香港留学之数据岗位高频面试题

　　大数据时代，数据分析早已成为能够帮助管理者和企业做出正确决策的必备法宝.越来越多的企业在面对应聘者时，会优先录取既懂业务又懂数据的人才。

　　如何处理可疑或缺失数据

　　区别在于数据分析是针对个别属性的实例分析，并提供值范围，离散值及其频率，空值发生，数据类型，长度等信息。而数据挖掘是重点关注聚类分析，异常记录检测，依赖关系，序列发现，多个属性之间的关系控制等。

　　如何处理可疑或缺失数据

　　准备提供所有可疑数据信息的验证报告。它应该提供信息，如失败的验证标准以及发生的日期和时间，有经验的数据分析师应该检查可疑数据以确定其可接受性。应该找出无效数据并用验证码替换，对缺失数据进行处理，使用最佳分析策略，如删除，单一插补方法，基于模型的方法等。

　　列出清理数据的最佳实践

　　首先按不同的属性排序数据，对于大数据集，逐步清理并改进数据，直到获得良好的数据质量；对大型数据集，可以先将其分解为小数据集，使用更少的数据将增加迭代速度。

　　要处理常见的清理任务，请创建一组实用程序函数/工具/脚本。它可能包括基于CSV文件或SQL数据库重映射值，或者正则表达式搜索和替换，消除所有不匹配正则表达式的值。最后分析每列的汇总统计数据(标准差，均值，缺失值的数量)。