Domande di colloquio per Data Analyst Junior: Guida Completa

Introduzione

Gli analisti di dati trasformano i dati grezzi in informazioni utili che guidano le decisioni aziendali. Gli analisti di dati junior devono possedere solide competenze in Excel, SQL, strumenti di visualizzazione dei dati e statistiche di base per supportare il processo decisionale basato sui dati.

Questa guida tratta le domande essenziali per i colloqui di lavoro per gli analisti di dati junior. Esploreremo le funzioni di Excel, le query SQL, la visualizzazione dei dati con Tableau e Power BI, i fondamenti di statistica e le migliori pratiche di analisi dei dati per aiutarti a prepararti per il tuo primo ruolo come analista di dati.

Fondamenti di Excel (5 domande)

1. Quali sono le funzioni di Excel più importanti per l'analisi dei dati?

Risposta: Funzioni essenziali di Excel che ogni analista di dati dovrebbe conoscere:

• CERCA.VERT/CERCA.X: Cerca valori nelle tabelle
• SE/IFS: Logica condizionale
• SOMMA.SE/SOMMA.PIÙ.SE: Somma condizionale
• CONTA.SE/CONTA.PIÙ.SE: Conteggio condizionale
• TABELLE PIVOT: Riassumere e analizzare i dati
• INDICE/CONFRONTA: Più flessibile di CERCA.VERT
• Funzioni TESTO: SINISTRA, DESTRA, STRINGA.ESTRAI, CONCATENA
• Funzioni DATA: OGGI, DATA.DIFF, FINE.MESE

# Esempio di CERCA.VERT
=CERCA.VERT(A2; Prodotti!A:C; 3; FALSO)

# Esempio di SOMMA.PIÙ.SE (somma le vendite dove regione="Est" e prodotto="Widget")
=SOMMA.PIÙ.SE(Vendite!C:C; Vendite!A:A; "Est"; Vendite!B:B; "Widget")

# Esempio di INDICE/CONFRONTA (più flessibile di CERCA.VERT)
=INDICE(Prezzi!C:C; CONFRONTA(A2; Prezzi!A:A; 0))

# Formattazione condizionale con SE
=SE(B2>1000; "Alto"; SE(B2>500; "Medio"; "Basso"))

Rarità: Molto Comune Difficoltà: Facile

2. Spiega la differenza tra CERCA.VERT e INDICE/CONFRONTA.

Risposta:

• CERCA.VERT:
  • Sintassi più semplice
  • Cerca solo a destra
  • Meno flessibile
  • Più lento per set di dati di grandi dimensioni
• INDICE/CONFRONTA:
  • Sintassi più complessa
  • Può cercare a sinistra o a destra
  • Più flessibile
  • Prestazioni più veloci
  • Può restituire intere righe/colonne

# CERCA.VERT - cerca il valore nella colonna A, restituisce dalla colonna C
=CERCA.VERT(A2; A:C; 3; FALSO)

# INDICE/CONFRONTA - equivalente ma più flessibile
=INDICE(C:C; CONFRONTA(A2; A:A; 0))

# Vantaggio di INDICE/CONFRONTA: può cercare a sinistra
=INDICE(A:A; CONFRONTA(C2; C:C; 0))  # CERCA.VERT non può farlo

Rarità: Molto Comune Difficoltà: Facile

3. Come si creano e si utilizzano le tabelle pivot?

Risposta: Le tabelle pivot riassumono rapidamente grandi set di dati.

• Passaggi:
  1. Seleziona l'intervallo di dati
  2. Inserisci → Tabella pivot
  3. Trascina i campi in Righe, Colonne, Valori
  4. Applica filtri e formattazione
• Casi d'uso: Riassumere le vendite per regione, analizzare le tendenze, creare report

# Struttura della tabella pivot:
Righe: Categoria di prodotto
Colonne: Trimestre
Valori: Somma delle vendite
Filtri: Regione

# Campi calcolati nelle tabelle pivot
Margine di profitto = (Ricavi - Costi) / Ricavi

# Raggruppamento delle date
Fai clic con il pulsante destro del mouse sulla data → Raggruppa → Seleziona Mesi/Trimestri/Anni

Rarità: Molto Comune Difficoltà: Facile

4. Cos'è la formattazione condizionale e quando la useresti?

Risposta: La formattazione condizionale applica la formattazione visiva in base ai valori delle celle.

• Casi d'uso:
  • Evidenzia i valori superiori/inferiori
  • Mostra barre dei dati o scale di colori
  • Identifica i duplicati
  • Segnala i valori anomali
  • Crea mappe di calore

# Evidenzia le celle maggiori di 1000
Seleziona l'intervallo → Formattazione condizionale → Regole evidenziazione celle → Maggiore di

# Scala di colori (gradiente)
Seleziona l'intervallo → Formattazione condizionale → Scale di colori

# Barre dei dati
Seleziona l'intervallo → Formattazione condizionale → Barre dei dati

# Formula personalizzata
=E($B2>1000; $C2="Attivo")

Rarità: Comune Difficoltà: Facile

5. Come si rimuovono i duplicati e si gestiscono i dati mancanti in Excel?

Risposta: La pulizia dei dati è essenziale per un'analisi accurata.

# Rimuovi i duplicati
Scheda Dati → Rimuovi duplicati → Seleziona le colonne

# Trova i duplicati con la formattazione condizionale
Seleziona l'intervallo → Formattazione condizionale → Regole evidenziazione celle → Valori duplicati

# Gestisci i dati mancanti
# Opzione 1: Filtra ed elimina
Filtra la colonna → Deseleziona (Vuoti) → Elimina le righe visibili

# Opzione 2: Riempi con la media
=SE(VAL.VUOTO(A2); MEDIA(A:A); A2)

# Opzione 3: Riempi in basso
Seleziona l'intervallo → Ctrl+D (Windows) o Cmd+D (Mac)

# Trova e sostituisci i vuoti
Ctrl+H → Trova: (lascia vuoto) → Sostituisci con: 0 o N/D

Rarità: Molto Comune Difficoltà: Facile

Basi di SQL (5 domande)

6. Scrivi una query SQL per selezionare tutte le colonne da una tabella.

Risposta: L'istruzione SELECT di base recupera i dati dalle tabelle.

-- Seleziona tutte le colonne
SELECT * FROM dipendenti;

-- Seleziona colonne specifiche
SELECT nome, cognome, stipendio
FROM dipendenti;

-- Seleziona con alias
SELECT 
    nome AS "Nome",
    cognome AS "Cognome",
    stipendio AS "Stipendio annuale"
FROM dipendenti;

-- Seleziona valori distinti
SELECT DISTINCT dipartimento
FROM dipendenti;

-- Limita i risultati
SELECT * FROM dipendenti
LIMIT 10;

Rarità: Molto Comune Difficoltà: Facile

7. Come si filtrano i dati utilizzando la clausola WHERE?

Risposta: La clausola WHERE filtra le righe in base alle condizioni.

-- Condizione semplice
SELECT * FROM dipendenti
WHERE stipendio > 50000;

-- Condizioni multiple con AND
SELECT * FROM dipendenti
WHERE dipartimento = 'Vendite' AND stipendio > 60000;

-- Condizioni multiple con OR
SELECT * FROM dipendenti
WHERE dipartimento = 'Vendite' OR dipartimento = 'Marketing';

-- Operatore IN
SELECT * FROM dipendenti
WHERE dipartimento IN ('Vendite', 'Marketing', 'IT');

-- Operatore BETWEEN
SELECT * FROM dipendenti
WHERE stipendio BETWEEN 50000 AND 80000;

-- Operatore LIKE (corrispondenza di modelli)
SELECT * FROM dipendenti
WHERE nome LIKE 'G%';  -- Inizia con G

-- IS NULL
SELECT * FROM dipendenti
WHERE id_responsabile IS NULL;

-- Operatore NOT
SELECT * FROM dipendenti
WHERE dipartimento NOT IN ('Risorse Umane', 'Finanza');

Rarità: Molto Comune Difficoltà: Facile

8. Spiega le operazioni JOIN e i loro tipi.

Risposta: Le JOIN combinano i dati da più tabelle.

• INNER JOIN: Restituisce le righe corrispondenti da entrambe le tabelle
• LEFT JOIN: Restituisce tutte le righe dalla tabella di sinistra, le corrispondenti da quella di destra
• RIGHT JOIN: Restituisce tutte le righe dalla tabella di destra, le corrispondenti da quella di sinistra
• FULL OUTER JOIN: Restituisce tutte le righe da entrambe le tabelle

-- INNER JOIN
SELECT d.nome, d.cognome, dpt.nome_dipartimento
FROM dipendenti d
INNER JOIN dipartimenti dpt ON d.id_dipartimento = dpt.id_dipartimento;

-- LEFT JOIN (tutti i dipendenti, anche senza dipartimento)
SELECT d.nome, d.cognome, dpt.nome_dipartimento
FROM dipendenti d
LEFT JOIN dipartimenti dpt ON d.id_dipartimento = dpt.id_dipartimento;

-- Join multipli
SELECT 
    d.nome,
    dpt.nome_dipartimento,
    l.città
FROM dipendenti d
INNER JOIN dipartimenti dpt ON d.id_dipartimento = dpt.id_dipartimento
INNER JOIN posizioni l ON dpt.id_posizione = l.id_posizione;

-- Self join (dipendenti e i loro responsabili)
SELECT 
    d.nome AS dipendente,
    r.nome AS responsabile
FROM dipendenti d
LEFT JOIN dipendenti r ON d.id_responsabile = r.id_dipendente;

Rarità: Molto Comune Difficoltà: Media

9. Come si utilizzano GROUP BY e le funzioni di aggregazione?

Risposta: GROUP BY raggruppa le righe e le funzioni di aggregazione riassumono i dati.

-- Conta i dipendenti per dipartimento
SELECT dipartimento, COUNT(*) AS numero_dipendenti
FROM dipendenti
GROUP BY dipartimento;

-- Stipendio medio per dipartimento
SELECT 
    dipartimento,
    AVG(stipendio) AS stipendio_medio,
    MIN(stipendio) AS stipendio_minimo,
    MAX(stipendio) AS stipendio_massimo
FROM dipendenti
GROUP BY dipartimento;

-- Clausola HAVING (filtra i gruppi)
SELECT dipartimento, AVG(stipendio) AS stipendio_medio
FROM dipendenti
GROUP BY dipartimento
HAVING AVG(stipendio) > 60000;

-- Colonne di raggruppamento multiple
SELECT 
    dipartimento,
    titolo_lavoro,
    COUNT(*) AS conteggio,
    AVG(stipendio) AS stipendio_medio
FROM dipendenti
GROUP BY dipartimento, titolo_lavoro
ORDER BY dipartimento, stipendio_medio DESC;

-- Funzioni di aggregazione comuni
-- COUNT, SUM, AVG, MIN, MAX, COUNT(DISTINCT)

Rarità: Molto Comune Difficoltà: Media

10. Qual è la differenza tra WHERE e HAVING?

Risposta:

• WHERE: Filtra le righe prima del raggruppamento
• HAVING: Filtra i gruppi dopo il raggruppamento
• WHERE: Non può utilizzare funzioni di aggregazione
• HAVING: Può utilizzare funzioni di aggregazione

-- WHERE - filtra prima del raggruppamento
SELECT dipartimento, AVG(stipendio) AS stipendio_medio
FROM dipendenti
WHERE stipendio > 40000  -- Filtra le singole righe
GROUP BY dipartimento;

-- HAVING - filtra dopo il raggruppamento
SELECT dipartimento, AVG(stipendio) AS stipendio_medio
FROM dipendenti
GROUP BY dipartimento
HAVING AVG(stipendio) > 60000;  -- Filtra i gruppi

-- Entrambi insieme
SELECT dipartimento, AVG(stipendio) AS stipendio_medio
FROM dipendenti
WHERE data_assunzione > '2020-01-01'  -- Filtra prima le righe
GROUP BY dipartimento
HAVING COUNT(*) > 5;  -- Quindi filtra i gruppi

-- Questo sarebbe SBAGLIATO:
-- SELECT dipartimento FROM dipendenti
-- WHERE COUNT(*) > 5;  -- Errore: non è possibile utilizzare l'aggregazione in WHERE

Rarità: Molto Comune Difficoltà: Facile

Visualizzazione dei dati (4 domande)

11. Quali sono i principi chiave di un'efficace visualizzazione dei dati?

Risposta: Una buona visualizzazione comunica le informazioni in modo chiaro.

• Principi:
  • Scegli il tipo di grafico giusto (a barre per il confronto, a linee per le tendenze, a torta per le parti di un intero)
  • Mantienilo semplice (evita il disordine)
  • Usa colori appropriati (coerenti, accessibili)
  • Etichetta chiaramente (titoli, assi, legende)
  • Racconta una storia (evidenzia le informazioni chiave)
  • Considera il pubblico (tecnico vs non tecnico)

Rarità: Comune Difficoltà: Facile

12. Quando useresti un grafico a barre rispetto a un grafico a linee?

Risposta: Tipi di grafico diversi servono a scopi diversi:

• Grafico a barre:
  • Confronta le categorie
  • Dati discreti
  • Esempi: Vendite per regione, confronto prodotti
• Grafico a linee:
  • Mostra le tendenze nel tempo
  • Dati continui
  • Esempi: Entrate mensili, quotazioni di borsa
• Altri grafici:
  • Grafico a torta: Parti di un intero (usare con parsimonia)
  • Grafico a dispersione: Relazione tra due variabili
  • Istogramma: Distribuzione di dati continui

Rarità: Comune Difficoltà: Facile

13. Cos'è Tableau e quali sono le sue caratteristiche principali?

Risposta: Tableau è uno dei principali strumenti di visualizzazione dei dati e business intelligence.

• Caratteristiche principali:
  • Interfaccia drag-and-drop (nessuna codifica richiesta)
  • Connessione a più origini dati (database, Excel, cloud)
  • Dashboard interattive
  • Aggiornamenti dei dati in tempo reale
  • Campi calcolati e parametri
  • Condivisione e collaborazione
• Attività comuni:
  • Crea fogli di lavoro (singole visualizzazioni)
  • Costruisci dashboard (visualizzazioni multiple)
  • Applica filtri e parametri
  • Crea campi calcolati
  • Pubblica su Tableau Server/Online

Rarità: Molto Comune Difficoltà: Facile

14. Qual è la differenza tra Tableau e Power BI?

Risposta: Entrambi sono strumenti di BI popolari con diversi punti di forza:

• Tableau:
  • Migliore per visualizzazioni complesse
  • Più intuitivo per i principianti
  • Capacità di visualizzazione dei dati più forti
  • Più costoso
• Power BI:
  • Migliore integrazione con Microsoft
  • Più conveniente
  • Forte per gli utenti di Excel
  • Migliore per la modellazione dei dati
  • DAX per i calcoli
• La scelta dipende da:
  • Budget
  • Tech stack esistente
  • Complessità delle visualizzazioni
  • Competenze del team

Rarità: Comune Difficoltà: Facile

Statistica e analisi (4 domande)

15. Quali misure di tendenza centrale conosci?

Risposta: Le misure di tendenza centrale descrivono il centro di un set di dati:

• Media: Media aritmetica (somma / conteggio)
  • Sensibile ai valori anomali
  • Utilizzare per dati distribuiti normalmente
• Mediana: Valore centrale quando ordinato
  • Robusta ai valori anomali
  • Utilizzare per dati asimmetrici
• Moda: Valore più frequente
  • Utilizzare per dati categorici

import numpy as np

data = [1, 2, 2, 3, 4, 5, 100]

mean = np.mean(data)  # 16.71 (influenzato dall'outlier 100)
median = np.median(data)  # 3 (non influenzato dall'outlier)
# mode = 2 (il più frequente)

print(f"Media: {mean}")
print(f"Mediana: {median}")

Rarità: Molto Comune Difficoltà: Facile

16. Come si identificano i valori anomali in un set di dati?

Risposta: I valori anomali sono punti dati che differiscono significativamente dalle altre osservazioni.

• Metodi:
  • Visivo: Box plot, grafici a dispersione
  • Statistico:
    • Metodo IQR (1,5 × IQR oltre Q1/Q3)
    • Punteggio Z (|z| > 3)
    • Deviazione standard (oltre 2-3 deviazioni standard)

import numpy as np

data = np.array([10, 12, 13, 12, 11, 14, 13, 15, 100, 12])

# Metodo IQR
Q1 = np.percentile(data, 25)
Q3 = np.percentile(data, 75)
IQR = Q3 - Q1

lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

outliers = data[(data < lower_bound) | (data > upper_bound)]
print(f"Valori anomali: {outliers}")  # [100]

# Metodo del punteggio Z
mean = np.mean(data)
std = np.std(data)
z_scores = np.abs((data - mean) / std)
outliers_z = data[z_scores > 3]
print(f"Valori anomali (punteggio Z): {outliers_z}")

Rarità: Comune Difficoltà: Media

17. Qual è la differenza tra correlazione e causalità?

Risposta:

• Correlazione: Relazione statistica tra variabili
  • Misurata dal coefficiente di correlazione (-1 a 1)
  • Non implica causalità
• Causalità: Una variabile causa direttamente cambiamenti in un'altra
  • Richiede esperimenti controllati
  • La correlazione è necessaria ma non sufficiente

Esempi:

• Le vendite di gelati e le morti per annegamento sono correlate (entrambe aumentano in estate)
• Ma il gelato non causa l'annegamento (variabile confondente: temperatura)

-- Calcola la correlazione in SQL (semplificato)
SELECT 
    CORR(vendite, temperatura) AS correlazione
FROM dati_giornalieri;

-- Correlazione positiva: entrambi aumentano insieme
-- Correlazione negativa: uno aumenta, l'altro diminuisce
-- Correlazione zero: nessuna relazione

Rarità: Molto Comune Difficoltà: Facile

18. Come si calcola la variazione percentuale?

Risposta: La variazione percentuale misura la variazione relativa tra due valori.

# Formula
Variazione percentuale = ((Valore nuovo - Valore vecchio) / Valore vecchio) × 100

# Formula di Excel
=(B2-A2)/A2*100

# Esempio:
Valore vecchio: 100
Valore nuovo: 120
Variazione: (120-100)/100 = 0,20 = 20% di aumento

# Crescita anno su anno
=(Vendite_2023 - Vendite_2022) / Vendite_2022 * 100

-- Variazione percentuale SQL
SELECT 
    anno,
    ricavi,
    LAG(ricavi) OVER (ORDER BY anno) AS ricavi_anno_precedente,
    ((ricavi - LAG(ricavi) OVER (ORDER BY anno)) / 
     LAG(ricavi) OVER (ORDER BY anno) * 100) AS var_perc
FROM vendite_annuali;

Rarità: Molto Comune Difficoltà: Facile

Business Intelligence e reporting (2 domande)

19. Cos'è un KPI e come si scelgono quelli giusti?

Risposta: KPI (Key Performance Indicator) è un valore misurabile che mostra quanto efficacemente vengono raggiunti gli obiettivi.

• Caratteristiche dei buoni KPI:
  • Specifico: Chiaro e ben definito
  • Misurabile: Quantificabile
  • Raggiungibile: Realistico
  • Rilevante: Allineato con gli obiettivi aziendali
  • Vincolato al tempo: Ha un intervallo di tempo
• Esempi:
  • Vendite: Entrate mensili, tasso di conversione
  • Marketing: Costo di acquisizione clienti, ROI
  • Operazioni: Tempo di evasione degli ordini, tasso di errore
  • Cliente: Punteggio di soddisfazione, tasso di fidelizzazione

Rarità: Comune Difficoltà: Facile

20. Come si presentano le informazioni sui dati alle parti interessate non tecniche?

Risposta: Una comunicazione efficace è fondamentale per gli analisti di dati.

• Migliori pratiche:
  • Inizia con la conclusione (ciò che devono sapere)
  • Usa visualizzazioni semplici (evita grafici complessi)
  • Racconta una storia (contesto, intuizione, raccomandazione)
  • Evita il gergo (spiega i termini tecnici)
  • Concentrati sull'impatto aziendale (entrate, costi, efficienza)
  • Fornisci raccomandazioni attuabili
  • Preparati alle domande
• Struttura:
  1. Riepilogo esecutivo
  2. Risultati chiave
  3. Dati/visualizzazioni di supporto
  4. Raccomandazioni
  5. Prossimi passi

Rarità: Comune Difficoltà: Media