Вопросы для собеседования на должность младшего аналитика данных: Полное руководство

Введение

Аналитики данных преобразуют необработанные данные в действенные аналитические выводы, которые определяют бизнес-решения. Ожидается, что младшие аналитики данных будут обладать сильными навыками работы с Excel, SQL, инструментами визуализации данных и базовой статистикой для поддержки принятия решений на основе данных.

В этом руководстве рассматриваются основные вопросы для собеседования с младшими аналитиками данных. Мы рассмотрим функции Excel, запросы SQL, визуализацию данных с помощью Tableau и Power BI, основы статистики и лучшие практики анализа данных, чтобы помочь вам подготовиться к вашей первой роли аналитика данных.

Основы Excel (5 вопросов)

1. Какие наиболее важные функции Excel для анализа данных?

Ответ: Основные функции Excel, которые должен знать каждый аналитик данных:

• VLOOKUP/XLOOKUP: Поиск значений в таблицах
• IF/IFS: Условная логика
• SUMIF/SUMIFS: Условное суммирование
• COUNTIF/COUNTIFS: Условный подсчет
• СВОДНЫЕ ТАБЛИЦЫ: Обобщение и анализ данных
• INDEX/MATCH: Более гибкие, чем VLOOKUP
• Текстовые функции: LEFT, RIGHT, MID, CONCATENATE
• Функции даты: TODAY, DATEDIF, EOMONTH

# Пример VLOOKUP
=ВПР(A2; Products!A:C; 3; ЛОЖЬ)

# Пример SUMIFS (суммирование продаж, где region="Восток" и product="Виджет")
=СУММЕСЛИМН(Sales!C:C; Sales!A:A; "Восток"; Sales!B:B; "Виджет")

# Пример INDEX/MATCH (более гибкий, чем VLOOKUP)
=ИНДЕКС(Prices!C:C; ПОИСКПОЗ(A2; Prices!A:A; 0))

# Условное форматирование с IF
=ЕСЛИ(B2>1000; "Высокий"; ЕСЛИ(B2>500; "Средний"; "Низкий"))

Распространенность: Очень часто Сложность: Легко

2. Объясните разницу между VLOOKUP и INDEX/MATCH.

Ответ:

• VLOOKUP:
  • Более простой синтаксис
  • Ищет только вправо
  • Менее гибкий
  • Медленнее для больших наборов данных
• INDEX/MATCH:
  • Более сложный синтаксис
  • Может искать влево или вправо
  • Более гибкий
  • Более высокая производительность
  • Может возвращать целые строки/столбцы

# VLOOKUP - поиск значения в столбце A, возврат из столбца C
=ВПР(A2; A:C; 3; ЛОЖЬ)

# INDEX/MATCH - эквивалент, но более гибкий
=ИНДЕКС(C:C; ПОИСКПОЗ(A2; A:A; 0))

# Преимущество INDEX/MATCH: может искать влево
=ИНДЕКС(A:A; ПОИСКПОЗ(C2; C:C; 0))  # VLOOKUP этого не может

Распространенность: Очень часто Сложность: Легко

3. Как создать и использовать сводные таблицы?

Ответ: Сводные таблицы быстро обобщают большие наборы данных.

• Шаги:
  1. Выберите диапазон данных
  2. Вставка → Сводная таблица
  3. Перетащите поля в «Строки», «Столбцы», «Значения»
  4. Примените фильтры и форматирование
• Сценарии использования: Обобщение продаж по регионам, анализ тенденций, создание отчетов

# Структура сводной таблицы:
Строки: Категория продукта
Столбцы: Квартал
Значения: Сумма продаж
Фильтры: Регион

# Вычисляемые поля в сводных таблицах
Рентабельность = (Выручка - Себестоимость) / Выручка

# Группировка дат
Щелкните правой кнопкой мыши дату → Группировать → Выберите месяцы/кварталы/годы

Распространенность: Очень часто Сложность: Легко

4. Что такое условное форматирование и когда его следует использовать?

Ответ: Условное форматирование применяет визуальное форматирование на основе значений ячеек.

• Сценарии использования:
  • Выделить верхние/нижние значения
  • Показать гистограммы или цветовые шкалы
  • Определить дубликаты
  • Отметить выбросы
  • Создать тепловые карты

# Выделить ячейки больше 1000
Выберите диапазон → Условное форматирование → Правила выделения ячеек → Больше

# Цветовая шкала (градиент)
Выберите диапазон → Условное форматирование → Цветовые шкалы

# Гистограммы
Выберите диапазон → Условное форматирование → Гистограммы

# Пользовательская формула
=И(B2>1000; C2="Активный")

Распространенность: Часто Сложность: Легко

5. Как удалить дубликаты и обработать отсутствующие данные в Excel?

Ответ: Очистка данных необходима для точного анализа.

# Удалить дубликаты
Вкладка «Данные» → «Удалить дубликаты» → Выберите столбцы

# Найти дубликаты с помощью условного форматирования
Выберите диапазон → Условное форматирование → Правила выделения ячеек → Дублирующиеся значения

# Обработка отсутствующих данных
# Вариант 1: Фильтр и удаление
Отфильтруйте столбец → Снимите флажок (Пустые) → Удалите видимые строки

# Вариант 2: Заполнить средним значением
=ЕСЛИ(ЕПУСТО(A2); СРЗНАЧ(A:A); A2)

# Вариант 3: Заполнить вниз
Выберите диапазон → Ctrl+D (Windows) или Cmd+D (Mac)

# Найти и заменить пустые ячейки
Ctrl+H → Найти: (оставьте пустым) → Заменить на: 0 или Н/Д

Распространенность: Очень часто Сложность: Легко

Основы SQL (5 вопросов)

6. Напишите SQL-запрос для выбора всех столбцов из таблицы.

Ответ: Базовая инструкция SELECT извлекает данные из таблиц.

-- Выбрать все столбцы
SELECT * FROM employees;

-- Выбрать определенные столбцы
SELECT first_name, last_name, salary
FROM employees;

-- Выбрать с псевдонимом
SELECT 
    first_name AS "Имя",
    last_name AS "Фамилия",
    salary AS "Годовой оклад"
FROM employees;

-- Выбрать уникальные значения
SELECT DISTINCT department
FROM employees;

-- Ограничить результаты
SELECT * FROM employees
LIMIT 10;

Распространенность: Очень часто Сложность: Легко

7. Как фильтровать данные с помощью предложения WHERE?

Ответ: Предложение WHERE фильтрует строки на основе условий.

-- Простое условие
SELECT * FROM employees
WHERE salary > 50000;

-- Несколько условий с AND
SELECT * FROM employees
WHERE department = 'Sales' AND salary > 60000;

-- Несколько условий с OR
SELECT * FROM employees
WHERE department = 'Sales' OR department = 'Marketing';

-- Оператор IN
SELECT * FROM employees
WHERE department IN ('Sales', 'Marketing', 'IT');

-- Оператор BETWEEN
SELECT * FROM employees
WHERE salary BETWEEN 50000 AND 80000;

-- Оператор LIKE (сопоставление с образцом)
SELECT * FROM employees
WHERE first_name LIKE 'J%';  -- Начинается с J

-- IS NULL
SELECT * FROM employees
WHERE manager_id IS NULL;

-- Оператор NOT
SELECT * FROM employees
WHERE department NOT IN ('HR', 'Finance');

Распространенность: Очень часто Сложность: Легко

8. Объясните операции JOIN и их типы.

Ответ: JOIN объединяют данные из нескольких таблиц.

• INNER JOIN: Возвращает совпадающие строки из обеих таблиц
• LEFT JOIN: Возвращает все строки из левой таблицы, совпадающие из правой
• RIGHT JOIN: Возвращает все строки из правой таблицы, совпадающие из левой
• FULL OUTER JOIN: Возвращает все строки из обеих таблиц

-- INNER JOIN
SELECT e.first_name, e.last_name, d.department_name
FROM employees e
INNER JOIN departments d ON e.department_id = d.department_id;

-- LEFT JOIN (все сотрудники, даже без отдела)
SELECT e.first_name, e.last_name, d.department_name
FROM employees e
LEFT JOIN departments d ON e.department_id = d.department_id;

-- Несколько соединений
SELECT 
    e.first_name,
    d.department_name,
    l.city
FROM employees e
INNER JOIN departments d ON e.department_id = d.department_id
INNER JOIN locations l ON d.location_id = l.location_id;

-- Self join (сотрудники и их менеджеры)
SELECT 
    e.first_name AS employee,
    m.first_name AS manager
FROM employees e
LEFT JOIN employees m ON e.manager_id = m.employee_id;

Распространенность: Очень часто Сложность: Средний

9. Как использовать GROUP BY и агрегатные функции?

Ответ: GROUP BY группирует строки, а агрегатные функции обобщают данные.

-- Подсчет сотрудников по отделам
SELECT department, COUNT(*) AS employee_count
FROM employees
GROUP BY department;

-- Средняя зарплата по отделам
SELECT 
    department,
    AVG(salary) AS avg_salary,
    MIN(salary) AS min_salary,
    MAX(salary) AS max_salary
FROM employees
GROUP BY department;

-- Предложение HAVING (фильтр групп)
SELECT department, AVG(salary) AS avg_salary
FROM employees
GROUP BY department
HAVING AVG(salary) > 60000;

-- Несколько столбцов группировки
SELECT 
    department,
    job_title,
    COUNT(*) AS count,
    AVG(salary) AS avg_salary
FROM employees
GROUP BY department, job_title
ORDER BY department, avg_salary DESC;

-- Общие агрегатные функции
-- COUNT, SUM, AVG, MIN, MAX, COUNT(DISTINCT)

Распространенность: Очень часто Сложность: Средний

10. В чем разница между WHERE и HAVING?

Ответ:

• WHERE: Фильтрует строки перед группировкой
• HAVING: Фильтрует группы после группировки
• WHERE: Нельзя использовать агрегатные функции
• HAVING: Можно использовать агрегатные функции

-- WHERE - фильтр перед группировкой
SELECT department, AVG(salary) AS avg_salary
FROM employees
WHERE salary > 40000  -- Фильтр отдельных строк
GROUP BY department;

-- HAVING - фильтр после группировки
SELECT department, AVG(salary) AS avg_salary
FROM employees
GROUP BY department
HAVING AVG(salary) > 60000;  -- Фильтр групп

-- Оба вместе
SELECT department, AVG(salary) AS avg_salary
FROM employees
WHERE hire_date > '2020-01-01'  -- Сначала отфильтруйте строки
GROUP BY department
HAVING COUNT(*) > 5;  -- Затем отфильтруйте группы

-- Это было бы НЕПРАВИЛЬНО:
-- SELECT department FROM employees
-- WHERE COUNT(*) > 5;  -- Ошибка: нельзя использовать агрегат в WHERE

Распространенность: Очень часто Сложность: Легко

Визуализация данных (4 вопроса)

11. Каковы ключевые принципы эффективной визуализации данных?

Ответ: Хорошие визуализации четко передают аналитические выводы.

• Принципы:
  • Выберите правильный тип диаграммы (столбчатая для сравнения, линейная для тенденций, круговая для частей целого)
  • Сохраняйте простоту (избегайте беспорядка)
  • Используйте подходящие цвета (последовательные, доступные)
  • Четко маркируйте (заголовки, оси, легенды)
  • Расскажите историю (выделите ключевые идеи)
  • Учитывайте аудиторию (техническую и нетехническую)

Распространенность: Часто Сложность: Легко

12. Когда следует использовать столбчатую диаграмму, а когда — линейную?

Ответ: Различные типы диаграмм служат разным целям:

• Столбчатая диаграмма:
  • Сравнение категорий
  • Дискретные данные
  • Примеры: Продажи по регионам, сравнение продуктов
• Линейная диаграмма:
  • Показать тенденции во времени
  • Непрерывные данные
  • Примеры: Ежемесячный доход, цены на акции
• Другие диаграммы:
  • Круговая диаграмма: Части целого (используйте экономно)
  • Диаграмма рассеяния: Взаимосвязь между двумя переменными
  • Гистограмма: Распределение непрерывных данных

Распространенность: Часто Сложность: Легко

13. Что такое Tableau и каковы его основные функции?

Ответ: Tableau — ведущий инструмент визуализации данных и бизнес-аналитики.

• Основные функции:
  • Интерфейс перетаскивания (не требуется кодирование)
  • Подключение к нескольким источникам данных (базы данных, Excel, облако)
  • Интерактивные панели мониторинга
  • Обновления данных в реальном времени
  • Вычисляемые поля и параметры
  • Обмен и сотрудничество
• Типичные задачи:
  • Создание рабочих листов (отдельные визуализации)
  • Создание панелей мониторинга (несколько визуализаций)
  • Применение фильтров и параметров
  • Создание вычисляемых полей
  • Публикация на Tableau Server/Online

Распространенность: Очень часто Сложность: Легко

14. В чем разница между Tableau и Power BI?

Ответ: Оба являются популярными инструментами BI с разными сильными сторонами:

• Tableau:
  • Лучше для сложных визуализаций
  • Более интуитивно понятен для начинающих
  • Более сильные возможности визуализации данных
  • Дороже
• Power BI:
  • Лучшая интеграция с Microsoft
  • Более доступный
  • Силен для пользователей Excel
  • Лучше для моделирования данных
  • DAX для вычислений
• Выбор зависит от:
  • Бюджет
  • Существующий технологический стек
  • Сложность визуализаций
  • Навыки команды

Распространенность: Часто Сложность: Легко

Статистика и анализ (4 вопроса)

15. Какие меры центральной тенденции вы знаете?

Ответ: Меры центральной тенденции описывают центр набора данных:

• Среднее: Среднее значение (сумма / количество)
  • Чувствителен к выбросам
  • Используйте для нормально распределенных данных
• Медиана: Среднее значение при сортировке
  • Устойчив к выбросам
  • Используйте для скошенных данных
• Мода: Наиболее часто встречающееся значение
  • Используйте для категориальных данных

import numpy as np

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

mean = np.mean(data)  # 16.71 (зависит от выброса 100)
median = np.median(data)  # 3 (не зависит от выброса)
# mode = 2 (наиболее часто встречающееся)

print(f"Среднее: {mean}")
print(f"Медиана: {median}")

Распространенность: Очень часто Сложность: Легко

16. Как определить выбросы в наборе данных?

Ответ: Выбросы — это точки данных, которые значительно отличаются от других наблюдений.

• Методы:
  • Визуальный: Ящики с усами, диаграммы рассеяния
  • Статистический:
    • Метод IQR (1,5 × IQR за пределами Q1/Q3)
    • Z-оценка (|z| > 3)
    • Стандартное отклонение (за пределами 2-3 стандартных отклонений)

import numpy as np

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

# Метод 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"Выбросы: {outliers}")  # [100]

# Метод Z-оценки
mean = np.mean(data)
std = np.std(data)
z_scores = np.abs((data - mean) / std)
outliers_z = data[z_scores > 3]
print(f"Выбросы (Z-оценка): {outliers_z}")

Распространенность: Часто Сложность: Средний

17. В чем разница между корреляцией и причинно-следственной связью?

Ответ:

• Корреляция: Статистическая взаимосвязь между переменными
  • Измеряется коэффициентом корреляции (от -1 до 1)
  • Не подразумевает причинно-следственную связь
• Причинно-следственная связь: Одна переменная напрямую вызывает изменения в другой
  • Требуются контролируемые эксперименты
  • Корреляция необходима, но недостаточна

Примеры:

• Продажи мороженого и случаи утопления коррелируют (оба увеличиваются летом)
• Но мороженое не вызывает утопление (скрывающаяся переменная: температура)

-- Вычислить корреляцию в SQL (упрощенно)
SELECT 
    CORR(sales, temperature) AS correlation
FROM daily_data;

-- Положительная корреляция: оба увеличиваются вместе
-- Отрицательная корреляция: один увеличивается, другой уменьшается
-- Нулевая корреляция: нет взаимосвязи

Распространенность: Очень часто Сложность: Легко

18. Как рассчитать процентное изменение?

Ответ: Процентное изменение измеряет относительное изменение между двумя значениями.

# Формула
Процентное изменение = ((Новое значение - Старое значение) / Старое значение) × 100

# Формула Excel
=(B2-A2)/A2*100

# Пример:
Старое значение: 100
Новое значение: 120
Изменение: (120-100)/100 = 0,20 = увеличение на 20%

# Рост год к году
=(Sales_2023 - Sales_2022) / Sales_2022 * 100

-- Процентное изменение SQL
SELECT 
    year,
    revenue,
    LAG(revenue) OVER (ORDER BY year) AS prev_year_revenue,
    ((revenue - LAG(revenue) OVER (ORDER BY year)) / 
     LAG(revenue) OVER (ORDER BY year) * 100) AS pct_change
FROM annual_sales;

Распространенность: Очень часто Сложность: Легко

Бизнес-аналитика и отчетность (2 вопроса)

19. Что такое KPI и как выбрать правильные?

Ответ: KPI (ключевой показатель эффективности) — это измеримое значение, которое показывает, насколько эффективно достигаются цели.

• Характеристики хороших KPI:
  • Конкретный: Четкий и хорошо определенный
  • Измеримый: Количественный
  • Достижимый: Реалистичный
  • Релевантный: Соответствует бизнес-целям
  • Ограниченный по времени: Имеет временные рамки
• Примеры:
  • Продажи: Ежемесячный доход, коэффициент конверсии
  • Маркетинг: Стоимость привлечения клиента, ROI
  • Операции: Время выполнения заказа, частота ошибок
  • Клиент: Оценка удовлетворенности, коэффициент удержания

Распространенность: Часто Сложность: Легко

20. Как представить аналитические выводы нетехническим заинтересованным сторонам?

Ответ: Эффективная коммуникация имеет решающее значение для аналитиков данных.

• Лучшие практики:
  • Начните с вывода (что им нужно знать)
  • Используйте простые визуализации (избегайте сложных диаграмм)
  • Расскажите историю (контекст, понимание, рекомендация)
  • Избегайте жаргона (объясните технические термины)
  • Сосредоточьтесь на влиянии на бизнес (доход, затраты, эффективность)
  • Предоставьте действенные рекомендации
  • Будьте готовы к вопросам
• Структура:
  1. Краткое изложение для руководства
  2. Основные результаты
  3. Подтверждающие данные/визуализации
  4. Рекомендации
  5. Следующие шаги

Распространенность: Часто Сложность: Средний