data science是一门及其综合的学科，也就是现在炒得很火的“大数据"。其对口职位叫数据科学家，也就是“data scientist”。Data Scientist面试考察的内容很杂，我们要从各个领域全面地去准备，不要留下短板。那国外顶尖的科技公司对数据分析师有哪些技能要求？

1.SQL

大家可能觉得Data Scientist都在做深度学习模型，并不经常用到SQL，但事实不是这样。Data Scientist要花大量的时间用SQL抓取数据，可能是做一些直接的分析，也可能是为建模做准备。

SQL是非常重要的技能，每一个公司的面试都会考。你需要熟悉掌握这些语句：Case when, Group by, Having, Self join, Left outer join, On vs Where等，这些是面试中比较常考的。在学校里涉及得SQL语句一般比较简单，没有侧重这些语句，比如一个Select from where，加上一个Join就结束了。但在实际面试中，会问一些比较难的问题，比如Left outer join。大家一定要知道什么时候用Left outer join，以及on和where的区别。

Case when也是用得非常多的语句，用于实现简单的逻辑功能，有时候会嵌套很多层。有些SQL问题乍一听比较难，并且你摸不着头绪，这时候可以试试Self join，这种问题往往用Self join可以解决。

2.R/Python

有同学可能会问，这两种语言只会一种行吗？必须两者都会吗？肯定是最好两种都会。

公司里普遍是一半的人用R，另一半人用Python。如果你只会一种，你和另外一半同事合作就会有些困难，读他的代码就会吃力。虽然面试的时候，面试官会让你根据自己的喜好选择一种语言，但对于提升自己的实际能力来说，两种都掌握是最好的。

这里有几个Package大家需要熟悉，R的Package有Ggplot2和Dplyr，面试时有些公司会让你当场用R写一些东西，如果你熟练运用这些Package用得很好，会给你增加优势。Python的Package有 Pandas, Scikit-learn, Matplotlib。

3.A/B testing

实际工作中可能会大量地做A/B testing，而这恰恰是在学校涉及得比较少的。有很多拥有丰富的A/B testing工作经验的人会发一些博客，大家可以去读一读。

4.Machine Learning

最常用的两个模型是Linear Regression和Logistic Regression，需要熟悉它们的数学逻辑。其他的模型当然也要了解，但用得并不是特别多，比如Random Forest等。

5.Experiment Design

Data Scientist一般会和Product Manager合作设计实验，在设计实验的过程中，你需要思考实验中涉及到的Feature是想要改善哪个指标，在什么时候、呈现给哪些用户。在实际工作中，存在一些难度比较大的实验设计，这就要依靠Data Scientist的个人经验，也可以在博客中看看别人实际的工作经验。

6.Business Sense

我们在学校做的项目，数据一般比较完美，并且老师会帮你制定项目的框架。但在实际工作中，原始数据会存在很多问题，你会找不到头绪。这时拥有一些Business Sense，比如对公司的核心指标比较敏感，会对数据分析有一些帮助。

7.Product Sense

这一点对于应届生来说可能是最难的，因为它需要通过工作经验来积累。比如产品的什么Metric是你最看重的。大家需要通过实习或者阅读文章来积攒经验，Quora上经常有关于这方面的讨论，比如某产品最关注的Metric是什么，以及为什么。

8.Communication

沟通能力是把你的想法和发现分享给其他人的能力，可以通过更多的演讲和Presentation来锻炼。并且要根据你的听众选择不一样的讲述方式。如果你的听众是其他Data Scientist，你就可以介绍一些项目的细节。但如果是Director，他可能没有领域知识，不会对那些细节感兴趣，而是更看重结果，所以这时你就要用一些直白的话讲述你的发现。

Data Scientist面试对口语的要求相对较高，表达时还要有清晰的逻辑，如果口语不好，你就无法将你的技术能力很好地向面试官展现出来。