从字节美团德勤40+企业的数据分析师面试题中，我找到了必考的3层能力和13个技能点

我最近翻完一份数据分析师面试合集，85 道真题，覆盖 35 家公司。字节出现了 9 次，美团 13 次，阿里、快手、拼多多、滴滴、德勤、宝洁、领英都在里面。

但翻完这些题，我发现一个让人不太舒服的事实：大多数人的面试准备方向，从一开始就错了。

很多人的备面策略是"SQL 刷题 + 统计学背概念 + 项目经历包装"，均匀发力。但真正的面试考察逻辑根本不是均匀的——不同级别的公司，考的根本不是同一个东西。顶级大厂考的是"你能不能用数据驱动决策"，上市公司考的是"你能不能独立完成一次分析闭环"，中型企业考的是"你能不能上手干活"。

三层能力，对应 13 个技能点。下面逐层拆。

第一层：决策驱动能力（字节、美团、阿里、快手、拼多多、滴滴、德勤、宝洁、领英）

这一层的公司，面试轮次普遍 3 到 4 轮：技术面、业务面、交叉面、HR 面。技术只是入场券，真正刷人的是业务 sense 和实验思维。

技能点 1：AB 实验设计与假设检验

字节系面试的招牌考点。不是问你"什么是 AB 测试"，而是问你 AA Test 有哪些设计缺陷、流量不平衡时两类错误怎么变化、实验结论能不能直接上线。

有一道字节真题是这样的：你用关联规则算法做了捆绑销售，上线前做了 AA Test，整个实验中有哪些问题会影响 AA Test 效果？

这道题考的不是你会不会跑 AB 测试，而是你对实验的每一个环节有没有批判性思考。

技能点 2：指标体系搭建与异动归因

字节有一道经典题：假设北极星指标是 GMV，你怎么根据达人营销业务来制定指标体系？

还有一道：CTR 整体不变，但 CVR 下降了，怎么分析？

这两道题串起来就是一个完整的能力检测：你能不能从一个大指标自上而下拆出子指标，拆完之后遇到异动能不能定位到具体环节。面试里那些答"可能是季节因素""可能是竞品影响"的，基本一轮游。面试官想听的是你的拆解路径，不是猜测。

技能点 3：费米估算与商业建模

这个是美团的特色。

一面考"如何给每个商圈的销售团队定下个月的业绩目标，要考虑公平性和可达性"。二面考"预估深圳加油站的数量"。还有一道概率题：我做对的概率 80%，面试官做对的概率 90%，一道题我们都打了勾，这道题正确的概率是多少。

费米估算考的不是答案，是你怎么把一个模糊问题拆成可计算的子问题。给个框架、给个假设、给个量级，比给个"精确答案"值钱一百倍。

技能点 4：机器学习与因果推断

快手的数据科学家岗考 LR 和 SVM 的区别、各自适用场景；考 Bagging 和 Boosting 为什么选不同深度的决策树。字节考关联规则、因果推断、PSM+DID。

我看到一条面试感受写得很真实：面试官想聊因果推断和假设检验，但候选人完全没准备，全程搪塞。这说明一个问题，大厂的数据分析岗和数据科学岗之间的边界越来越模糊，光会 SQL 和 Python 不够了。

我个人的判断是：再过两三年，不懂因果推断的数据分析师在大厂会很难混。不是说你要变成统计学博士，而是你至少得知道"相关不等于因果"不只是一句口号，它在实际业务里意味着什么——比如你做了一个策略上线后指标涨了，到底是策略带来的，还是大盘自然增长的？这个问题答不好，你的分析结论就没有说服力。

技能点 5：结构化表达

字节三面没有技术题，全是这类问题：过去的实习经验，从中学到了什么？你的优点和缺点？

别以为这是送分题。面试官在看你能不能在没有数据支撑的情况下，用清晰的结构讲一件事。你讲不清楚自己的经历，他凭什么相信你能讲清楚一份分析报告。

德勤更直接，面试考察维度写得明明白白：系统分析思维、业务参与深度、沟通表达能力、数据分析基本技能。注意顺序，沟通在技能前面。

第二层：独立分析能力（网易、B站、OPPO、联想、蔚来、宁德时代、招商/浦发/广发银行、联通、顺丰、同花顺、BOSS 直聘）

这一层的公司面试一般 2 到 3 轮，技术考得扎实但不刁钻，更看重你能不能独立接住一个分析需求，从取数到出结论全链路跑通。

技能点 6：SQL 实战

窗口函数仍然是必考项。OPPO 考 dense_rank 口述，招商银行加了笔试（行测 + 计算题 + 程序题），网易考到三面还在问。

但和第一层的区别是：第一层用 SQL 考你的业务理解（比如"用 SQL 算累计登录天数"背后考的是用户留存分析思路），第二层更多是在确认你能不能写出正确的查询。

技能点 7：Python 数据处理

考常用库（pandas、numpy、sklearn、matplotlib）和完整的数据处理流程：给你一个 CSV，你怎么了解数据结构？缺失值怎么处理？fillna 怎么用？

有道面试题问得很实在：Python 是自学的还是课上学的？从了解逻辑回归到实际写代码用了多久？面试官在评估你的学习路径，不只是看你会不会。

写到这里我想停下来说一个观察。

第一层和第二层都考 SQL，都考 Python，都考统计学。如果你只看考点清单，会觉得差别不大。但把同类题目放在一起看，差别非常刺眼：第一层的技术题是"借壳考业务"，第二层的技术题是"实打实考技术"。同样是窗口函数，字节用它来考你对留存指标的理解，OPPO 用它来确认你能写出正确答案。

这意味着什么？意味着如果你现在在第二层公司，想跳到第一层，光把 SQL 写得更熟练是没用的。你需要的不是更快的手速，而是每写一行查询时都能看到背后的业务含义。这个转变不是靠刷题能完成的，得靠真的在业务里泡过。

技能点 8：统计学基础

说实话，第二层公司考统计学的方式让我有点意外。

t 检验、大数定律、两类错误、p 值——这些在第一层面试里是工具，嵌在业务场景里考你怎么用；但到了第二层，它们变回了概念题。同花顺一面第二题就是：解释 t 检验。OPPO 考简述大数定律。招商银行面试里也穿插了统计推断的问题。

我的理解是：第一层假设你"会"统计，考你"用得好不好"；第二层不做这个假设，需要先确认你"会不会"。所以从第二层跳到第一层，不是多背几个公式的事——你得把统计学从知识变成直觉。

技能点 9：BI 与可视化工具

网易问你用过 Tableau 吗，OPPO 问看板如何设计。这一层的面试经常提到 BI 工具，但考法都比较浅，本质上考的不是工具本身，而是你能不能把分析结果变成业务方看得懂、愿意用的东西。这个能力单独拎出来价值有限，真正见高下的是下面这个。

技能点 10：业务闭环思维

OPPO 有一道题我觉得是整个第二层面试的灵魂：如何让数据分析的工作形成闭环，产出实际价值？

这道题没有标准答案，但它把第二层公司的核心诉求说透了。他们不缺写 SQL 的人，也不缺会用 Tableau 出看板的人，缺的是能把分析结果推回业务、说服业务方采纳、验证效果、再迭代下一轮的人。BI 看板做得再好看，如果没人看、没人用、没有后续动作，那就只是一张漂亮的图。闭环才是第二层真正在选拔的能力。

B 站的面试也印证了这一点。面试官问"如何评价一个视频的好坏"，候选人说了一堆完播率、点赞率、转发率，面试官追问：除了量化指标还有什么？引导你说出弹幕情绪、评论质量这些定性信号。他在考你分析问题时能不能跳出数字看业务。

我觉得这道题暴露了一个很多人没意识到的问题：大部分数据分析师做分析是"从数据出发找结论"，但好的分析师是"从业务问题出发，数据只是验证手段"。 这两个方向看起来差不多，但思维方式完全不同。前者容易陷入"我跑了个数，看看有什么发现"，后者是"业务方说转化掉了，我怀疑是落地页改版导致的，我去验一下"。

第三层：工具执行能力（猿辅导、爱回收、兴业数金、冰川网络、第一创业证券、元气森林、经纬恒润、百词斩、高途、众安保险、达达、Garena）

这一层面试通常 1 到 2 轮，围绕简历项目展开，很少有开放性业务题或费米估算。公司更在意你能不能马上干活。

技能点 11：SQL 基础

兴业数金的考题是这样的：删除表中学号为 10010 的数据。按分数倒序、以班级分组排序。讲讲 JOIN。

和前两层比，差距一目了然。这里考的是"你会不会用"，不是"你用得有多巧"。

技能点 12：Python 基础编程

兴业数金考 Python 闭包概念、split 和 join 的理解、给一个 txt 文件统计大写字母个数。第一创业证券围绕简历项目问你怎么做情感分析、用了什么分词工具。

这一层对 Python 的要求更接近"编程能力"而非"数据分析能力"。能读文件、能处理数据、能跑通一个脚本就够了。

技能点 13：项目经验与即战力

经纬恒润面试直接问：什么时候能开始实习？能做多长时间？

这类公司的面试逻辑很直接：你做过什么？做出了什么结果？什么时候能来？

没有费米估算，没有辛普森悖论（就是整体趋势和分组趋势相反的统计陷阱，比如男女各自录取率都提高了，但整体录取率反而下降），甚至没有开放性问题。面试官在看你的项目经验能不能直接对口，来了就能产出。

一条隐藏的分界线

翻完这 85 道面试题，我发现一条很有意思的隐藏分界线。

有一份来自社群中一位数据分析培训讲师的能力评估体系，把数据分析师分成三个段位：

基础段位：能背诵指标体系，会算 RFM 和 AARRR，能背 AB 测试和假设检验的定义，但没有自己的想法。

中等段位：能自己找参考标准和分析逻辑，灵活运用九大分析方法，能主动提出业务假设。

高等段位：能敏感区分不同类型的业务问题，熟悉业务套路和数据格式，能预判业务走势并给出检验指标。

你把这三个段位和前面三层公司一对照，几乎严丝合缝：第三层公司招基础段位，第二层公司招中等段位，第一层公司招高等段位。

但我觉得这个框架漏了一样东西：表达能力。 你看字节三面和德勤面试，核心考的就是沟通和结构化思维。这不在"基础-中等-高等"的技术能力轴上，但实实在在地决定了你能不能拿到 offer。我见过不少人卡在第二层到第一层的跨越上，不是技术不够，不是业务不懂，而是讲不清楚。一个能把分析讲明白的中等段位，在面试中的表现可能好过一个闷头干活的高等段位。

段位决定了你能进哪一层的公司，也决定了你的薪资天花板。那位讲师提过一个数字：月薪 15K 以下，能做看板就比只会写 SQL 的强；月薪 15K 以上，大厂核心部门 > 小厂核心部门 > 大厂边缘部门 > 小厂边缘部门。

如果你正在准备面试

我的建议是反着来。

不要从第三层的基础技能往上学，那太慢了。先弄清楚你要进哪一层的公司，然后直接练那一层的核心能力。

想进第一层？花 80% 的时间练指标拆解、异动归因和 AB 实验设计，剩下 20% 确保 SQL 和 Python 不拖后腿。

第二层的关键不是把每个技术点都学到精通，而是找一两个行业场景，从提出问题到取数、分析、出结论、推动落地，完整走一遍。面试官一听你讲这个过程，就知道你能不能独立接活。

第三层最实际：SQL 基础打牢，准备 2 到 3 个能讲清楚的项目经历，面试时让人觉得你来了就能干。

85 道真题看下来，最大的感受是：这个行业里最贵的能力，不是你会多少工具，而是你能不能坐在业务方对面，听懂他真正要解决的问题，然后用数据给他一个他敢拍板的答案。SQL 写得再漂亮，如果你不知道这个查询结果能帮谁做什么决定，你就只能在第三层转。

这 13 个技能点，不是让你全练一遍，而是帮你看清自己现在在哪一层，下一步该补什么。