ડેટા એનાલિસ્ટ મૂલ્યાંકન માટેની પ્રેક્ટિસ

વાસ્તવિક test સામાન્ય રીતે કેવો હોય છે

એક જ data analyst assessment નથી. દરેક નોકરીદાતા પોતાનો test પસંદ કરે છે, ઘણી વાર assessment vendor પાસેથી, અને સામાન્ય રીતે તેની લંબાઈ, વિષયો તથા મુશ્કેલીનું સ્તર બદલી શકે છે. તમને મળેલું invitation અથવા recruiter તમારા test વિશેની શ્રેષ્ઠ માહિતી આપે છે. જાહેરમાં ઉપલબ્ધ ત્રણ ઉદાહરણો વિવિધતા દર્શાવે છે:

• iMocha. iMochaના data analyst testમાં 20 મિનિટમાં 10 પ્રશ્નો હોય છે. તેમાં SQL જેવી data querying, visualization tools, statistical methods અને Excel જેવા tools આવરી લેવાય છે. iMocha જણાવે છે કે નોકરીની ભૂમિકા, મુશ્કેલીનું સ્તર અને પસંદગીનાં tools પ્રમાણે testને સંપૂર્ણપણે કસ્ટમાઇઝ કરી શકાય છે, અને નોકરીદાતાઓ પોતાના coding, multiple choice અને whiteboard પ્રશ્નો ઉમેરી શકે છે.
• Adaface. Adafaceના data analysis testમાં 30 મિનિટમાં 15 પરિસ્થિતિ-આધારિત multiple choice પ્રશ્નો હોય છે. તેમાં data analysis, SQL અને charts તથા graphs વડે dataનું અર્થઘટન આવરી લેવાય છે. Adaface જણાવે છે કે testને job description પ્રમાણે કસ્ટમાઇઝ કરવામાં આવે છે અને નોકરીદાતા જે test મોકલે તેની લંબાઈ તેના sample કરતાં અલગ હોઈ શકે છે.
• Alooba. Aloobaનું free data analytics test વધુ વ્યાપક ઉદાહરણ છે: 50 મિનિટમાં 50 multiple choice પ્રશ્નો, દરેકમાં પાંચ જવાબના વિકલ્પો. તેમાં મૂળભૂત statistics, SQL, Python, R, data wrangling, reporting અને visualization આવરી લેવાય છે.

વિવિધ vendorsના testsમાં સામાન્ય રીતે આવરી લેવાતા વિષયો:

• SQL: query વાંચીને તે શું પરિણામ આપે છે તે જણાવવું, વ્યવસાય સંબંધિત પ્રશ્નનો જવાબ આપતી query પસંદ કરવી, joins, grouping અને filtering.
• Spreadsheets: શરતને આધારે totals અને counts, lookups, IF logic અને યાદીનો સારાંશ બનાવવો.
• Statisticsની મૂળભૂત બાબતો: mean, median અને spread, ટકાવારી અને ટકાવારીમાં ફેરફાર, તેમજ correlation અને cause વચ્ચેનો તફાવત.
• Charts અને tables: values વાંચવી, જૂથોની સરખામણી કરવી, trends ઓળખવા અને table પરથી ગણતરી કરવી.
• ક્યારેક Python, R અથવા dashboard tool, અથવા વાસ્તવિક database સામે ચાલે એવી query લખવાનું hands-on task.

અમારા mocksમાં શું આવરી લેવાય છે. અમારા સંપૂર્ણ mocksમાં 40 મિનિટમાં 25 પ્રશ્નો હોય છે, ચાર વિભાગોમાં: SQL (6), spreadsheets (6), statisticsની મૂળભૂત બાબતો (6), અને charts તથા tables (7). તમે calculator વાપરી શકો છો, અને પાછા જઈને પ્રશ્નોને flag કરી શકો છો. દરેક પ્રશ્ન multiple choice છે: અમારા mocks તમે લખેલી SQL ચલાવતા નથી અને તેમાં Python, R, Tableau અથવા Power BI આવરી લેવાતાં નથી. જો તમારા invitationમાં આનો ઉલ્લેખ હોય, તો તે toolમાં જ hands-on પ્રેક્ટિસ કરો.

iMocha, Adaface અને Alooba તેમના માલિકોના trademarks છે. Intellect Council તેમની સાથે સંલગ્ન નથી, તેમની દ્વારા સમર્થિત નથી કે તેમના દ્વારા પ્રાયોજિત નથી.

ઉકેલ સાથેના ઉદાહરણો ધરાવતા પ્રશ્નોના પ્રકાર

દરેક વિભાગ માટે એક કે બે ઉકેલ સાથેનાં ઉદાહરણો, અને મોટા ભાગના લોકો જે ભૂલ કરે છે તેની સમજ. આમાંથી કોઈ પણ ઉદાહરણ free sampleમાં નથી.

1. SQL: WHERE કે HAVING. તમને એવા regions જોઈએ છે જ્યાં ઓછામાં ઓછો એક order $500થી વધુનો હોય. તમે WHERE વડે filter કરશો કે HAVING વડે? WHERE, કારણ કે શરત અલગ-अलग rows માટે છે: WHERE amount > 500. HAVING, GROUP BY પછી groupsને filter કરે છે, જેમ કે જે regionsનો કુલ $500થી વધુ હોય. ધ્યાન રાખો: બંને યોગ્ય લાગે છે. શરત એક row માટે છે કે group માટે, તે વિચારો.

2. SQL: ન દેખાતા customers. તમે inner JOIN વડે customersને orders સાથે join કરો છો અને customersની ગણતરી કરો છો. આ ગણતરી tableમાં રહેલા customersની સંખ્યા કરતાં ઓછી છે. શા માટે? inner JOIN ફક્ત એવા customers રાખે છે જેમણે ઓછામાં ઓછો એક order આપ્યો હોય. customers પરથી LEFT JOIN બધા customersને રાખે છે, અને જેમના orders નથી તેમના માટે NULL આપે છે. ધ્યાન રાખો: ઓછા પરિણામનો અર્થ "કેટલાક customers કાઢી નાખવામાં આવ્યા" એવો માનવો.

3. Spreadsheets: સરખામણી વડે ગણતરી. Column Bમાં region છે અને column Cમાં orderની કિંમત. 100 કે તેથી વધુ કિંમતના East orders ગણવા માટે =COUNTIFS(B:B,"East",C:C,">=100") વાપરો. સરખામણી અવતરણચિહ્નોની અંદર લખાય છે. મર્યાદા કોઈ cellમાં હોય, જેમ કે E1માં, તો તેને અહીં જોડો: ">="&E1. ધ્યાન રાખો: ">=E1" લખવાથી, "E1" લખાણ શોધાય છે અને કોઈ ગણતરી થતી નથી.

4. Statistics: સરેરાશોની સરેરાશ. Store Aમાં 100 orders હતા, જેની સરેરાશ કિંમત $20 હતી. Store Bમાં 10 orders હતા, જેની સરેરાશ કિંમત $40 હતી. બંનેને જોડીને દરેક orderની સરેરાશ કિંમત કેટલી થાય? $30 નહીં. કુલ વેચાણ 110 orders માટે 2,000 + 400 = $2,400 છે, એટલે સરેરાશ લગભગ $21.82 થાય. ધ્યાન રાખો: વસ્તુઓની સંખ્યામાં ઘણો તફાવત ધરાવતી બે સરેરાશોનો સરેરાશ કાઢવો. કુલ અને ગણતરીથી ફરી શરૂઆત કરો.

5. Statistics: ટકા કે percentage points. Conversion rate 4%થી વધીને 5% થાય છે. આ 1 percentage pointનો વધારો છે, અને તે 25%નો વધારો પણ છે (1 / 4). ધ્યાન રાખો: પ્રશ્નમાં ટકાવારીનો ફેરફાર પૂછ્યો હોય ત્યારે "1%" જવાબ આપવો. પ્રશ્નમાં કયું પૂછ્યું છે તે તપાસો.

6. Charts: ટૂંકી કરેલી ધરી. એક bar chartમાં Team Aની satisfaction 92 અને Team Bની 96 બતાવી છે, અને Bનો bar બમણો ઊંચો દેખાય છે. ધરી તપાસો: જો તે 90થી શરૂ થતી હોય, તો bars તે રેખા ઉપર અનુક્રમે 2 અને 6 બતાવે છે, આખી કિંમતો નહીં. વાસ્તવિક તફાવત 4 points, એટલે લગભગ 4% છે. ધ્યાન રાખો: આંકડાને બદલે barની ઊંચાઈ પરથી અર્થ કાઢવો.

7. Tables: પહેલાં એકમો જુઓ. Tableના મથાળામાં "Revenue ($ thousands)" લખ્યું છે અને પ્રશ્નમાં Q2નું revenue પૂછ્યું છે, જે 95 બતાવ્યું છે. જવાબ $95,000 છે. ધ્યાન રાખો: $95 દર્શાવતો વિકલ્પ પસંદ કરવો. Tableનો પહેલો પ્રશ્ન વાંચતા પહેલાં તેનું શીર્ષક, મથાળાં અને નોંધો વાંચો.

તૈયારી કેવી રીતે કરવી

1. સૌપ્રથમ તમારું આમંત્રણ વાંચો. તમારા નોકરીદાતા કયા vendor અથવા formatનો ઉપયોગ કરે છે, test કેટલો લાંબો છે, અને તેમાં ચાલે તેવી SQL લખવાની, Excel અથવા Google Sheets વાપરવાની, કે Python અથવા Rમાં code કરવાની જરૂર છે કે નહીં તે જાણો. ફોર્મેટમાં ઘણો ફેરફાર હોય છે, તેથી કોઈ ધારણા ન રાખો.
2. તમારી ગતિનો અંદાજ મેળવો. Vendor tests ઘણીવાર ટૂંકા હોય છે. iMochaના 20 મિનિટમાં 10 પ્રશ્નોના testમાં દરેક પ્રશ્ન માટે લગભગ 2 મિનિટ મળે છે (iMocha). કેટલાક પ્રશ્નોમાં ઝડપથી ગણતરી કરવી પડે છે, તેથી timer લગાવીને પ્રેક્ટિસ કરો.
3. SQLના પાયાના મુદ્દાઓ શીખો. SELECT, WHERE, SUM, COUNT અને AVG સાથે GROUP BY, HAVING, ORDER BY, INNER અને LEFT JOIN, DISTINCT, તેમજ counts અને comparisonsમાં NULL કેવી રીતે વર્તે છે. પાંચ કે છ rowsના table પર નાની queries હાથેથી trace કરો.
4. Spreadsheetના પાયાના મુદ્દાઓ શીખો. SUMIFS, COUNTIFS, AVERAGEIFS, XLOOKUP જેવી lookup, IF અને nested IF, તથા pivot summary. Formulaની વધુ પ્રેક્ટિસ માટે અમારું Excel assessment test અજમાવો.
5. Statisticsના મૂળભૂત મુદ્દાઓ તાજા કરો. Mean, median અને mode, outlier હોય ત્યારે median ક્યારે વધુ યોગ્ય બને છે, range, percent change, percentage points, weighted averages અને correlationથી કારણ સાબિત કેમ થતું નથી.
6. દરેક chart ધ્યાનથી વાંચો. Title, units, axisની શરૂઆત, legend, પછી પ્રશ્ન. Chart સંબંધિત મોટાભાગની ભૂલો આમાંથી કોઈ એક બાબત છોડી દેવાથી થાય છે.
7. જો testમાં મંજૂરી હોય તો calculator અને રફ કાગળ તૈયાર રાખો, અને બંનેનો ઉપયોગ કરીને ટકાવારી કેવી રીતે ગણવી તે જાણો.
8. સમયમર્યાદાવાળા આખા mocks આપો. વાસ્તવિક ગતિએ પ્રેક્ટિસ કરો, જેથી testના દિવસે 20 કે 30 મિનિટનો test સહજ લાગે.

સામાન્ય રીતે ગુણ કેવી રીતે ગણવામાં આવે છે

સ્કોરિંગ નોકરીદાતા અને સેવા પ્રદાતા પર આધારિત છે. કોઈ રાષ્ટ્રીય ધોરણ કે સર્વસામાન્ય પાસ માર્ક નથી. સેવા પ્રદાતાઓ નોકરીદાતાઓને અહેવાલ આપે છે, અને નોકરી માટે કયા પરિણામની જરૂર છે તે નોકરીદાતા નક્કી કરે છે. એક જાહેર ઉદાહરણ:

• Adaface કહે છે કે તેના અહેવાલમાં એકંદર પાસ અથવા નાપાસ થવાની ભલામણ અને ઉદ્યોગના માપદંડો આપવામાં આવે છે. તે નોકરીદાતાઓને પોતાનો લઘુત્તમ સ્કોર નક્કી કરવાનું સૂચવે છે (Adaface).

અમે તપાસેલા પેજ પર iMocha અને Aloobaએ તેમની સ્કોરિંગ પદ્ધતિ વર્ણવી નથી. બહુવિકલ્પી પ્રશ્નોને સામાન્ય રીતે સાચા કે ખોટા તરીકે ગુણ આપવામાં આવે છે. જો testમાં તમને ક્વેરી લખવાનું કહેવામાં આવે, તો તેની અપેક્ષિત પરિણામો સાથે ચકાસણી થઈ શકે છે. તેથી લગભગ સાચી ક્વેરી માટે પણ શૂન્ય સ્કોર મળી શકે છે.

અમારો અભ્યાસ સ્કોર એ અમારા પોતાના પ્રશ્નોમાંથી તમે સાચા જવાબ આપેલા પ્રશ્નોની સંખ્યા છે. તેમાં વિભાગ પ્રમાણે વિગતો આપવામાં આવે છે: SQL, સ્પ્રેડશીટ, આંકડાશાસ્ત્રની મૂળભૂત બાબતો અને ચાર્ટ તથા કોષ્ટકો. તેનાથી તમને કયા ભાગ પર ધ્યાન આપવું તે સમજાય છે. આ અભ્યાસ સ્કોર છે: તે કોઈ સેવા પ્રદાતા કે નોકરીદાતાના testનો સ્કોર નથી અને તમે પાસ થશો કે નહીં તેની આગાહી કરતો નથી.

ડેટા એનાલિસ્ટ ટેસ્ટમાં થતી સામાન્ય ભૂલો

• NULL ભૂલી જવું. COUNT(column) NULLને ગણતું નથી, AVG તેને અવગણે છે અને WHERE email = NULLને કંઈ જ મળતું નથી. IS NULL વાપરો.
• ખોટી બાબત પ્રમાણે group કરવું. નામ પ્રમાણે group કરવાથી એક જ નામ ધરાવતા બે અલગ લોકો એક થઈ જાય છે. id પ્રમાણે group કરો અને તેની બાજુમાં નામ બતાવો.
• ખોટી key વડે join કરવું. orders.idને customers.id સાથે join કરવું યોગ્ય લાગે છે અને rows આપે છે, પણ એ ખોટી rows હોય છે. customer_id જેવી foreign keyનો મેળ બેસાડો.
• ટકાવારીના ફેરફારમાં ખોટી સંખ્યાથી ભાગાકાર કરવો. હંમેશાં શરૂઆતના મૂલ્યથી ભાગો.
• "greater than"ને "ઓછામાં ઓછું" સમજવું. SQL અને formulasમાં > અને >= સીમા પર અલગ જવાબ આપે છે. સીમાનો કિસ્સો તપાસો.
• Mean અને medianને ગૂંચવવું. એક અસાધારણ મૂલ્ય meanને ઘણું બદલે છે, જ્યારે medianને બહુ ઓછું બદલે છે.
• Correlation પરથી "કારણ બને છે" કહેવું. બે બાબતો એકસાથે બદલાય તે સમજાવવાની જરૂર હોય એવી પેટર્ન છે, પુરાવો નહીં.
• Tableના મથાળાને ઉતાવળે વાંચવું. એકમો, સમયગાળો અને ફૂટનોટ્સ જવાબ બદલી શકે છે.

આ પ્રેક્ટિસની વાસ્તવિક test સાથે કેવી સરખામણી થાય છે

અમે કઈ બાબતો મેળ ખાતી રાખીએ છીએ. Vendors સૌથી વધુ જે ચાર ક્ષેત્રોનો ઉલ્લેખ કરે છે, તેવા જ પ્રકારના multiple choice પ્રશ્નો, calculator અને વાસ્તવિક સમયનું દબાણ. દરેક પ્રશ્ન સાથે સમજૂતી આપવામાં આવે છે.

અમે કઈ બાબતો મેળ ખાતી રાખી શકતા નથી. અમે live database ચલાવતા નથી, તેથી તમે લખો તે SQL ચકાસી શકતા નથી. અમે Python, R અથવા dashboard tools આવરી લેતા નથી. Vendors પોતાની પ્રશ્નબૅન્ક અને મુશ્કેલીનાં સ્તરો વાપરે છે, જે અમને ક્યારેય જોવા મળતાં નથી.

આ તફાવત કેવી રીતે પૂરો કરવો. નબળા પડતા ક્ષેત્રો ઓળખવા અને નિયમો શીખવા અમારા પ્રશ્નોનો ઉપયોગ કરો. પછી મફત database toolમાં તમારી પોતાની નાની table સામે થોડી queries લખો અને spreadsheet formulasને વાસ્તવિક sheetમાં ફરી બનાવો. તમારા invitationમાં coding અથવા dashboard taskનો ઉલ્લેખ હોય, તો તે toolમાં સીધી પ્રેક્ટિસ કરો.