笔试面试助手

SQL 实操（多表 join、窗口函数、留存/复购计算）、统计基础（假设检验、AB 实验、辛普森悖论）与业务案例（指标异动归因、活动效果评估），三关缺一不可。

能不查资料手写：分组 TopN、连续登录天数、留存率、同环比，窗口函数 row_number/lag/lead 熟练；面试常要求白板或在线环境现场写。

先确认数据真实性（口径/上报），再按「时间/渠道/地区/用户群」多维拆解定位，最后区分内部变化（改版/策略）与外部因素（节假日/竞品），给出验证方案。

DA 偏数据口径、报表与实验（SQL/统计功底为主），BA 偏业务问题拆解与决策支持（案例分析/商业敏感度为主）；很多公司 BA 笔试同样考 SQL，两手都要准备。

可以：理工科背景+扎实的案例拆解训练反而常见；关键是能用结构化框架把开放商业问题拆成可量化子问题，并给出数据验证路径。

练 20~30 个市场估算与利润下滑类案例，掌握「定义指标→拆解驱动因素→提出假设→设计验证」的完整闭环；比背框架更重要的是每一步都追问数据从哪来。

增长岗以北极星指标为中心做实验驱动的增长：拉新、激活、留存、转化全漏斗找杠杆，日常是提假设—做 AB 实验—看数据—迭代，比常规运营更重数据与实验方法。

掌握 AARRR/增长循环等框架，拆解一个你熟悉的 App 的增长策略（获客渠道/新手引导/召回手段），再补 SQL 与 AB 实验统计常识，案例拆解质量决定面试上限。

先框定口径与假设（目标人群/渗透率/频次），再分步计算并主动说明误差来源；面试官看的是结构化拆解过程，不是数字本身。

不是：治理岗定义数据标准、打通血缘、保障质量与合规，是数据资产化的地基；数据要素市场化后，头部公司治理团队直接向 CDO 汇报。

数仓建模型与管道，治理定标准与规则：指标口径由治理统一定义，数仓按定义实现；治理岗写 SQL 少但读模型多，沟通占比高。

计算机/信息管理/统计均可入行，核心能力是元数据管理、SQL 与跨团队推动力；懂《数据安全法》《个保法》合规要求是明确加分项。

央行征信中心及其运行体系、持牌市场化个人征信机构、企业征信备案机构与信用评级公司；岗位集中在数据产品、风控建模、合规与客户服务条线。

征信机构做的是「数据基础设施」：采集加工信用数据、输出报告与评分产品给金融机构；不直接做授信决策，更看重数据治理、隐私合规与产品化能力。

征信报告的构成要素、评分卡建模基本流程（变量分箱/WOE/KS 与 AUC）、《征信业务管理办法》的采集与授权边界是三大高频块，法律与数据背景各有对口岗位。

建设与更新导航/高精地图：从多源数据采集（车采、卫星影像、众包轨迹）、地图要素识别与融合，到路网拓扑构建与鲜度运营，出行平台与图商的校招覆盖数据、算法与产品序列。

空间数据结构（路网图模型、R 树索引、坐标系与投影）、地图匹配算法（HMM 地图匹配、轨迹纠偏）、数据质量题（怎么发现并修复一条错误道路）；有 GIS、测绘或图算法背景会被深入追问。

感知岗做车端实时环境理解；地图岗做先验数据资产：精度与鲜度是生命线，工程上更偏大规模数据流水线与质量体系，轻图/重图技术路线之争也常被拿来考察行业理解。