本书主要讲解了应对数据分析师面试所需的基础知识与典型面试题的解答方法，内容以读者的阅读需求进行架构，力求使读者对面试题涉及的原理与解题思路有清晰的认知，以帮助读者在面试时举一反三，从容作答。
本书共分为7章。第1章介绍了正确认识数据分析的一些必要知识，以及用人单位对数据分析师的要求；第2～5章，分别介绍了概率论与数理统计基础、分析工具的使用、面试时常见的数据思维、数据挖掘等4个部分的知识，其中分析工具包括Python、Pandas、SQL和Excel；第6章讲解了知名公司近年来典型面试题的解题思路；第7章讲解面试中除了答题之外的其他方面的知识，并基于真实的面试流程，从面试技巧角度给出了建议。
本书适合想从事数据分析及相关岗位工作的读者阅读。

第1章 当我们谈论数据分析时，我们在谈论什么
1.1 关于数据分析，你需要知道的
1.1.1 什么是数据分析
1.1.2 为什么很多人学习数据分析
1.1.3 数据分析在各个行业的应用
1.2 用人单位需要什么样的数据分析师
1.2.1 数据分析师的分类
1.2.2 对偏业务的数据分析师的要求
1.2.3 对偏技术的数据分析师的要求
1.2.4 总结
第2章 简单回顾概率论与数理统计
2.1 描述统计
2.1.1 四分位数
2.1.2 方差与标准差
2.2 概率计算
2.2.1 排列组合
2.2.2 概率
2.3 概率分布
2.3.1 常见的数据类型
2.3.2 正态分布
2.3.3 幂律分布
2.4 统计推断
2.4.1 点估计与区间估计
2.4.2 假设检验
第3章 面试必考的分析工具及相关知识点
3.1 Python
3.1.1 变量
3.1.2 条件语句
3.1.3 循环语句
3.1.4 数据结构
3.1.5 函数的定义与使用
3.1.6 面试题集合
3.2 Pandas
3.2.1 Pandas的引用
3.2.2 文件读取与储存
3.2.3 数据查询
3.2.4 对数据分组
3.2.5 对数据排序
3.2.6 表格的合并
3.2.7 索引的使用
3.2.8 时间格式处理
3.3 SQL
3.3.1 查询
3.3.2 去掉重复值
3.3.3 条件查询
3.3.4 运算符
3.3.5 对查询结果排序
3.3.6 新增数据
3.3.7 修改数据
3.3.8 删除数据
3.3.9 模糊查询
3.3.10 在指定范围查询
3.3.11 聚合函数
3.3.12 对数据分组
3.3.13 分组后按条件查询
3.3.14 提取数据
3.3.15 对数据排名
3.3.16 连接查询
3.3.17 子查询
3.3.18 CASE函数
3.3.19 时间的处理
3.4 Excel
3.4.1 典型函数的应用
3.4.2 常用的图表制作
第4章 面试时常见的数据思维能力考查
4.1 战略类场景
4.1.1 进入新市场
4.1.2 产业分析
4.1.3 兼并收购分析
4.1.4 开发新产品
4.1.5 定价策略
4.1.6 增长型战略
4.1.7 开展新业务
4.1.8 应对竞争
4.2 经营类场景
4.2.1 提升销量
4.2.2 降低成本
4.2.3 提高盈亏底线
4.2.4 危机问题
第5章 不可不知的数据挖掘知识
5.1 数据挖掘步骤
5.1.1 探索性数据分析
5.1.2 预处理
5.1.3 特征工程
5.1.4 数学建模
5.1.5 模型评估
5.1.6 模型部署
5.2 常见的几种算法题目
5.2.1 线性回归
5.2.2 逻辑回归
5.2.3 决策树
5.2.4 随机森林
第6章 知名公司的典型面试题讲解
6.1 单选题
6.2 多选题
6.3 填空题
6.4 问答题
6.5 编程题
第7章 关于面试的那些事儿
7.1 求职前准备
7.1.1 求职前自我认知和定位
7.1.2 校园招聘和社会招聘，要求有啥不同
7.2 面试流程
7.2.1 如何制作和投递简历
7.2.2 笔试
7.2.3 面试，要做好充分准备
7.3 真实的面试经历
7.3.1 国内某大型母婴用品电商公司面试经历
7.3.2 某知名互联网公司面试经历
7.3.3 阿里旗下某全资子公司面试经历
7.4 面试技巧
7.4.1 做好减法和加法
7.4.2 做好自我介绍
7.4.3 积极平和的面试心态
7.4.4 面试前研究职位描述
7.4.5 谈薪技巧