,前面也是很常规的自我介绍,讲项目,技术面还有情商题。
当时问我的是:
用15分秒思考一下,你有没有想过改变什么?自己,学过的专业或者从事的工作,甚至是改变世界,有没有想过改变什么?
这个是常规面试的最后一个问题,放大招15秒钟思考,大家可以一起来思考一下,如果是自己会怎么回答?答题思路是怎样的?
这里给大家分析下一下我的思路。
首先思考的时间很紧,只有15秒钟,我当时想了从三个点来回答。我感觉说要改变世界不太合适,会显得太狂妄了,我就把这个点略过了。
再看到是否要改变过去学过的专业和工作,隐含的意思就是对过去是否有不满意的,这其实是对自己过去的否定,我感觉不太妥当。所以我就回答怎么去改变自己。
对于我个人而言,其实我以前是做风控金融这块的,我还考了金融相关的证书,面试官会想为什么我不去金融行业面试,而要跑到地产行业来呢。对于打算转行的小伙伴来说也是如此,与其等着面试官问,还不如掌握面试的主动权,主动出击。
于是我就在这个问题里主动回答为什么我要转岗应聘这家公司,有什么吸引我的地方。以及我要寻求改变,要改变成什么样子,再说说我未来的职业规划。回答要点有了,就跟着思路回答,这里要注意语句流程通顺,要有一定的逻辑。
以上就是我今天的分享,希望能给大家一些帮助。
大家投简历准备面试时,前期一定要对面试公司的情况做好功课,对提问多做准备。这样才能在面试中做到有备而来。另外面试结束后一定要复盘,总结自己的不足之处。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21