A análise de dados é o processo de transformar dados em informações úteis para a tomada de decisões. A análise de dados é crítica em muitas empresas por vários motivos, portanto, há uma necessidade significativa de analistas de dados em todo o mundo. Este questionário contém tudo o que você precisa saber sobre o cargo de analista de dados, desde a limpeza até a verificação dos dados.
As 21 principais perguntas e respostas da entrevista do analista de dados para decifrar a entrevista
1. Como você distingue entre um data lake e um servidor de banco de dados?
Resposta de amostra
Um data lake é apenas um grande conjunto de dados não estruturados sem um propósito claro. Um data warehouse é um local onde dados organizados e filtrados que foram previamente analisados para uma função específica podem ser armazenados. As duas técnicas de retenção de dados às vezes são equivocadas, mas são muito diferentes. Os recém-chegados podem não ser capazes de distinguir tão facilmente.
2. Descreva algumas das abordagens de análise de dados empregadas pelos analistas de dados.
Resposta de amostra
A análise de dados requer a aplicação de uma variedade de abordagens estatísticas. A seguir estão alguns dos mais importantes:
- Análise de agrupamento usando o processo de Markov
- Técnicas de imputação
- Metodologias baseadas em Bayes
- Classificações estatísticas
3. Descreva como funciona um modelo de linguagem probabilística.
Resposta de amostra
Uma sequência vinculada de n elementos em um determinado texto ou voz é caracterizada como um N-grama, também conhecido como modelo de linguagem baseado em probabilidade. É essencialmente composto de palavras vizinhas ou caracteres de n nós do texto original.
É, em termos simples, um método de prever o próximo elemento de uma série.
4. Quais são alguns dos benefícios de utilizar o controle de versão?
Resposta de amostra
O controle de versão pode ser usado para examinar as exclusões, edições e criações de informações desde a cópia inicial.
Auxilia na diferenciação de múltiplas variações do material. Como resultado, a versão mais recente pode ser identificada rapidamente.
5. Faça uma distinção entre variância e covariância.
Resposta de amostra
A variação de uma coleta de dados de sua média ou valor médio é conhecida como variação nas estatísticas. Os valores nos dados coletados estão longe da média sempre que a variância é maior. Os números estão próximos da média quando as variações são menores.
Outra noção estatística popular é a covariância. A covariância é um indicador de como duas ou mais variáveis variam quando comparadas entre si em dados estatísticos.
6. O que o algoritmo K-means implica?
Resposta de amostra
K-mean está entre os algoritmos de particionamento mais conhecidos. Os dados não rotulados são agrupados usando essa abordagem de aprendizado descontrolado. O número de nós é indicado pela letra 'k.' Faz um esforço para manter cada cluster distinto dos outros. Não haveria identificadores para o cluster operar porque é um modelo não regulamentado.
7. O que exatamente você quer dizer quando diz “regressão logística”?
Resposta de amostra
A regressão logística é um modelo matemático para analisar conjuntos de dados com um ou mais fatores dependentes que afetam um determinado resultado. O modelo sugere um elemento de dados dependente avaliando a conexão entre vários fatores independentes.
8. Descreva as várias formas de agrupamento hierárquico.
Resposta de amostra
Existem dois tipos de técnicas de agrupamento disponíveis:
- Clusterização via Aglomeração (que usa estratégia de baixo para cima para decompor clusters)
- Clustering que divide (que usa uma estratégia de cima para baixo para decompor clusters)
9. O que exatamente você quer dizer quando diz “análise de séries temporais”?
Resposta de amostra
Uma sucessão de pontos de dados é estudada ao longo de algum tempo na disciplina de Análise de Séries Temporais (TSA). No TSA, os analistas capturam itens de dados em intervalos regulares de tempo, em vez de capturá-los esporadicamente ou arbitrariamente. É possível realizá-lo em ambos os domínios do tempo-frequência. O TSA pode ser empregado em diversos setores devido ao seu amplo espectro de aplicações.
10. Descreva a Filtragem Colaborativa em detalhes.
Resposta de amostra
A filtragem colaborativa (CF) gera um sistema de recomendação com base nos dados de atividade do usuário. Ele filtra as informações avaliando os dados desses outros usuários e suas interações. Essa estratégia pressupõe que as pessoas que concordam com a avaliação de um determinado item provavelmente concordarão novamente em breve.
11. Descreva as características de um modelo de dados ideal.
Resposta de amostra
Para ser considerado excelente e desenvolvido, um modelo de dados deve ter as seguintes características:
- Fornece desempenho de previsão, permitindo que os resultados sejam previstos com a maior exatidão ou quase precisão possível.
- Deve ser versátil e responsivo quando a empresa exige mudanças para atender aos ajustes necessários.
- O modelo deve se ajustar às mudanças nos dados de forma proporcional.
- Os clientes/consumidores devem poder se beneficiar disso de forma concreta e lucrativa.
12. Liste as desvantagens da análise de dados.
Resposta de amostra
Algumas das desvantagens da análise de dados são as seguintes:
- A privacidade do cliente pode ser prejudicada como resultado da análise de dados, potencialmente comprometendo pagamentos, pedidos e registros.
- As ferramentas podem ser difíceis de usar e precisam de treinamento prévio.
- Escolher sempre a melhor plataforma de análise requer muito conhecimento e experiência.
13. Qual é a descrição do trabalho de um analista de dados?
Resposta de amostra
- Técnicas estatísticas são usadas para coletar e avaliar dados, e os resultados são então relatados.
- Interprete e analise conjuntos de dados complicados em busca de tendências ou padrões.
- Identificar requisitos de negócios com a ajuda de equipes de negócios ou de gerenciamento.
- Habilidades de resolução de problemas, colaboração e habilidades de linguagem técnica e interpessoal são importantes.
- Escrever inquéritos, relatórios e apresentações é um dos meus pontos fortes.
- Saber utilizar ferramentas de visualização de dados.
14. Liste algumas das habilidades mais importantes de um analista de dados.
Resposta de amostra
- Capacidade de avaliar, organizar, reunir e comunicar dados enormes de maneira adequada e eficiente.
- A capacidade de criar bancos de dados, modelos de dados, mineração de dados e segmentação de dados.
- Para analisar grandes conjuntos de dados, você precisa ter um bom domínio do software estatístico.
15. Qual é exatamente o procedimento para análise de dados?
Resposta de amostra
A seguir estão alguns dos processos necessários a longo prazo:
Os dados são coletados de várias fontes e posteriormente armazenados para serem limpos e processados. Todos os dados ausentes e discrepantes são removidos neste estágio.
Análise de Dados: Uma vez produzidos os dados, o próximo passo é examiná-los. O desempenho de um modelo pode ser melhorado executando-o várias vezes. O modelo é então verificado para confirmar que satisfaz os critérios.
Gerar Relatórios: Ao final do processo, o modelo é colocado em ação, e os relatórios são gerados e enviados aos stakeholders.
16. Quais são os vários problemas que alguém enfrenta ao analisar dados?
Resposta de amostra
- Prazos irrealistas e ambições das partes interessadas envolvidas
- O contorno de dados de várias fontes é difícil, especialmente se os parâmetros e normas forem inconsistentes.
- Infraestrutura de dados e tecnologias inadequadas para cumprir os prazos de análise.
- Existem listagens redundantes e palavras com erros ortográficos. Essas imprecisões podem obstruir e prejudicar a qualidade dos dados.
- Dados de várias fontes podem ter representações diferentes. Se os dados obtidos forem misturados depois de já limpos e estruturados, pode gerar latência na fase de análise.
- Dados insuficientes é outra questão chave na análise de dados. Isso quase certamente resultaria em erros ou descobertas imprecisas.
Se você estiver obtendo dados de uma fonte ruim, terá que dedicar muito esforço para limpá-los.
17. Descreva a purificação de dados.
Resposta de amostra
A limpeza de dados, às vezes chamada de depuração de dados ou disputa de dados, é o processo de detecção e alteração, substituição ou remoção de dados errados, inadequados, errôneos, redundantes ou omitidos conforme necessário. Esse componente básico da ciência de dados garante que os dados sejam precisos, consistentes e utilizáveis.
18. Defina os termos "mineração de dados" e "perfil de dados".
Resposta de amostra
O processo de mineração de dados envolve o estudo de dados para identificar relações anteriormente desconhecidas. Encontrar dados anômalos, reconhecer dependências e avaliar clusters são prioridades neste cenário. Também envolve o estudo de bancos de dados maciços para detectar tendências e padrões.
O processo de criação de perfil de dados envolve o exame das propriedades individuais dos dados. Nessa situação, o foco está em fornecer propriedades de dados importantes, como tipo de dados, frequência e assim por diante. Também facilita a localização e avaliação de metadados corporativos.
19. Quais técnicas de validação os analistas de dados usam?
Resposta de amostra
A seguir estão alguns dos métodos de validação de dados mais comuns usados pelos analistas de dados:
- Validação no nível do campo
- Validação no nível do formulário
- Validação de dados salvos
- Validação dos critérios de pesquisa
20. Descreva o Outlier.
Resposta de amostra
Outliers são valores em um conjunto de dados que se desviam consideravelmente da média dos atributos distintivos do conjunto de dados. Podemos identificar variabilidade quantitativa ou amostragem acidental com a ajuda de um outlier. Outliers são classificados como Univariados ou Multivariados.
21. Qual é a diferença entre mineração de dados e análise de dados?
Resposta de amostra
A análise de dados é o processo de coleta, limpeza, conversão, modelagem e exibição de dados para adquirir informações úteis e relevantes que podem ser usadas para fazer inferências e escolher etapas futuras. A análise de dados existe desde a década de 1960.
A mineração de dados é o processo de análise de dados. Enormes quantidades de dados são investigadas e analisadas na mineração de dados, também conhecida como recuperação de informações do banco de dados, para localizar padrões e leis.
Referência
- https://onlinelibrary.wiley.com/doi/full/10.1111/gwao.12684
- https://journals.sagepub.com/doi/full/10.1177/16094069211062419
Eu me esforcei tanto para escrever esta postagem no blog para fornecer valor a você. Será muito útil para mim, se você considerar compartilhá-lo nas mídias sociais ou com seus amigos/família. COMPARTILHAR É ♥️
Sandeep Bhandari é o fundador do site PrepMyCareer.com.
Sou um blogueiro profissional em tempo integral, um profissional de marketing digital e um instrutor. Adoro tudo relacionado à Web e tento aprender novas tecnologias todos os dias.
Todas as tarefas de gerenciamento de equipe, criação de conteúdo e monetização são realizadas por mim. Juntamente com a equipe da PrepMyCareer, o objetivo é fornecer conteúdo útil e envolvente para nossos leitores.