คำถามและคำตอบสัมภาษณ์นักวิเคราะห์ข้อมูล 32 อันดับแรก (2025)

ต่อไปนี้เป็นคำถามและคำตอบในการสัมภาษณ์นักวิเคราะห์ข้อมูลสำหรับนักศึกษาใหม่รวมถึงผู้สมัครงานวิเคราะห์ข้อมูลที่มีประสบการณ์เพื่อให้ได้งานในฝัน

ดาวน์โหลด PDF ฟรี: คำถามสัมภาษณ์นักวิเคราะห์ข้อมูล

1) พูดถึงความรับผิดชอบของนักวิเคราะห์ข้อมูลคืออะไร?

ความรับผิดชอบของนักวิเคราะห์ข้อมูล ได้แก่

• ให้การสนับสนุนการวิเคราะห์ข้อมูลทั้งหมดและประสานงานกับลูกค้าและพนักงาน
• แก้ไขปัญหาที่เกี่ยวข้องกับธุรกิจสำหรับลูกค้าและการดำเนินการ การตรวจสอบบัญชี บนข้อมูล
• วิเคราะห์ผลลัพธ์และตีความข้อมูลโดยใช้เทคนิคทางสถิติและจัดทำรายงานอย่างต่อเนื่อง
• จัดลำดับความสำคัญความต้องการทางธุรกิจและทำงานอย่างใกล้ชิดกับความต้องการด้านการจัดการและข้อมูล
• ระบุกระบวนการใหม่หรือพื้นที่สำหรับโอกาสในการปรับปรุง
• วิเคราะห์ ระบุ และตีความแนวโน้มหรือรูปแบบในชุดข้อมูลที่ซับซ้อน
• รับข้อมูลจากแหล่งข้อมูลหลักหรือทุติยภูมิและดูแลฐานข้อมูล / ระบบข้อมูล
• กรองและ "ล้าง" ข้อมูล และตรวจสอบรายงานของคอมพิวเตอร์
• กำหนดตัวบ่งชี้ประสิทธิภาพเพื่อค้นหาและแก้ไขปัญหาโค้ด
• การรักษาความปลอดภัยฐานข้อมูลโดยการพัฒนาระบบการเข้าถึงโดยการกำหนดระดับการเข้าถึงของผู้ใช้

---

2) สิ่งที่จำเป็นในการเป็นนักวิเคราะห์ข้อมูล?

ในการเป็นนักวิเคราะห์ข้อมูล

• ความรู้ที่แข็งแกร่งเกี่ยวกับแพ็คเกจการรายงาน (Business Objects), ภาษาการเขียนโปรแกรม (XML, Javascript หรือกรอบงาน ETL), ฐานข้อมูล (SQL, SQLมัน ฯลฯ)
• ทักษะที่แข็งแกร่งพร้อมความสามารถในการวิเคราะห์ จัดระเบียบ รวบรวม และเผยแพร่ข้อมูลขนาดใหญ่อย่างแม่นยำ
• ความรู้ทางเทคนิคในการออกแบบฐานข้อมูล แบบจำลองข้อมูล การทำเหมืองข้อมูล และเทคนิคการแบ่งส่วน
• มีความรู้ที่ดีเกี่ยวกับแพ็คเกจทางสถิติสำหรับการวิเคราะห์ชุดข้อมูลขนาดใหญ่ (SAS, Excel, SPSS ฯลฯ)

---

3) พูดถึงขั้นตอนต่างๆ ในโครงการการวิเคราะห์มีอะไรบ้าง

ขั้นตอนต่างๆ ในโครงการการวิเคราะห์ประกอบด้วย

• คำจำกัดความของปัญหา
• การสำรวจข้อมูล
• การเตรียมข้อมูล
• การสร้างแบบจำลอง
• การตรวจสอบความถูกต้องของข้อมูล
• การดำเนินการและการติดตาม

---

4) พูดถึงการล้างข้อมูลคืออะไร?

การล้างข้อมูลยังเรียกว่าการล้างข้อมูล ซึ่งเกี่ยวข้องกับการระบุและลบข้อผิดพลาดและความไม่สอดคล้องกันออกจากข้อมูลเพื่อปรับปรุงคุณภาพของข้อมูล

---

5) ระบุแนวทางปฏิบัติที่ดีที่สุดสำหรับการล้างข้อมูล?

แนวปฏิบัติที่ดีที่สุดบางประการสำหรับการล้างข้อมูล ได้แก่

• จัดเรียงข้อมูลตามคุณลักษณะที่แตกต่างกัน
• สำหรับชุดข้อมูลขนาดใหญ่ ให้ล้างข้อมูลตามขั้นตอนและปรับปรุงข้อมูลในแต่ละขั้นตอนจนกว่าคุณจะได้ข้อมูลที่มีคุณภาพดี
• สำหรับชุดข้อมูลขนาดใหญ่ ให้แยกออกเป็นข้อมูลขนาดเล็ก การทำงานกับข้อมูลน้อยลงจะช่วยเพิ่มความเร็วในการทำซ้ำของคุณ
• ในการจัดการงานทำความสะอาดทั่วไป ให้สร้างชุดฟังก์ชัน/เครื่องมือ/สคริปต์ของยูทิลิตี้ อาจรวมถึงการแมปค่าใหม่ตามไฟล์ CSV หรือฐานข้อมูล SQL หรือการค้นหาและแทนที่ regex การล้างค่าทั้งหมดที่ไม่ตรงกับ regex
• หากคุณมีปัญหาเกี่ยวกับความสะอาดของข้อมูล ให้จัดเรียงตามความถี่โดยประมาณและโจมตีปัญหาที่พบบ่อยที่สุด
• วิเคราะห์สถิติสรุปของแต่ละคอลัมน์ ( ส่วนเบี่ยงเบนมาตรฐาน ค่าเฉลี่ย จำนวนค่าที่หายไป)
• ติดตามการดำเนินการทำความสะอาดทุกวัน เพื่อให้คุณสามารถเปลี่ยนแปลงการเปลี่ยนแปลงหรือลบการดำเนินการได้หากจำเป็น

---

6) อธิบายว่ามันคืออะไร โลจิสติก การถดถอย?

การถดถอยโลจิสติกเป็นวิธีการทางสถิติสำหรับการตรวจสอบชุดข้อมูลที่มีตัวแปรอิสระหนึ่งตัวหรือมากกว่าที่กำหนดผลลัพธ์

---

7) รายการเครื่องมือที่ดีที่สุดบางส่วนที่เป็นประโยชน์สำหรับการวิเคราะห์ข้อมูล?

ต่อไปนี้เป็นเครื่องมือวิเคราะห์ข้อมูลที่ดีที่สุด

• ฉาก
• ราปิดไมเนอร์
• โอเพนรีไฟน์
• ไคม์
• โอเปอเรเตอร์การค้นหาของ Google
• ตัวแก้
• NodeXL
• io
• วุลแฟรม อัลฟ่า
• ตาราง Google Fusion

---

8) พูดถึงความแตกต่างระหว่างการทำเหมืองข้อมูลและการทำโปรไฟล์ข้อมูลคืออะไร?

ความแตกต่างระหว่างการทำเหมืองข้อมูลและการทำโปรไฟล์ก็คือ

การทำโปรไฟล์ข้อมูล: โดยมีเป้าหมายไปที่การวิเคราะห์อินสแตนซ์ของคุณลักษณะแต่ละรายการ โดยให้ข้อมูลเกี่ยวกับคุณลักษณะต่างๆ เช่น ช่วงของค่า ค่าแยกและความถี่ ค่าว่างที่เกิดขึ้น ประเภทข้อมูล ความยาว ฯลฯ

การขุดข้อมูล: โดยมุ่งเน้นไปที่การวิเคราะห์คลัสเตอร์ การตรวจหาบันทึกที่ผิดปกติ การขึ้นต่อกัน การค้นพบลำดับ การถือครองความสัมพันธ์ระหว่างคุณลักษณะต่างๆ เป็นต้น

---

9) แสดงรายการปัญหาทั่วไปที่นักวิเคราะห์ข้อมูลต้องเผชิญ

ปัญหาทั่วไปบางประการที่นักวิเคราะห์ข้อมูลต้องเผชิญคือ

• การสะกดผิดที่พบบ่อย
• รายการที่ซ้ำกัน
• ค่าที่ขาดหายไป
• ค่านิยมที่ผิดกฎหมาย
• การแสดงคุณค่าที่แตกต่างกัน
• การระบุข้อมูลที่ทับซ้อนกัน

---

10) พูดถึงชื่อของเฟรมเวิร์กที่พัฒนาโดย Apache เพื่อประมวลผลชุดข้อมูลขนาดใหญ่สำหรับแอปพลิเคชันในสภาพแวดล้อมการคำนวณแบบกระจายหรือไม่

Hadoop และ MapReduce เป็นเฟรมเวิร์กการเขียนโปรแกรมที่พัฒนาโดย Apache สำหรับการประมวลผลชุดข้อมูลขนาดใหญ่สำหรับแอปพลิเคชันในสภาพแวดล้อมการคำนวณแบบกระจาย

---

11) กล่าวถึงรูปแบบที่หายไปซึ่งโดยทั่วไปสังเกตพบคืออะไร?

รูปแบบที่หายไปที่สังเกตได้โดยทั่วไปคือ

• หายไปโดยสิ้นเชิงโดยไม่ได้ตั้งใจ
• หายไปโดยบังเอิญ
• การหายไปนั้นขึ้นอยู่กับมูลค่าที่หายไปนั่นเอง
• การขาดหายไปนั้นขึ้นอยู่กับตัวแปรอินพุตที่ตรวจไม่พบ

---

12) อธิบายว่าวิธีการใส่ร้ายของ KNN คืออะไร

ในการใส่ค่า KNN ค่าแอททริบิวต์ที่หายไปจะถูกใส่โดยใช้ค่าแอททริบิวต์ที่คล้ายกับแอททริบิวต์ที่มีค่าหายไปมากที่สุด การใช้ฟังก์ชันระยะทางจะกำหนดความคล้ายคลึงกันของคุณลักษณะทั้งสอง

---

3) กล่าวถึงวิธีการตรวจสอบข้อมูลที่นักวิเคราะห์ข้อมูลใช้คืออะไร?

โดยปกติแล้ววิธีการที่นักวิเคราะห์ข้อมูลใช้ในการตรวจสอบข้อมูลคือ

• การคัดกรองข้อมูล
• การตรวจสอบข้อมูล

---

14) อธิบายว่าควรทำอย่างไรกับข้อมูลที่ต้องสงสัยหรือสูญหาย?

• จัดทำรายงานการตรวจสอบที่ให้ข้อมูลที่น่าสงสัยทั้งหมด ควรให้ข้อมูลเช่นเกณฑ์การตรวจสอบว่าล้มเหลวและวันที่และเวลาที่เกิดขึ้น
• บุคลากรที่มีประสบการณ์ควรตรวจสอบข้อมูลที่น่าสงสัยเพื่อพิจารณาการยอมรับ
• ควรกำหนดข้อมูลที่ไม่ถูกต้องและแทนที่ด้วยรหัสตรวจสอบ
• ในการทำงานกับข้อมูลที่ขาดหายไป ให้ใช้กลยุทธ์การวิเคราะห์ที่ดีที่สุด เช่น วิธีการลบ วิธีการใส่ข้อมูลเดี่ยว วิธีการตามแบบจำลอง ฯลฯ

---

15) พูดถึงวิธีจัดการกับปัญหาจากหลายแหล่ง?

เพื่อจัดการกับปัญหาจากหลายแหล่ง

• การปรับโครงสร้างของสคีมาเพื่อให้การรวมสคีมาบรรลุผลสำเร็จ
• ระบุบันทึกที่คล้ายกันและรวมเป็นบันทึกเดียวที่มีคุณลักษณะที่เกี่ยวข้องทั้งหมดโดยไม่มีความซ้ำซ้อน

---

16) อธิบายว่า Outlier คืออะไร?

ค่าผิดปกติเป็นคำที่ใช้กันทั่วไปโดยนักวิเคราะห์ที่อ้างถึงค่าที่ปรากฏห่างไกลและแตกต่างจากรูปแบบโดยรวมในกลุ่มตัวอย่าง ค่าผิดปกติมีสองประเภท

• ตัวแปร
• หลายตัวแปร

---

17) อธิบายว่าอัลกอริธึมการจัดกลุ่มแบบลำดับชั้นคืออะไร?

อัลกอริธึมการจัดกลุ่มแบบลำดับชั้นจะรวมและแบ่งกลุ่มที่มีอยู่ สร้างโครงสร้างแบบลำดับชั้นที่แสดงลำดับการแบ่งหรือรวมกลุ่ม

---

18) อธิบายว่าอัลกอริทึม K-mean คืออะไร

K หมายถึงเป็นวิธีการแบ่งพาร์ติชั่นที่มีชื่อเสียง วัตถุถูกจัดอยู่ในกลุ่ม K กลุ่มใดกลุ่มหนึ่ง โดย k เลือกนิรนัย

ในอัลกอริทึม K-mean

• คลัสเตอร์มีลักษณะเป็นทรงกลม: จุดข้อมูลในคลัสเตอร์จะมีศูนย์กลางอยู่รอบคลัสเตอร์นั้น
• ความแปรปรวน/การแพร่กระจายของคลัสเตอร์จะคล้ายกัน: แต่ละจุดข้อมูลเป็นของคลัสเตอร์ที่ใกล้ที่สุด

---

19) พูดถึงทักษะหลักที่จำเป็นสำหรับ Data Analyst คืออะไร?

นักวิทยาศาสตร์ข้อมูลจะต้องมีทักษะดังต่อไปนี้

• ความรู้ฐานข้อมูล

• การจัดการฐานข้อมูล
• การผสมข้อมูล
• การสอบถาม
• การจัดการข้อมูล

• การวิเคราะห์เชิงทำนาย

• สถิติเชิงพรรณนาพื้นฐาน
• การสร้างแบบจำลองเชิงคาดการณ์
• การวิเคราะห์ขั้นสูง

• ความรู้ข้อมูลขนาดใหญ่

• การวิเคราะห์ข้อมูลขนาดใหญ่
• การวิเคราะห์ข้อมูลแบบไม่มีโครงสร้าง
• การเรียนรู้เครื่อง

• ทักษะการนำเสนอ

• การแสดงข้อมูล
• การนำเสนอข้อมูลเชิงลึก
• การออกแบบรายงาน

---

20) อธิบายว่าการกรองแบบร่วมมือคืออะไร?

การกรองร่วมกันเป็นอัลกอริธึมง่ายๆ ในการสร้างระบบการแนะนำตามข้อมูลพฤติกรรมของผู้ใช้ องค์ประกอบที่สำคัญที่สุดของการกรองร่วมกันคือ ผู้ใช้- รายการ- ดอกเบี้ย.

ตัวอย่างที่ดีของการกรองร่วมกันคือเมื่อคุณเห็นข้อความเช่น "แนะนำสำหรับคุณ" บนไซต์ช็อปปิ้งออนไลน์ที่ปรากฏขึ้นตามประวัติการเข้าชมของคุณ

---

21) อธิบายว่า Big Data ใช้เครื่องมืออะไรบ้าง?

เครื่องมือที่ใช้ใน Big Data ได้แก่

• Hadoop
• รัง
• หมู
• ไลเดอร์
• ควาญ
• สควอช

---

22) อธิบายว่า KPI การออกแบบการทดลอง และกฎ 80/20 คืออะไร

KPI: ย่อมาจาก Key Performance Indicator เป็นตัวชี้วัดที่ประกอบด้วยสเปรดชีต รายงาน หรือแผนภูมิเกี่ยวกับกระบวนการทางธุรกิจผสมกัน

การออกแบบการทดลอง: เป็นกระบวนการเริ่มต้นที่ใช้ในการแบ่งข้อมูล ตัวอย่าง และการตั้งค่าข้อมูลสำหรับการวิเคราะห์ทางสถิติ

กฎ 80/20: หมายความว่า 80 เปอร์เซ็นต์ของรายได้ของคุณมาจาก 20 เปอร์เซ็นต์ของลูกค้าของคุณ

---

23) อธิบายว่า Mapย่อคืออะไร?

Map-reduce เป็นเฟรมเวิร์กในการประมวลผลชุดข้อมูลขนาดใหญ่ โดยแยกออกเป็นชุดย่อย ประมวลผลแต่ละชุดย่อยบนเซิร์ฟเวอร์ที่แตกต่างกัน จากนั้นจึงผสมผสานผลลัพธ์ที่ได้รับในแต่ละชุด

---

24) อธิบายว่าการจัดกลุ่มคืออะไร? คุณสมบัติของอัลกอริธึมการจัดกลุ่มคืออะไร?

การจัดกลุ่มเป็นวิธีการจำแนกประเภทที่ใช้กับข้อมูล อัลกอริธึมการจัดกลุ่มแบ่งชุดข้อมูลออกเป็นกลุ่มหรือกลุ่มตามธรรมชาติ

คุณสมบัติสำหรับอัลกอริทึมการจัดกลุ่มคือ

• ลำดับชั้นหรือแบน
• ที่กล่าวย้ำ
• แข็งและอ่อน
• แยก

---

25) วิธีการทางสถิติที่มีประโยชน์สำหรับนักวิเคราะห์ข้อมูลมีอะไรบ้าง?

วิธีการทางสถิติที่เป็นประโยชน์สำหรับนักวิทยาศาสตร์ข้อมูลได้แก่

• วิธีแบบเบย์
• กระบวนการมาร์คอฟ
• กระบวนการเชิงพื้นที่และคลัสเตอร์
• สถิติอันดับ เปอร์เซ็นไทล์ การตรวจหาค่าผิดปกติ
• เทคนิคการใส่ร้าย ฯลฯ
• อัลกอริทึมซิมเพล็กซ์
• การเพิ่มประสิทธิภาพทางคณิตศาสตร์

---

26) การวิเคราะห์อนุกรมเวลาคืออะไร?

การวิเคราะห์อนุกรมเวลาสามารถทำได้ในสองโดเมน ได้แก่ โดเมนความถี่และโดเมนเวลา ในการวิเคราะห์อนุกรมเวลา ผลลัพธ์ของกระบวนการเฉพาะสามารถคาดการณ์ได้โดยการวิเคราะห์ข้อมูลก่อนหน้าโดยใช้วิธีการต่างๆ เช่น การปรับให้เรียบแบบเอกซ์โปเนนเชียล วิธีบันทึกการถดถอยเชิงเส้น ฯลฯ

---

27) อธิบายว่าการวิเคราะห์คอร์เรโลแกรมคืออะไร?

การวิเคราะห์คอร์เรโลแกรมเป็นรูปแบบหนึ่งของการวิเคราะห์เชิงพื้นที่ในภูมิศาสตร์ ประกอบด้วยชุดค่าสัมประสิทธิ์ความสัมพันธ์อัตโนมัติโดยประมาณที่คำนวณสำหรับความสัมพันธ์เชิงพื้นที่ที่แตกต่างกัน สามารถใช้เพื่อสร้างสหสัมพันธ์สำหรับข้อมูลตามระยะทาง เมื่อข้อมูลดิบแสดงเป็นระยะทางแทนที่จะเป็นค่าในแต่ละจุด

---

28) ตารางแฮชคืออะไร?

ในการคำนวณ ตารางแฮชคือแผนผังระหว่างคีย์กับค่าต่างๆ มันคือ โครงสร้างข้อมูล ใช้เพื่อสร้างอาเรย์แบบเชื่อมโยง มันใช้ฟังก์ชันแฮชเพื่อคำนวณดัชนีเป็น แถว ของช่องซึ่งสามารถดึงค่าที่ต้องการได้

---

29) การชนกันของตารางแฮชคืออะไร? จะหลีกเลี่ยงได้อย่างไร?

การชนกันของตารางแฮชเกิดขึ้นเมื่อคีย์ที่ต่างกันสองคีย์แฮชเป็นค่าเดียวกัน ข้อมูลสองรายการไม่สามารถจัดเก็บไว้ในช่องเดียวกันในอาร์เรย์ได้

เพื่อหลีกเลี่ยงการชนกันของตารางแฮช มีเทคนิคมากมาย เราจะนำเสนอสองวิธี

• แยกการผูกมัด:

ใช้โครงสร้างข้อมูลเพื่อจัดเก็บหลายรายการที่มีการแฮชในช่องเดียวกัน

• เปิดที่อยู่:

โดยจะค้นหาช่องอื่นๆ โดยใช้ฟังก์ชันที่สองและจัดเก็บรายการไว้ในช่องว่างช่องแรกที่พบ

---

29) อธิบายว่าการใส่ร้ายคืออะไร? แสดงรายการเทคนิคการใส่ร้ายประเภทต่างๆ?

ในระหว่างการใส่ข้อมูล เราจะแทนที่ข้อมูลที่หายไปด้วยค่าทดแทน ประเภทของเทคนิคการใส่ร้ายที่เกี่ยวข้องคือ

• การใส่ร้ายเดี่ยว

• การใส่ข้อมูลแบบ Hot-deck: ค่าที่หายไปจะถูกนำเข้าจากบันทึกที่คล้ายกันที่เลือกแบบสุ่มโดยความช่วยเหลือของบัตรเจาะ
• การใส่สำรับแบบเย็น: มันทำงานเหมือนกับการใส่สำรับแบบร้อน แต่มีขั้นสูงกว่าและเลือกผู้บริจาคจากชุดข้อมูลอื่น
• การใส่ร้ายค่าเฉลี่ย: มันเกี่ยวข้องกับการแทนที่ค่าที่หายไปด้วยค่าเฉลี่ยของตัวแปรนั้นสำหรับกรณีอื่นๆ ทั้งหมด
• การใส่ร้ายการถดถอย: มันเกี่ยวข้องกับการแทนที่ค่าที่หายไปด้วยค่าที่ทำนายของตัวแปรตามตัวแปรอื่น
• การถดถอยแบบสุ่ม: มันเหมือนกับการใส่ค่าการถดถอย แต่จะเพิ่มความแปรปรวนของการถดถอยโดยเฉลี่ยให้กับการใส่ค่าการถดถอย

• การใส่ร้ายหลายครั้ง

• ต่างจากการใส่ข้อมูลครั้งเดียว การใส่ข้อมูลหลายครั้งจะประมาณค่าหลายครั้ง

---

30) วิธีการใส่ร้ายแบบใดดีกว่ากัน?

แม้ว่าการใส่ข้อมูลเดี่ยวจะใช้กันอย่างแพร่หลาย แต่ก็ไม่ได้สะท้อนถึงความไม่แน่นอนที่เกิดจากข้อมูลที่ขาดหายไปโดยการสุ่ม ดังนั้นการใส่ข้อมูลหลายรายการจะดีกว่าการใส่ข้อมูลครั้งเดียวในกรณีที่ข้อมูลหายไปแบบสุ่ม

---

31) อธิบายว่า n-gram คืออะไร?

N-กรัม:

n-gram คือลำดับที่ต่อเนื่องกันของ n รายการจากลำดับข้อความหรือคำพูดที่กำหนด เป็นแบบจำลองภาษาความน่าจะเป็นประเภทหนึ่งสำหรับการทำนายรายการถัดไปในลำดับดังกล่าวในรูปของ (n-1)

---

32) อธิบายว่าเกณฑ์สำหรับแบบจำลองข้อมูลที่ดีคืออะไร?

เกณฑ์สำหรับแบบจำลองข้อมูลที่ดีประกอบด้วย

• สามารถบริโภคได้ง่าย
• การเปลี่ยนแปลงข้อมูลขนาดใหญ่ในโมเดลที่ดีควรปรับขนาดได้
• ควรให้ประสิทธิภาพที่คาดการณ์ได้
• โมเดลที่ดีสามารถปรับให้เข้ากับการเปลี่ยนแปลงข้อกำหนดได้

คำถามสัมภาษณ์เหล่านี้จะช่วยในวีว่าของคุณ (วาจา)