Top 32 dataanalytikerinterviewspørgsmål og -svar (2025)

Her er dataanalytiker-interviewspørgsmål og svar til friskere såvel som erfarne dataanalysekandidater til at få deres drømmejob.

Gratis PDF-download: Spørgsmål til interview med dataanalytiker

1) Nævn, hvad er en dataanalytikers ansvar?

Ansvaret for en dataanalytiker omfatter,

• Yde support til al dataanalyse og koordinere med kunder og medarbejdere
• Løse forretningsrelaterede problemer for kunder og ydeevne revision på data
• Analysere resultater og fortolke data ved hjælp af statistiske teknikker og levere løbende rapporter
• Prioriter forretningsbehov og arbejd tæt sammen med ledelses- og informationsbehov
• Identificer ny proces eller områder for forbedringsmuligheder
• Analysere, identificere og fortolke tendenser eller mønstre i komplekse datasæt
• Indhente data fra primære eller sekundære datakilder og vedligeholde databaser/datasystemer
• Filtrer og "rens" data, og gennemgå computerrapporter
• Bestem ydeevneindikatorer for at lokalisere og rette kodeproblemer
• Sikring af database ved at udvikle adgangssystem ved at bestemme brugerniveau for adgang

---

2) Hvad kræves der for at blive dataanalytiker?

For at blive dataanalytiker,

• Robust viden om rapporteringspakker (Business Objects), programmeringssprog (XML, Javascript eller ETL frameworks), databaser (SQL, SQLite osv.)
• Stærke færdigheder med evnen til at analysere, organisere, indsamle og formidle big data med nøjagtighed
• Teknisk viden inden for databasedesign, datamodeller, datamining og segmenteringsteknikker
• Stærk viden om statistiske pakker til analyse af store datasæt (SAS, Excel, SPSS osv.)

---

3) Nævn hvad er de forskellige trin i et analyseprojekt?

Forskellige trin i et analyseprojekt omfatter

• Problemdefinition
• Data efterforskning
• Forberedelse af data
• Støbning
• Validering af data
• Implementering og sporing

---

4) Nævn, hvad er datarensning?

Datarensning også kaldet datarensning, beskæftiger sig med at identificere og fjerne fejl og uoverensstemmelser fra data for at forbedre kvaliteten af ​​data.

---

5) Liste over nogle af de bedste praksisser for datarensning?

Nogle af de bedste praksisser for datarensning omfatter,

• Sorter data efter forskellige attributter
• For store datasæt renser det trinvist og forbedrer dataene for hvert trin, indtil du opnår en god datakvalitet
• For store datasæt skal du opdele dem i små data. At arbejde med færre data vil øge din iterationshastighed
• For at håndtere almindelige renseopgaver skal du oprette et sæt hjælpefunktioner/værktøjer/scripts. Det kan omfatte gentilknytning af værdier baseret på en CSV-fil eller SQL-database eller, regex søg-og-erstat, udtømning af alle værdier, der ikke matcher et regex
• Hvis du har et problem med datarenslighed, skal du arrangere dem efter estimeret frekvens og angribe de mest almindelige problemer
• Analyser oversigtsstatistikken for hver kolonne (standardafvigelse, gennemsnit, antal manglende værdier)
• Hold styr på hver dato rengøring, så du kan ændre ændringer eller fjerne operationer, hvis det er nødvendigt

---

6) Forklar hvad der er logistisk regression?

Logistisk regression er en statistisk metode til at undersøge et datasæt, hvor der er en eller flere uafhængige variable, der definerer et udfald.

---

7) Liste over nogle bedste værktøjer, der kan være nyttige til dataanalyse?

Følgende er de bedste dataanalyseværktøjer

• Tableau
• RapidMiner
• OpenRefine
• KNIME
• Google søgeoperatører
• Solver
• NodeXL
• io
• Wolfram Alpha
• Google Fusion-tabeller

---

8) Nævn hvad er forskellen mellem datamining og dataprofilering?

Forskellen mellem datamining og dataprofilering er det

Dataprofilering: Den er rettet mod instansanalyse af individuelle attributter. Det giver information om forskellige attributter som værdiområde, diskret værdi og deres frekvens, forekomst af nulværdier, datatype, længde osv.

Data Mining: Det fokuserer på klyngeanalyse, påvisning af usædvanlige optegnelser, afhængigheder, sekvensopdagelse, relationshold mellem flere attributter osv.

---

9) Liste over nogle almindelige problemer, som dataanalytiker står over for?

Nogle af de almindelige problemer, som dataanalytiker står over for, er

• Almindelig stavefejl
• Duplikerede poster
• Manglende værdier
• Ulovlige værdier
• Varierende værdigengivelser
• Identifikation af overlappende data

---

10) Nævn navnet på det framework udviklet af Apache til behandling af store datasæt til en applikation i et distribueret computermiljø?

Hadoop og MapReduce er programmeringsrammerne udviklet af Apache til behandling af store datasæt til en applikation i et distribueret computermiljø.

---

11) Nævn hvad er de manglende mønstre, der generelt observeres?

De manglende mønstre, der generelt observeres, er

• Mangler helt tilfældigt
• Mangler tilfældigt
• Mangler det afhænger af selve den manglende værdi
• Mangler det afhænger af uobserveret inputvariabel

---

12) Forklar, hvad er KNN imputationsmetode?

I KNN-imputering imputeres de manglende attributværdier ved at bruge den attributværdi, der minder mest om den attribut, hvis værdier mangler. Ved at bruge en afstandsfunktion bestemmes ligheden mellem to attributter.

---

3) Nævn hvilke datavalideringsmetoder, der bruges af dataanalytiker?

Normalt er metoder, der bruges af dataanalytiker til datavalidering

• Datascreening
• Datakontrol

---

14) Forklar, hvad der skal gøres med mistænkte eller manglende data?

• Udarbejd en valideringsrapport, der giver information om alle mistænkte data. Det bør give oplysninger som valideringskriterier for, at det mislykkedes, og dato og tidspunkt for hændelsen
• Erfaringspersonale bør undersøge de mistænkelige data for at afgøre, om de er acceptable
• Ugyldige data skal tildeles og erstattes med en valideringskode
• For at arbejde med manglende data skal du bruge den bedste analysestrategi som sletningsmetode, enkeltimputationsmetoder, modelbaserede metoder osv.

---

15) Nævn, hvordan man håndterer multi-source problemer?

For at håndtere problemerne med flere kilder,

• Omstrukturering af skemaer for at opnå en skemaintegration
• Identificer lignende poster og flet dem til en enkelt post, der indeholder alle relevante attributter uden redundans

---

16) Forklar, hvad en Outlier er?

Outlier er et almindeligt brugt udtryk af analytikere, der henvises til en værdi, der forekommer langt væk og afviger fra et overordnet mønster i en prøve. Der er to typer af outliers

• Univariat
• Multivariat

---

17) Forklar, hvad er hierarkisk klyngealgoritme?

Hierarkisk klyngealgoritme kombinerer og opdeler eksisterende grupper og skaber en hierarkisk struktur, der viser den rækkefølge, grupperne er opdelt eller flettet i.

---

18) Forklar, hvad er K-middelalgoritme?

K mean er en berømt partitioneringsmetode. Objekter er klassificeret som tilhørende en af ​​K grupper, k valgt på forhånd.

I K-middel algoritme,

• Klyngerne er sfæriske: datapunkterne i en klynge er centreret omkring den klynge
• Variansen/spredningen af ​​klyngerne er ens: Hvert datapunkt hører til den nærmeste klynge

---

19) Nævn hvilke nøglefærdigheder, der kræves for dataanalytiker?

En data scientist skal have følgende færdigheder

• Database viden

• Databasestyring
• Datablanding
• Forespørger
• Datamanipulation

• Prediktiv Analytics

• Grundlæggende beskrivende statistik
• Forudsigelig modellering
• Avanceret analyse

• Big Data viden

• Big data analyse
• Ustruktureret dataanalyse
• Maskinelæring

• Præsentationsfærdighed

• Data visualisering
• Indsigt præsentation
• Rapport design

---

20) Forklar, hvad er kollaborativ filtrering?

Kollaborativ filtrering er en simpel algoritme til at skabe et anbefalingssystem baseret på brugeradfærdsdata. De vigtigste komponenter i kollaborativ filtrering er brugere- varer- interesse.

Et godt eksempel på kollaborativ filtrering er, når du ser en erklæring som "anbefalet til dig" på online shopping-websteder, der dukker op baseret på din browserhistorik.

---

21) Forklar hvilke værktøjer der bruges i Big Data?

Værktøjer brugt i Big Data inkluderer

• Hadoop
• Hive
• Gris
• Flume
• Mahout
• Sqoop

---

22) Forklar hvad er KPI, design af eksperimenter og 80/20 regel?

CPI: Det står for Key Performance Indicator, det er en metrik, der består af enhver kombination af regneark, rapporter eller diagrammer om forretningsprocesser

Design af eksperimenter: Det er den indledende proces, der bruges til at opdele dine data, prøve og opsætte data til statistisk analyse

80/20 regler: Det betyder, at 80 procent af din indkomst kommer fra 20 procent af dine kunder

---

23) Forklar, hvad er Map Reduce?

Map-reduce er en ramme til at behandle store datasæt, opdele dem i undersæt, behandle hvert undersæt på en anden server og derefter blande resultater opnået på hver.

---

24) Forklar, hvad er Clustering? Hvad er egenskaberne for klyngealgoritmer?

Clustering er en klassificeringsmetode, der anvendes på data. Klyngealgoritme opdeler et datasæt i naturlige grupper eller klynger.

Egenskaber for klyngealgoritme er

• Hierarkisk eller flad
• iterativ
• Hård og blød
• Disjunktiv

---

25) Hvad er nogle af de statistiske metoder, der er nyttige for dataanalytiker?

Statistiske metoder, der er nyttige for dataforskere er

• Bayesiansk metode
• Markov proces
• Rumlige og klyngeprocesser
• Rangstatistikker, percentil, afvigende påvisning
• Imputationsteknikker mv.
• Simplex algoritme
• Matematisk optimering

---

26) Hvad er tidsserieanalyse?

Tidsserieanalyse kan udføres i to domæner, frekvensdomæne og tidsdomæne. I tidsserieanalyse kan outputtet af en bestemt proces forudsiges ved at analysere de tidligere data ved hjælp af forskellige metoder som eksponentiel udjævning, log-lineær regressionsmetode osv.

---

27) Forklar, hvad er korrelogramanalyse?

En korrelogramanalyse er den almindelige form for rumlig analyse i geografi. Den består af en række estimerede autokorrelationskoefficienter beregnet for et andet rumligt forhold. Det kan bruges til at konstruere et korrelogram for afstandsbaserede data, når de rå data udtrykkes som afstand frem for værdier på individuelle punkter.

---

28) Hvad er en hash-tabel?

I databehandling er en hash-tabel et kort over nøgler til værdier. Det er en datastruktur bruges til at implementere et associativt array. Den bruger en hash-funktion til at beregne et indeks til en matrix af slots, hvorfra den ønskede værdi kan hentes.

---

29) Hvad er hash-bordkollisioner? Hvordan undgås det?

En hash-tabelkollision sker, når to forskellige nøgler hash til samme værdi. To data kan ikke gemmes i samme slot i arrayet.

For at undgå hash-bordkollision er der mange teknikker, her lister vi to

• Separat kæde:

Det bruger datastrukturen til at gemme flere elementer, der hash til den samme slot.

• Åben adressering:

Den søger efter andre pladser ved hjælp af en anden funktion og gemmer element i den første tomme plads, der er fundet

---

29) Forklar, hvad er imputation? Liste over forskellige typer imputationsteknikker?

Under imputation erstatter vi manglende data med substituerede værdier. De typer af imputationsteknikker involverer er

• Enkelt imputation

• Hot-deck imputation: En manglende værdi imputeres fra en tilfældigt valgt lignende post ved hjælp af hulkort
• Cold deck imputation: Det fungerer på samme måde som hot deck imputation, men det er mere avanceret og udvælger donorer fra andre datasæt
• Gennemsnitlig imputation: Det indebærer at erstatte manglende værdi med middelværdien af ​​denne variabel for alle andre tilfælde
• Regression imputation: Det involverer at erstatte manglende værdi med de forudsagte værdier af en variabel baseret på andre variabler
• Stokastisk regression: Det er det samme som regressionsimputation, men det tilføjer den gennemsnitlige regressionsvarians til regressionsimputation

• Multiple imputation

• I modsætning til enkelt imputation estimerer multiple imputation værdierne flere gange

---

30) Hvilken imputationsmetode er mere gunstig?

Selvom enkeltimputation er meget udbredt, afspejler det ikke den usikkerhed, der skabes af manglende data tilfældigt. Så multipel imputation er mere gunstig end enkelt imputation i tilfælde af, at data mangler tilfældigt.

---

31) Forklar, hvad er n-gram?

N-gram:

Et n-gram er en sammenhængende sekvens af n elementer fra en given sekvens af tekst eller tale. Det er en type probabilistisk sprogmodel til at forudsige det næste element i en sådan rækkefølge i form af en (n-1).

---

32) Forklar hvad kriterierne er for en god datamodel?

Kriterier for en god datamodel omfatter

• Det kan nemt indtages
• Store dataændringer i en god model bør være skalerbare
• Det skal give en forudsigelig ydeevne
• En god model kan tilpasse sig ændringer i krav

Disse interviewspørgsmål vil også hjælpe i din viva(orals)