一、技能软件类
1.EXCEL，上手容易，操作界面简单，对于10万条以下的数据处理还是非常有好的。
主要考察数据透视表的使用；表的关联也就是常说的vlookup；其次就是常用的函数，if,sumif,sumsifs,countif,countifs等，平时注意积累；数据可视化，趋势查看折线图，分组对比柱形图，相关性散点图等。
2.SQL
基础查询，数据的增删改查，对于数据分析人员来说对于增删改可能有涉及，但重点还是数据的查询。主要涉及，数据排序、聚合、分组、过滤、表的连接，表的合并，子查询。
高级查询，大多数是指窗口函数。
除了MySQL之外可能会涉及到Hive，据说大同小异，我还没有学习到，学习了之后和大家分享。
3.Python，数据分析三板斧，numpy，pandas，matplotlib,常用的 和数熟练程度，没啥诀窍，题海战术，多多练习吧。可能会涉及到一些机器学习的知识点，分类、回归，聚类等
4.数理统计，统计学，概率，参数估计，假设检验，A/B测试等。
二、逻辑思维
1.据说会有行测题，这个考过公务员的都懂，找规律加数据计算还有一些常识题，这个一方面靠积累一方面就是看临场发挥了。
2.费米问题，芝加哥钢琴师的故事估计大家都听烂了，可以听听天使艾米丽估算情侣的故事，核心思想就是给出合理预设去估算整理，无法做到精准但是可以做到一个比较好的量级估算，我最喜欢的故事就是费曼当年在炸弹爆炸的时候撒下纸片根据冲击波移动纸片的距离计算炸弹当量的故事。
三、业务场景
1.数据体系的搭建，主要思路是确定业务当前的核心目标，然后就是梳理流程，最后就是场景化。
定目标，比如对于电商核心指标就是GMV，而决定这个的耳机目标就是用户数×转化率×客单价对于这三个二级指标的增长的举措就是策略，比如增加广告投放，可以来增加用户数；提升详情页的内容提升转化率，改变产品组合以提高客单价等。
流程，就是用户进入到最终的事件转化圈路径，以电商为例，用户【搜索】-【商品页】-【加购】-【结算】。
场景化，就是对于流程每一个环节的目标度量和监控。
2.数据异动
访问量下降，付费用户下降目标如下降等，首先就是排查数据的准确性，数据出处，统计口径等，其次就是拉长统计周期，看看是否属于周期性波动，最后就是确定确实是异常点就许可对指标进行拆解，寻找波动的源头了。
以日活为例，已确认数据出处没有问题，无明显的周期性波动，就是单纯的数据异动。外部因素，政治、经济、社会、科技等，一般不会影响到具体的业务；其次就是竞品的分析。
内部因素，新老用户来区分，看看是老用户减少，还是新用户减少，新用户减少可以看看拉新的渠道是否有变化，新用户的属性变化等。老用户减少，则需要看看老用户的留存，去考虑，老用户减少是不是流失了，用户流失原因分析，画像以及流失模型的简历，对于那些有流失倾向的用户及时召回等。
3.场景的探索
业务活动的分析，首先需要确定活动的主题，拉新，转化、成单等，确定活动的主要目标，然后就是拆解转化因子然后就是对效果的对比，和预期对比，是否达到预期，和自身对比，活动前活动后是否有改变，横向对比，同类活动中效果如何，纵向对比，往期的效果如何，投入产出的对比，该类活动的收益如何。
项目的调研，行业分析、需求分析、竞品分析、是否可盈利分析等。
补充，辛普森悖论，就是关注比率却忽略量级的变化导致的。拆解维度的转化在上升，但是整体的转化却下降的问题。
