我听大家跟我吐槽最多的就是：干啥不行，非得学数分？
听到最多学数分的理由就是：数据分析工资很高，不用加班，不写代码，2、3 年月薪就有 3w+。
但也有不少人说，真能开出这种薪资的基本都是大厂，小厂能给出这个价的怎么也得是总监以上级别了，看看那些 JD ，再看看自己之前的工作一直是 sql boy，大厂的数分是不是都在建模？自己能面的上么？
其实说实话，现在互联网大厂面试问的理论问题，在工作中绝大部分时候是用不到的。这种“面试造火箭，工作拧螺丝”的情况一直存在。
只要学会对面试问题进行总结和引申，你会发现大部分面试都大同小异。
前段时间朋友去面试了字节的数据分析岗，前前后后聊了 4 轮，最后如愿拿到了 Offer，他总结了大厂的一些必考点和加薪点，也和大家展开说说。
1、数据分析工具（excel、sql、Python、tableau）
对工具的考察肯定避免不了。
比如， sql 考察如何进行取数以及基础的数据处理；
python 考察基础的语法以及对数据处理的能力，涉及到 python pandas, numpy的基础语法以及处理数据的例子；
另外，面试官基本都会根据你简历中写的工具进行提问，比如写 SPSS 熟练，一般会被问：
“给你一组客户问卷调研数据，你如何通过SPSS来划分客户画像”；
“客户在各收入段的差异性（显著性）如何检验”等等。
2、统计学与基础机器学习算法
统计学主要考察一些原理， 比如假设检验， 方差分析， T检验， 中心极限定理；
基础的机器学习算法主要考察常见的分类算法，如决策树， 逻辑回归， KNN， SVM；
聚类算法，如 kmeans , DBSCAN；
时间序列算法：Arima ,差分；
3、AB test 实验
这点可以单拿出来说一下，AB test 现在大厂考察的越来越多， 特别是以数据驱动的头条，主要考察 AB test 的完整的流程，常见的问题是：
-
AB test 中的假设检验原理是什么跟 AB test 结合的；
-
如何选择实验的样本量；
-
指标的提升怎么判断显著性；
-
实验做多长时间， 为什么；
-
AA 检验怎么做， 怎么判断 AA 做的科学；
4、思维及学习能力
思维能力的考察是薪资差异最主要的地方，一般会贯穿整个面试过程，当然也会抛出 1-2 个案例来，看看你的应试能力。
比如，“最近我们的订单量下降了5%，你该做些什么”之类的业务问题。
而学习能力会比较直接的被提问，进行了哪些自我充电。我朋友和字节面试官聊到最近正在看《深入浅出数据分析》，接着就被问“看了第一章的销售与广告的案例，你有什么感悟”。可见平时的学习和自我提升也是很有必要的。
掌握了上面这几个面试必考点，月薪往 35k 以上要，肯定没什么问题。
那怎么能达到这个水平呢？谁网盘里还没有几十个 G 的资料呢，最后不还是放着吃灰。
所以我不建议大家自学，而是要跟着大佬学，毕竟人家经历过真实的项目，从实操中总结出的方法，肯定能让你少走不少弯路。
我看过市面上很多课程，都是教你工具怎么使用，但没办法帮你摆脱“人肉取数机”，更不能从业务角度带你做数据分析。
一次偶然的机会，受朋友的邀请听了一次哈佛博士Python课程演讲感觉真的受益匪，很多东西讲得特别的透彻明了。事后朋友将这位教授亲授的Python教程600集＋学习路线＋练手项目发给了我，我现将这份落灰的资料给大家拿出来希望对你们学习有所帮助！
正文：视频资料＋学习路线＋练手项目视频资料
学习路线
70个Python项目： 如果觉得这篇博客对你有帮助，还希望各位不吝点下免费的赞和收藏以及关注，这样就能让更多的同学看到本篇文章，也能帮助更多的同学！
（收藏帅三代，点赞富一生，评论幸福永相伴）
感谢您的阅读！
