ഡാറ്റ അനലിസ്റ്റ് അസസ്മെന്റ് പരിശീലനം

യഥാർഥ ടെസ്റ്റ് സാധാരണയായി എങ്ങനെയിരിക്കും

എല്ലാവർക്കും ഒരുപോലെ ബാധകമായ ഒരൊറ്റ ഡാറ്റ അനലിസ്റ്റ് അസസ്‌മെന്റ് ഇല്ല. ഓരോ തൊഴിലുടമയും സ്വന്തമായി ഒരു ടെസ്റ്റ് തിരഞ്ഞെടുക്കുന്നു. പലപ്പോഴും ഇത് ഒരു അസസ്‌മെന്റ് വെൻഡറിൽ നിന്നായിരിക്കും. ചോദ്യങ്ങളുടെ എണ്ണം, വിഷയങ്ങൾ, ബുദ്ധിമുട്ട് എന്നിവ സാധാരണയായി മാറ്റാനും കഴിയും. നിങ്ങൾക്ക് ലഭിക്കുന്ന ക്ഷണക്കത്തോ റിക്രൂട്ടറോ നിങ്ങളുടെ ടെസ്റ്റിനെക്കുറിച്ചുള്ള ഏറ്റവും മികച്ച മാർഗനിർദേശമാണ്. വ്യത്യസ്ത രീതികൾ കാണിക്കുന്ന മൂന്ന് പൊതുവായി ലഭ്യമായ ഉദാഹരണങ്ങൾ:

• iMocha. iMocha-യുടെ data analyst test 20 മിനിറ്റിൽ 10 ചോദ്യങ്ങൾ ഉൾക്കൊള്ളുന്നു. SQL പോലുള്ള ഡാറ്റ ക്വെറിയിംഗ്, വിസ്വലൈസേഷൻ ടൂളുകൾ, സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികൾ, Excel പോലുള്ള ടൂളുകൾ എന്നിവയാണ് ഇതിലെ വിഷയങ്ങൾ. ജോലി, ബുദ്ധിമുട്ട്, ഇഷ്ടപ്പെട്ട ടൂളുകൾ എന്നിവ അനുസരിച്ച് ടെസ്റ്റ് പൂർണമായും ഇഷ്ടാനുസൃതമാക്കാമെന്നും, തൊഴിലുടമകൾക്ക് സ്വന്തം കോഡിംഗ്, മൾട്ടിപ്പിൾ ചോയ്‌സ്, വൈറ്റ്ബോർഡ് ചോദ്യങ്ങൾ ചേർക്കാമെന്നും iMocha പറയുന്നു.
• Adaface. Adaface വിവരിക്കുന്ന data analysis test 30 മിനിറ്റിൽ പൂർത്തിയാക്കേണ്ട 15 സാഹചര്യാധിഷ്ഠിത മൾട്ടിപ്പിൾ ചോയ്‌സ് ചോദ്യങ്ങളാണ്. ഡാറ്റ അനാലിസിസ്, SQL, ചാർട്ടുകളും ഗ്രാഫുകളും ഉപയോഗിച്ചുള്ള ഡാറ്റ വ്യാഖ്യാനം എന്നിവയാണ് ഇതിലെ വിഭാഗങ്ങൾ. ജോലി വിവരണത്തിന് അനുസരിച്ച് ടെസ്റ്റ് ഇഷ്ടാനുസൃതമാക്കുമെന്നും, തൊഴിലുടമ അയയ്ക്കുന്ന ടെസ്റ്റിന്റെ ദൈർഘ്യം അവരുടെ സാമ്പിളിൽനിന്ന് വ്യത്യസ്തമായിരിക്കുമെന്നും Adaface പറയുന്നു.
• Alooba. Alooba-യുടെ free data analytics test കൂടുതൽ വിപുലമായ ഒരു ഉദാഹരണമാണ്: 50 മിനിറ്റിൽ 50 മൾട്ടിപ്പിൾ ചോയ്‌സ് ചോദ്യങ്ങൾ, ഓരോന്നിനും അഞ്ച് ഉത്തര ഓപ്ഷനുകൾ. അടിസ്ഥാന സ്റ്റാറ്റിസ്റ്റിക്സ്, SQL, Python, R, ഡാറ്റ റാംഗ്ലിംഗ്, റിപ്പോർട്ടിംഗ്, വിസ്വലൈസേഷൻ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

വെൻഡർമാരുടെ ടെസ്റ്റുകളിൽ പൊതുവായി കാണുന്ന വിഷയങ്ങൾ:

• SQL: ഒരു ക്വെറി വായിച്ച് അത് എന്താണ് നൽകുന്നതെന്ന് പറയുക, ഒരു ബിസിനസ് ചോദ്യത്തിന് ഉത്തരം നൽകുന്ന ക്വെറി തിരഞ്ഞെടുക്കുക, ജോയിനുകൾ, ഗ്രൂപ്പിംഗ്, ഫിൽട്ടറിംഗ്.
• സ്പ്രെഡ്ഷീറ്റുകൾ: നിബന്ധനകളനുസരിച്ചുള്ള ആകെത്തുകയും എണ്ണവും, ലുക്കപ്പുകൾ, IF ലോജിക്, ഒരു പട്ടികയുടെ സംഗ്രഹം തയ്യാറാക്കൽ.
• സ്റ്റാറ്റിസ്റ്റിക്സിന്റെ അടിസ്ഥാനങ്ങൾ: ശരാശരി, മധ്യകമൂല്യം, വ്യാപ്തി, ശതമാനങ്ങളും ശതമാനത്തിലെ മാറ്റവും, പരസ്പരബന്ധവും കാരണവും തമ്മിലുള്ള വ്യത്യാസം.
• ചാർട്ടുകളും പട്ടികകളും: മൂല്യങ്ങൾ വായിക്കുക, ഗ്രൂപ്പുകൾ താരതമ്യം ചെയ്യുക, പ്രവണതകൾ കണ്ടെത്തുക, പട്ടികയിൽനിന്ന് കണക്കുകൂട്ടുക.
• ചിലപ്പോൾ Python, R അല്ലെങ്കിൽ ഡാഷ്ബോർഡ് ടൂൾ, അല്ലെങ്കിൽ ഒരു യഥാർഥ ഡാറ്റാബേസിൽ പ്രവർത്തിക്കുന്ന ക്വെറി എഴുതുന്ന പ്രായോഗിക ജോലി.

ഞങ്ങളുടെ മോക്ക് ടെസ്റ്റുകളിൽ ഉൾപ്പെടുന്നവ. ഞങ്ങളുടെ പൂർണ മോക്ക് ടെസ്റ്റുകളിൽ 40 മിനിറ്റിൽ 25 ചോദ്യങ്ങളുണ്ട്. നാല് വിഭാഗങ്ങൾ: SQL (6), സ്പ്രെഡ്ഷീറ്റുകൾ (6), സ്റ്റാറ്റിസ്റ്റിക്സിന്റെ അടിസ്ഥാനങ്ങൾ (6), ചാർട്ടുകളും പട്ടികകളും (7). നിങ്ങൾക്ക് കാൽക്കുലേറ്റർ ഉപയോഗിക്കാം, ചോദ്യങ്ങളിലേക്ക് തിരിച്ചുപോകാനും അവ ഫ്ലാഗ് ചെയ്യാനും കഴിയും. എല്ലാ ചോദ്യങ്ങളും മൾട്ടിപ്പിൾ ചോയ്‌സ് രീതിയിലാണ്: നിങ്ങൾ എഴുതുന്ന SQL ഞങ്ങളുടെ മോക്ക് ടെസ്റ്റുകൾ പ്രവർത്തിപ്പിക്കില്ല, കൂടാതെ Python, R, Tableau അല്ലെങ്കിൽ Power BI എന്നിവയും ഉൾപ്പെടുന്നില്ല. നിങ്ങളുടെ ക്ഷണക്കത്തിൽ ഇവയുണ്ടെങ്കിൽ, അതത് ടൂളിൽ നേരിട്ട് പ്രായോഗിക പരിശീലനം കൂടി നടത്തുക.

iMocha, Adaface, Alooba എന്നിവ അവയുടെ ഉടമസ്ഥരുടെ വ്യാപാരമുദ്രകളാണ്. Intellect Council-ന് അവയുമായി ബന്ധമോ അംഗീകാരമോ സ്പോൺസർഷിപ്പോ ഇല്ല.

ഉദാഹരണങ്ങൾ സഹിതമുള്ള ചോദ്യങ്ങളുടെ തരങ്ങൾ

ഓരോ വിഭാഗത്തിനും ഒന്നോ രണ്ടോ വിശദീകരിച്ച ഉദാഹരണങ്ങൾ. മിക്കവരും വീഴുന്ന കുഴപ്പവും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഇവയൊന്നും സൗജന്യ sample-ൽ നിന്നുള്ള ആവർത്തനങ്ങളല്ല.

1. SQL: WHERE ആണോ HAVING ആണോ. കുറഞ്ഞത് ഒരു ഓർഡറെങ്കിലും $500-ൽ കൂടുതലുള്ള പ്രദേശങ്ങളാണ് നിങ്ങൾക്ക് വേണ്ടത്. WHERE ഉപയോഗിച്ചാണോ HAVING ഉപയോഗിച്ചാണോ filter ചെയ്യേണ്ടത്? WHERE, കാരണം നിബന്ധന ഓരോ row-യെക്കുറിച്ചാണ്: WHERE amount > 500. GROUP BY-യ്ക്ക് ശേഷം ഗ്രൂപ്പുകളെ filter ചെയ്യുന്നതാണ് HAVING. ഉദാഹരണത്തിന്, ആകെ തുക $500-ൽ കൂടുതലുള്ള പ്രദേശങ്ങൾ. കുഴപ്പം: രണ്ടും ശരിയെന്ന് തോന്നാം. നിബന്ധന ഒരു row-യെക്കുറിച്ചാണോ ഒരു ഗ്രൂപ്പിനെക്കുറിച്ചാണോ എന്ന് ചോദിച്ചുനോക്കൂ.

2. SQL: കാണാതായ customers. inner JOIN ഉപയോഗിച്ച് customers-നെ orders-മായി join ചെയ്ത് customers-നെ എണ്ണുന്നു. പട്ടികയിലെ customer-കളുടെ എണ്ണത്തേക്കാൾ കുറവാണ് ലഭിച്ച count. എന്തുകൊണ്ട്? കുറഞ്ഞത് ഒരു order എങ്കിലും ഉള്ള customers-നെ മാത്രമാണ് inner JOIN നിലനിർത്തുന്നത്. customers-ൽ നിന്ന് നടത്തുന്ന LEFT JOIN എല്ലാവരെയും നിലനിർത്തും; order ഇല്ലാത്തവർക്കായി NULL നൽകും. കുഴപ്പം: കുറവുള്ള ഫലം കണ്ടിട്ട് "ചില customers-നെ നീക്കം ചെയ്തു" എന്ന് കരുതുന്നത്.

3. Spreadsheets: താരതമ്യം ഉപയോഗിച്ച് എണ്ണൽ. Column B-യിൽ പ്രദേശവും column C-യിൽ ഓർഡറിന്റെ മൂല്യവുമുണ്ട്. 100-ഓ അതിലധികമോ മൂല്യമുള്ള East ഓർഡറുകൾ എണ്ണാൻ =COUNTIFS(B:B,"East",C:C,">=100") ഉപയോഗിക്കുക. താരതമ്യ നിബന്ധന quotation marks-നുള്ളിലാണ് വരുന്നത്. പരിധി E1 പോലുള്ള ഒരു cell-ലാണെങ്കിൽ, അത് ഇങ്ങനെ ചേർക്കുക: ">="&E1. കുഴപ്പം: ">=E1" എന്ന് നൽകുന്നത്. അങ്ങനെ ചെയ്താൽ "E1" എന്ന text ആണ് തിരയുക, ഒന്നും എണ്ണില്ല.

4. Statistics: ശരാശരികളുടെ ശരാശരി. Store A-യിൽ 100 ഓർഡറുകൾക്ക് ശരാശരി $20 ആയിരുന്നു. Store B-യിൽ 10 ഓർഡറുകൾക്ക് ശരാശരി $40 ആയിരുന്നു. രണ്ടിടത്തെയും ഓർഡറുകളുടെ ശരാശരി എത്ര? $30 അല്ല. മൊത്തം വിൽപ്പന 2,000 + 400 = $2,400 ആണ്; 110 ഓർഡറുകളിലായി അതിന്റെ ശരാശരി ഏകദേശം $21.82. കുഴപ്പം: ഇനങ്ങളുടെ എണ്ണത്തിൽ വലിയ വ്യത്യാസമുള്ള രണ്ട് ശരാശരികളെ വീണ്ടും ശരാശരിയാക്കുന്നത്. മൊത്തം തുകയും എണ്ണവും കണക്കാക്കുക.

5. Statistics: ശതമാനമോ percentage point-ുകളോ. conversion rate 4%-ൽ നിന്ന് 5%-ലേക്ക് ഉയരുന്നു. അത് 1 percentage point വർധനയാണ്; അതേസമയം 25% വർധനയുമാണ് (1 / 4). കുഴപ്പം: ശതമാനത്തിലെ മാറ്റം ചോദിക്കുമ്പോൾ "1%" എന്ന് ഉത്തരം നൽകുന്നത്. ഏതാണ് ചോദിച്ചതെന്ന് പരിശോധിക്കുക.

6. Charts: ചുരുക്കിയ axis. Team A-യുടെ സംതൃപ്തി 92-ഉം Team B-യുടേത് 96-ഉം എന്ന് bar chart കാണിക്കുന്നു. എന്നാൽ B-യുടെ bar ഇരട്ടി ഉയരമുള്ളതായി തോന്നുന്നു. Axis പരിശോധിക്കുക: അത് 90-ൽ തുടങ്ങുന്നുവെങ്കിൽ, bars ആ വരിക്ക് മുകളിലുള്ള 2-ഉം 6-ഉം മാത്രമാണ് കാണിക്കുന്നത്, മുഴുവൻ മൂല്യങ്ങളല്ല. യഥാർത്ഥ വ്യത്യാസം 4 point ആണ്, ഏകദേശം 4%. കുഴപ്പം: സംഖ്യകൾക്ക് പകരം bar-ന്റെ ഉയരം വായിക്കുന്നത്.

7. Tables: ആദ്യം units വായിക്കുക. ഒരു പട്ടികയുടെ തലക്കെട്ടിൽ "Revenue ($ thousands)" എന്ന് പറയുന്നു. Q2 revenue എത്രയെന്ന് ചോദിക്കുമ്പോൾ പട്ടികയിൽ 95 എന്നാണ് കാണിക്കുന്നത്. ഉത്തരം $95,000 ആണ്. കുഴപ്പം: $95 എന്ന് പറയുന്ന option തിരഞ്ഞെടുക്കുന്നത്. പട്ടികയെക്കുറിച്ചുള്ള ആദ്യ ചോദ്യത്തിന് മുമ്പ് title, headers, കുറിപ്പുകൾ എന്നിവ വായിക്കുക.

എങ്ങനെ തയ്യാറെടുക്കാം

1. ആദ്യം നിങ്ങളുടെ ക്ഷണക്കത്ത് വായിക്കുക. നിങ്ങളുടെ തൊഴിലുടമ ഏത് vendor അല്ലെങ്കിൽ ഫോർമാറ്റാണ് ഉപയോഗിക്കുന്നത്, test എത്ര സമയമെടുക്കും, പ്രവർത്തിക്കുന്ന SQL എഴുതാനാണോ, Excel അല്ലെങ്കിൽ Google Sheets ഉപയോഗിക്കാനാണോ, Python അല്ലെങ്കിൽ R-ൽ code ചെയ്യാനാണോ ആവശ്യപ്പെടുന്നത് എന്നിവ കണ്ടെത്തുക. ഫോർമാറ്റുകൾ തമ്മിൽ വളരെയധികം വ്യത്യാസമുള്ളതിനാൽ മുൻകൂട്ടി ഊഹിക്കരുത്.
2. സമയവേഗം മനസ്സിലാക്കുക. Vendor tests പലപ്പോഴും ചുരുങ്ങിയതാണ്. iMocha-യുടെ test-ൽ 20 മിനിറ്റിൽ 10 ചോദ്യങ്ങളുണ്ടെങ്കിൽ, ഓരോ ചോദ്യത്തിനും ഏകദേശം 2 മിനിറ്റ് ലഭിക്കും (iMocha). ചില ചോദ്യങ്ങൾക്ക് വേഗത്തിൽ കണക്കുകൂട്ടണം. അതിനാൽ timer ഉപയോഗിച്ച് പരിശീലിക്കുക.
3. SQL-ന്റെ അടിസ്ഥാന ഭാഗങ്ങൾ പഠിക്കുക. SELECT, WHERE, SUM, COUNT, AVG എന്നിവയോടുകൂടിയ GROUP BY, HAVING, ORDER BY, INNER, LEFT JOIN, DISTINCT, counts-ലും comparisons-ലും NULL എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നിവ പഠിക്കുക. അഞ്ചോ ആറോ rows ഉള്ള പട്ടികയിൽ ചെറിയ queries കൈകൊണ്ട് പരിശോധിക്കുക.
4. Spreadsheet-ന്റെ അടിസ്ഥാന ഭാഗങ്ങൾ പഠിക്കുക. SUMIFS, COUNTIFS, AVERAGEIFS, XLOOKUP പോലുള്ള lookup, IF, nested IF, pivot summary എന്നിവ പഠിക്കുക. കൂടുതൽ formula പരിശീലനത്തിന് ഞങ്ങളുടെ Excel assessment test പരീക്ഷിക്കുക.
5. Statistics-ന്റെ അടിസ്ഥാന കാര്യങ്ങൾ പുതുക്കുക. Mean, median, mode, outlier ഉള്ളപ്പോൾ median എങ്ങനെ കൂടുതൽ അനുയോജ്യമാകുന്നു, range, percent change, percentage points, weighted averages, correlation കൊണ്ട് കാരണം തെളിയിക്കാനാകാത്തത് എന്തുകൊണ്ട് എന്നിവ പഠിക്കുക.
6. ഓരോ chart-ഉം ശ്രദ്ധിച്ച് വായിക്കുക. ആദ്യം title, units, axis-ന്റെ ആരംഭം, legend, പിന്നെ ചോദ്യം. ഇവയിലൊന്ന് ശ്രദ്ധിക്കാതെ പോകുന്നതാണ് chart-കളിലെ മിക്ക പിഴവുകൾക്കും കാരണം.
7. Test അനുവദിക്കുന്നുവെങ്കിൽ calculator-ഉം rough paper-ഉം തയ്യാറാക്കി വയ്ക്കുക. രണ്ടും ഉപയോഗിച്ച് percentage എങ്ങനെ കണക്കാക്കാമെന്നും മനസ്സിലാക്കുക.
8. മുഴുവൻ timed mocks ചെയ്യുക. യഥാർത്ഥ സമയവേഗത്തിൽ പരിശീലിച്ചാൽ, 20 അല്ലെങ്കിൽ 30 മിനിറ്റ് നീളമുള്ള test അന്നേ ദിവസം പരിചിതമായി തോന്നും.

സ്കോറിംഗ് സാധാരണയായി എങ്ങനെ നടക്കുന്നു

സ്കോറിംഗ് തൊഴിലുടമയെയും വെൻഡറെയും ആശ്രയിച്ചിരിക്കുന്നു. ദേശീയതലത്തിലുള്ള ഏകീകൃത സ്കെയിലോ എല്ലാവർക്കും ബാധകമായ പാസ് മാർക്കോ ഇല്ല. വെൻഡർമാർ തൊഴിലുടമകൾക്ക് ഒരു റിപ്പോർട്ട് നൽകും; ജോലിക്ക് ആവശ്യമായ ഫലം എന്താണെന്ന് തൊഴിലുടമ തീരുമാനിക്കും. പ്രസിദ്ധീകരിച്ച ഒരു ഉദാഹരണം:

• Adaface നൽകുന്ന റിപ്പോർട്ടിൽ ആകെ പാസ് അല്ലെങ്കിൽ ഫെയിൽ ശുപാർശയും വ്യവസായ മാനദണ്ഡങ്ങളുമായുള്ള താരതമ്യവും ഉൾപ്പെടുന്നതായി പറയുന്നു. തൊഴിലുടമകൾ സ്വന്തമായി ഒരു പരിധി സ്കോർ നിശ്ചയിക്കണമെന്നും ഇത് നിർദേശിക്കുന്നു (Adaface).

iMocha, Alooba എന്നിവ ഞങ്ങൾ പരിശോധിച്ച പേജുകളിൽ സ്കോറിംഗ് രീതി വിവരിക്കുന്നില്ല. Multiple choice ചോദ്യങ്ങൾക്ക് സാധാരണയായി ശരി അല്ലെങ്കിൽ തെറ്റ് എന്ന രീതിയിലാണ് മാർക്ക് നൽകുന്നത്. ഒരു test-ൽ query എഴുതാൻ ആവശ്യപ്പെടുന്നുണ്ടെങ്കിൽ, അത് പ്രതീക്ഷിക്കുന്ന ഫലങ്ങളുമായി താരതമ്യം ചെയ്ത് പരിശോധിച്ചേക്കാം. അതിനാൽ ഏതാണ്ട് ശരിയായ query-ക്ക് പോലും സ്കോർ ലഭിക്കാതിരിക്കാം.

ഞങ്ങളുടെ പ്രാക്ടീസ് സ്കോർ എന്നത് ഞങ്ങളുടെ ചോദ്യങ്ങളിൽ നിങ്ങൾ ശരിയായി ഉത്തരം നൽകിയവയുടെ എണ്ണമാണ്. SQL, spreadsheets, statistics basics, charts and tables എന്നീ വിഭാഗങ്ങൾ തിരിച്ചുള്ള വിവരങ്ങളും ഇതിലുണ്ട്. ഏത് ഭാഗത്താണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കേണ്ടതെന്ന് ഇത് കാണിക്കുന്നു. ഇത് ഒരു പ്രാക്ടീസ് സ്കോർ മാത്രമാണ്: ഏതെങ്കിലും വെൻഡറുടെയോ തൊഴിലുടമയുടെയോ test-ലെ സ്കോറല്ല, നിങ്ങൾ വിജയിക്കുമോ എന്നും പ്രവചിക്കുന്നില്ല.

data analyst ടെസ്റ്റുകളിലെ സാധാരണ പിഴവുകൾ

• NULL മറക്കുന്നത്. COUNT(column) NULL മൂല്യങ്ങൾ ഒഴിവാക്കുന്നു, AVG അവ അവഗണിക്കുന്നു, WHERE email = NULL ഒന്നും കണ്ടെത്തില്ല. IS NULL ഉപയോഗിക്കുക.
• തെറ്റായ കാര്യം അടിസ്ഥാനമാക്കി ഗ്രൂപ്പാക്കുന്നത്. പേരിനെ അടിസ്ഥാനമാക്കി ഗ്രൂപ്പാക്കിയാൽ ഒരേ പേരുള്ള രണ്ടുപേർ ഒന്നായി കണക്കാക്കപ്പെടും. id അടിസ്ഥാനമാക്കി ഗ്രൂപ്പാക്കി, അതിനൊപ്പം പേര് കാണിക്കുക.
• തെറ്റായ കീ ഉപയോഗിച്ച് JOIN ചെയ്യുന്നത്. orders.id-നെ customers.id-യുമായി JOIN ചെയ്യുന്നത് ശരിയെന്നു തോന്നുകയും വരികൾ നൽകുകയും ചെയ്യും, പക്ഷേ അവ തെറ്റായ വരികളായിരിക്കും. customer_id പോലുള്ള foreign key ഉപയോഗിച്ച് പൊരുത്തപ്പെടുത്തുക.
• ശതമാന മാറ്റം കണക്കാക്കുമ്പോൾ തെറ്റായ സംഖ്യ കൊണ്ട് ഹരിക്കുന്നത്. എപ്പോഴും ആരംഭ മൂല്യം കൊണ്ട് ഹരിക്കുക.
• "greater than" എന്നതിനെ "കുറഞ്ഞത്" എന്ന് കണക്കാക്കുന്നത്. SQL-ലും ഫോർമുലകളിലും > ഉം >= ഉം പരിധി മൂല്യത്തിൽ വ്യത്യസ്ത ഉത്തരങ്ങൾ നൽകും. അതിരിലെ സാഹചര്യം പരിശോധിക്കുക.
• ശരാശരിയും മധ്യകവും കൂട്ടിക്കുഴയ്ക്കുന്നത്. വളരെ ഉയർന്നതോ താഴ്ന്നതോ ആയ ഒരു മൂല്യം ശരാശരിയെ വളരെയധികം മാറ്റും, എന്നാൽ മധ്യകത്തെ കാര്യമായി മാറ്റില്ല.
• ബന്ധസൂചികയിൽ നിന്ന് "കാരണമാണ്" എന്ന് പറയുന്നത്. രണ്ട് കാര്യങ്ങൾ ഒരുമിച്ച് മാറുന്നത് വിശദീകരിക്കേണ്ട ഒരു പ്രവണതയാണ്, തെളിവല്ല.
• പട്ടികയുടെ തലക്കെട്ട് തിടുക്കത്തിൽ നോക്കുന്നത്. അളവിന്റെ യൂണിറ്റുകൾ, സമയപരിധികൾ, അടിക്കുറിപ്പുകൾ എന്നിവ ഉത്തരം മാറ്റും.

ഈ പരിശീലനം യഥാർഥ ടെസ്റ്റുമായി എങ്ങനെ താരതമ്യം ചെയ്യാം

ഞങ്ങൾ ഉൾക്കൊള്ളുന്നത്. സേവനദാതാക്കൾ കൂടുതലായി പറയുന്ന നാല് മേഖലകൾ, സമാന ശൈലിയിലുള്ള multiple choice ചോദ്യങ്ങൾ, ഒരു കാൽക്കുലേറ്റർ, യഥാർഥ സമയപരിധിയുടെ സമ്മർദം എന്നിവയാണ്. ഓരോ ചോദ്യത്തിനും വിശദീകരണമുണ്ട്.

ഞങ്ങൾക്ക് ഉൾക്കൊള്ളാനാകാത്തത്. ഞങ്ങൾ live database ഉപയോഗിക്കുന്നില്ല, അതിനാൽ നിങ്ങൾ ടൈപ്പ് ചെയ്യുന്ന SQL പരിശോധിക്കാനാവില്ല. Python, R അല്ലെങ്കിൽ dashboard ടൂളുകൾ ഞങ്ങൾ ഉൾക്കൊള്ളുന്നില്ല. സേവനദാതാക്കൾക്ക് അവരുടേതായ ചോദ്യശേഖരങ്ങളും ബുദ്ധിമുട്ടിന്റെ നിലകളും ഉണ്ട്, അവ ഞങ്ങൾക്ക് ഒരിക്കലും കാണാനാകില്ല.

ഈ കുറവ് എങ്ങനെ നികത്താം. ദുർബലമായ മേഖലകൾ കണ്ടെത്താനും നിയമങ്ങൾ പഠിക്കാനും ഞങ്ങളുടെ ചോദ്യങ്ങൾ ഉപയോഗിക്കുക. തുടർന്ന്, നിങ്ങളുടെ സ്വന്തം ചെറിയ ടേബിളിൽ ഒരു സൗജന്യ database ടൂൾ ഉപയോഗിച്ച് കുറച്ച് queries എഴുതിനോക്കുക, spreadsheet ഫോർമുലകൾ ഒരു യഥാർഥ ഷീറ്റിൽ വീണ്ടും സൃഷ്ടിക്കുക. നിങ്ങളുടെ ക്ഷണക്കത്തിൽ coding അല്ലെങ്കിൽ dashboard ടാസ്‌ക് പരാമർശിക്കുന്നുണ്ടെങ്കിൽ, ആ ടൂൾ നേരിട്ട് പരിശീലിക്കുക.