Blog

近年来，数据科学面试中出现的Case Study已越来越多，尤其是在技术、医疗保健、电子商务等领域。这类面试会向候选人展示一个类似于公司经常与客户处理的场景， 要求候选人研究问题，进行分析并就如何处理场景提出建议。本文将带你了解如何用技术来解决业务问题，全面准备面试中的Case Study！

A/B 测试是许多数据科学面试的主要内容。想想亚马逊、Uber和 YouTube—所有这些公司的应用程序都有不断变化的功能，而每一次变化背后都有一个 A/B 测试。了解 A/B 测试并知道如何在面试中讨论这种方法，可以让你比其他候选人更有优势。 本文模拟了一个面试过程，提供了一个循序渐进的指南，指导你如何证明你对关键概念和逻辑考虑的掌握程度。

时间序列分析（Time Series Analysis）是一种处理时间序列数据或趋势分析的统计技术，是用有关历史值和相关模式的信息来预测未来活动的一种分析。 大多数情况下，这与趋势分析、周期性波动分析和季节性问题有关。 在本篇文章中，我们将对时间序列做出介绍，并提供一些时间序列分析的方法和技术。

商业智能 (BI) 是指收集、存储和分析公司活动产生的数据的程序和技术基础设施。 BI 是一个广义的术语，包括数据挖掘、流程分析、性能基准测试和描述性分析。商业智能分析师可以发挥重要作用，因为他们对于管理和维护这些工具及其供应商是必不可少的。本文将介绍BI的几个重要概念，以及在实际中是如何使用的。

电子商务分析，是分析和测试电子商务网站性能的过程，目的是改善访问者和客户的体验并最终增加收入。 在分析电子商务网站时，应该结合使用传统和用户驱动的工具和方法，通过定量和定性数据来了解用户体验。在这篇文章中，我们介绍了一个通过数据分析帮助客户提升收入的分析案例。

作为一名商业分析师，了解很多工具和技能是必不可少的。同样，亚马逊的商业分析师的工作也是技术数据解释和商业敏锐度的结合。 成功的商业分析师将进入产品管理、分析管理或商业智能的职业道路，所有这些都需要知识的深度和广度。本文将介绍亚马逊商业分析师所需的技能和工作职责，带你了解如何准备Amazon的分析师面试。

数据科学家的工作是弄清事实。 不过在进行这种分析时，又不得不必须做出主观决定。 因此，即使处理确凿的事实和数据，数据科学也有很强的解释性成分。因此，数据科学家需要格外小心避免受到认知偏见的影响。在这篇文章中，会列举出几种最常见的偏见类型。 同时还提供了一些避免它们的方法，并做出更好、更合理的决策的建议。

数据科学家（DS）负责编写和分析大型的结构化和非结构化数据集。 这些角色结合了数学、统计学和计算机科学技能来理解大数据，然后使用这些信息来创建业务解决方案。他们收集、处理、建模，然后解释数据，以制定可行的计划。 与大多数职业一样，职位越高，获得成功所需的技能就越多。 本文将介绍2021年数据科学家最需要精通的技能。