ଡାଟା ଆନାଲିଷ୍ଟ ଆସେସମେଣ୍ଟ ଅଭ୍ୟାସ

ପ୍ରକୃତ ପରୀକ୍ଷା ସାଧାରଣତଃ କିପରି ହୋଇଥାଏ

Data analyst assessment ପାଇଁ ଗୋଟିଏ ନିର୍ଦ୍ଦିଷ୍ଟ ପରୀକ୍ଷା ନାହିଁ। ପ୍ରତ୍ୟେକ ନିଯୋକ୍ତା ନିଜ ପରୀକ୍ଷା ବାଛନ୍ତି, ଯାହା ପ୍ରାୟତଃ କୌଣସି assessment vendor ଠାରୁ ନିଆଯାଏ। ସେମାନେ ସାଧାରଣତଃ ପ୍ରଶ୍ନ ସଂଖ୍ୟା, ବିଷୟ ଓ କଠିନତା ବଦଳାଇପାରନ୍ତି। ଆପଣଙ୍କୁ ମିଳିଥିବା ନିମନ୍ତ୍ରଣ କିମ୍ବା recruiter ଠାରୁ ଆପଣଙ୍କ ପରୀକ୍ଷା ବିଷୟରେ ସବୁଠାରୁ ଭଲ ସୂଚନା ମିଳିବ। ଏହି ତିନୋଟି ସାର୍ବଜନୀନ ଉଦାହରଣରୁ ଏହାର ବିଭିନ୍ନତା ଜଣାପଡ଼େ:

• iMocha। iMocha ଏହାର data analyst test କୁ 20 ମିନିଟରେ 10ଟି ପ୍ରଶ୍ନ ବୋଲି ଦର୍ଶାଏ। ଏଥିରେ SQL ପରି data querying, visualization tools, statistical methods ଏବଂ Excel ପରି tools ରହିଛି। ଏହା କହେ ଯେ ଚାକିରିର ଭୂମିକା, କଠିନତା ଓ ପସନ୍ଦର tools ଅନୁସାରେ ପରୀକ୍ଷାକୁ ସମ୍ପୂର୍ଣ୍ଣ ଭାବେ ବଦଳାଯାଇପାରେ। ନିଯୋକ୍ତାମାନେ ନିଜର coding, multiple choice ଓ whiteboard ପ୍ରଶ୍ନ ମଧ୍ୟ ଯୋଡ଼ିପାରନ୍ତି।
• Adaface। Adaface ଏକ data analysis test ବିଷୟରେ କହେ, ଯେଉଁଥିରେ 30 ମିନିଟରେ 15ଟି ପରିସ୍ଥିତି-ଆଧାରିତ multiple choice ପ୍ରଶ୍ନ ରହିଛି। ପ୍ରଶ୍ନଗୁଡ଼ିକ data analysis, SQL ଏବଂ charts ଓ graphs ସହିତ data interpretation ମଧ୍ୟରେ ବଣ୍ଟାଯାଇଛି। ଏହା କହେ ଯେ ପରୀକ୍ଷାକୁ ଚାକିରିର ବିବରଣୀ ଅନୁସାରେ ପ୍ରସ୍ତୁତ କରାଯାଏ, ଏବଂ ନିଯୋକ୍ତା ପଠାଉଥିବା ପରୀକ୍ଷାର ଲମ୍ବ ଏହାର sample ଠାରୁ ଭିନ୍ନ ହୋଇପାରେ।
• Alooba। Aloobaର free data analytics test ଏକ ବ୍ୟାପକ ଉଦାହରଣ: 50 ମିନିଟରେ 50ଟି multiple choice ପ୍ରଶ୍ନ, ପ୍ରତ୍ୟେକରେ ପାଞ୍ଚଟି ଉତ୍ତର ବିକଳ୍ପ। ଏଥିରେ basic statistics, SQL, Python, R, data wrangling, reporting ଏବଂ visualization ଅନ୍ତର୍ଭୁକ୍ତ।

ବିଭିନ୍ନ vendorଙ୍କ ପରୀକ୍ଷାରେ ସାଧାରଣତଃ ଥିବା ବିଷୟଗୁଡ଼ିକ:

• SQL: ଏକ query ପଢ଼ି ଏହା କେଉଁ ଫଳାଫଳ ଦେବ ତାହା କହିବା, ବ୍ୟବସାୟିକ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେଉଥିବା query ବାଛିବା, joins, grouping ଏବଂ filtering।
• Spreadsheets: ନିୟମ-ଆଧାରିତ ମୋଟ ଓ ଗଣନା, lookups, IF logic ଏବଂ ଏକ ତାଲିକାର ସାରାଂଶ ପ୍ରସ୍ତୁତ କରିବା।
• Statisticsର ମୌଳିକ ଜ୍ଞାନ: mean, median ଓ spread, ପ୍ରତିଶତ ଓ ପ୍ରତିଶତ ପରିବର୍ତ୍ତନ, ଏବଂ correlation ଓ cause ମଧ୍ୟରେ ପାର୍ଥକ୍ୟ।
• Charts ଓ tables: ମୂଲ୍ୟ ପଢ଼ିବା, ଗୋଷ୍ଠୀଗୁଡ଼ିକୁ ତୁଳନା କରିବା, ଧାରା ଚିହ୍ନଟ କରିବା ଏବଂ ଏକ table ରୁ ହିସାବ କରିବା।
• କେତେକ ସମୟରେ Python, R କିମ୍ବା ଏକ dashboard tool, କିମ୍ବା ଏକ ପ୍ରାୟୋଗିକ କାମ, ଯେଉଁଥିରେ ଆପଣ ଏକ real database ଉପରେ ଚାଲିପାରୁଥିବା query ଲେଖନ୍ତି।

ଆମ mock ପରୀକ୍ଷାରେ କ’ଣ ରହିଛି। ଆମର ପୂର୍ଣ୍ଣ mock ପରୀକ୍ଷାରେ 40 ମିନିଟରେ 25ଟି ପ୍ରଶ୍ନ ରହିଛି, ଯାହା ଚାରିଟି ବିଭାଗରେ ବଣ୍ଟାଯାଇଛି: SQL (6), spreadsheets (6), statisticsର ମୌଳିକ ଜ୍ଞାନ (6) ଏବଂ charts ଓ tables (7)। ଆପଣ calculator ବ୍ୟବହାର କରିପାରିବେ ଏବଂ ପୂର୍ବ ପ୍ରଶ୍ନକୁ ଫେରି ଯାଇ ପ୍ରଶ୍ନ ଚିହ୍ନିତ କରିପାରିବେ। ସମସ୍ତ ପ୍ରଶ୍ନ multiple choice: ଆମ mock ପରୀକ୍ଷାରେ ଆପଣ ଲେଖିଥିବା SQL ଚଲାଯାଏ ନାହିଁ, ଏବଂ ଏଥିରେ Python, R, Tableau କିମ୍ବା Power BI ଅନ୍ତର୍ଭୁକ୍ତ ନୁହେଁ। ଆପଣଙ୍କ ନିମନ୍ତ୍ରଣରେ ଏଗୁଡ଼ିକ ଥିଲେ, ସେହି tool ରେ ନିଜେ ପ୍ରାୟୋଗିକ ଅଭ୍ୟାସ କରନ୍ତୁ।

iMocha, Adaface ଏବଂ Alooba ସେମାନଙ୍କ ମାଲିକମାନଙ୍କର ଟ୍ରେଡମାର୍କ। Intellect Council ଏଥିମଧ୍ୟରୁ କୌଣସି ସଂସ୍ଥା ସହ ଅନୁବନ୍ଧିତ ନୁହେଁ, ସେମାନଙ୍କ ଦ୍ୱାରା ସମର୍ଥିତ ନୁହେଁ କିମ୍ବା ସେମାନଙ୍କ ପ୍ରାୟୋଜିତ ନୁହେଁ।

ସମାଧାନ ସହ ଉଦାହରଣ ଥିବା ପ୍ରଶ୍ନର ପ୍ରକାର

ପ୍ରତ୍ୟେକ ବିଭାଗ ପାଇଁ ଏକ କିମ୍ବା ଦୁଇଟି ସମାଧାନ ସହ ଉଦାହରଣ, ଏବଂ ଅଧିକାଂଶ ଲୋକ କେଉଁ ଭୁଲରେ ପଡ଼ନ୍ତି ତାହା ସହ। ଏଥିରୁ କୌଣସିଟି ମାଗଣା ନମୁନାରେ ଥିବା ପ୍ରଶ୍ନର ପୁନରାବୃତ୍ତି ନୁହେଁ।

1. SQL: WHERE କିମ୍ବା HAVING। ଆପଣଙ୍କୁ ସେହି ଅଞ୍ଚଳଗୁଡ଼ିକ ଦରକାର ଯେଉଁଠାରେ ଅତି କମରେ ଗୋଟିଏ ଅର୍ଡରର ମୂଲ୍ୟ $500 ରୁ ଅଧିକ। WHERE ଦ୍ୱାରା filter କରିବେ, ନା HAVING ଦ୍ୱାରା? WHERE, କାରଣ ସର୍ତ୍ତଟି ପ୍ରତ୍ୟେକ row ବିଷୟରେ: WHERE amount > 500। GROUP BY ପରେ HAVING ଗୋଷ୍ଠୀଗୁଡ଼ିକୁ filter କରେ, ଯେପରି ମୋଟ ମୂଲ୍ୟ $500 ରୁ ଅଧିକ ଥିବା ଅଞ୍ଚଳ। ଭୁଲର ସମ୍ଭାବନା: ଉଭୟ ଠିକ୍ ଲାଗେ। ସର୍ତ୍ତଟି ଗୋଟିଏ row ବିଷୟରେ, ନା ଗୋଟିଏ ଗୋଷ୍ଠୀ ବିଷୟରେ, ତାହା ଭାବନ୍ତୁ।

2. SQL: ନଥିବା ଗ୍ରାହକମାନେ। ଆପଣ customers ଓ orders କୁ inner JOIN ଦ୍ୱାରା ଯୋଡ଼ି ଗ୍ରାହକଙ୍କ ସଂଖ୍ୟା ଗଣନା କରନ୍ତି। ଏହି ସଂଖ୍ୟା table ରେ ଥିବା ଗ୍ରାହକଙ୍କ ସଂଖ୍ୟାଠାରୁ କମ୍। କାହିଁକି? inner JOIN କେବଳ ଅତି କମରେ ଗୋଟିଏ ଅର୍ଡର ଥିବା ଗ୍ରାହକଙ୍କୁ ରଖେ। customers ଠାରୁ LEFT JOIN କଲେ ସମସ୍ତ ଗ୍ରାହକ ରହନ୍ତି, ଏବଂ ଅର୍ଡର ନଥିବା ଗ୍ରାହକଙ୍କ ପାଇଁ NULL ଦେଖାଯାଏ। ଭୁଲର ସମ୍ଭାବନା: କମ୍ ଫଳାଫଳକୁ "କିଛି ଗ୍ରାହକଙ୍କୁ ଡିଲିଟ୍ କରାଯାଇଛି" ବୋଲି ଭାବିବା।

3. Spreadsheet: ତୁଳନା କରି ଗଣନା। Column B ରେ ଅଞ୍ଚଳ ଏବଂ column C ରେ ଅର୍ଡର ମୂଲ୍ୟ ରହିଛି। 100 କିମ୍ବା ତାଠାରୁ ଅଧିକ ମୂଲ୍ୟର East ଅର୍ଡର ଗଣିବାକୁ =COUNTIFS(B:B,"East",C:C,">=100") ବ୍ୟବହାର କରନ୍ତୁ। ତୁଳନାଟି quotation mark ଭିତରେ ରହିବ। ଯଦି ସୀମାଟି E1 ପରି ଗୋଟିଏ cell ରେ ଅଛି, ତେବେ ଏହାକୁ ଯୋଡ଼ନ୍ତୁ: ">="&E1। ଭୁଲର ସମ୍ଭାବନା: ">=E1" ଲେଖିବା, ଯାହା "E1" ଟେକ୍ସଟ୍ ଖୋଜେ ଏବଂ କିଛି ଗଣନା କରେ ନାହିଁ।

4. ପରିସଂଖ୍ୟାନ: ହାରାହାରିଗୁଡ଼ିକର ହାରାହାରି। Store A ରେ ହାରାହାରି $20 ମୂଲ୍ୟର 100ଟି ଅର୍ଡର ଥିଲା। Store B ରେ ହାରାହାରି $40 ମୂଲ୍ୟର 10ଟି ଅର୍ଡର ଥିଲା। ଉଭୟ store ର ଅର୍ଡରର ହାରାହାରି ମୂଲ୍ୟ କେତେ? $30 ନୁହେଁ। 110ଟି ଅର୍ଡରର ମୋଟ ବିକ୍ରି 2,000 + 400 = $2,400, ତେଣୁ ହାରାହାରି ପ୍ରାୟ $21.82। ଭୁଲର ସମ୍ଭାବନା: ବହୁତ ଭିନ୍ନ ସଂଖ୍ୟକ item ଉପରେ ଆଧାରିତ ଦୁଇଟି ହାରାହାରିକୁ ପୁଣି ହାରାହାରି କରିବା। ମୋଟ ଓ ସଂଖ୍ୟା ଠାରୁ ଆରମ୍ଭ କରନ୍ତୁ।

5. ପରିସଂଖ୍ୟାନ: ପ୍ରତିଶତ କିମ୍ବା ପ୍ରତିଶତ ପଏଣ୍ଟ। conversion rate 4% ରୁ 5% କୁ ବଢ଼େ। ଏହା 1 percentage point ବୃଦ୍ଧି, ଏବଂ ଏହା 25% ବୃଦ୍ଧି ମଧ୍ୟ (1 / 4)। ଭୁଲର ସମ୍ଭାବନା: ପ୍ରଶ୍ନରେ ପ୍ରତିଶତ ପରିବର୍ତ୍ତନ ପଚରାଯାଇଥିବାବେଳେ "1%" ଉତ୍ତର ଦେବା। ପ୍ରଶ୍ନଟି କେଉଁଟି ଚାହୁଁଛି ଯାଞ୍ଚ କରନ୍ତୁ।

6. Chart: କମାଯାଇଥିବା axis। ଗୋଟିଏ bar chart ରେ Team A ର ସନ୍ତୁଷ୍ଟି 92 ଏବଂ Team B ର 96 ଦେଖାଯାଇଛି, ଆଉ B ର bar ଦୁଇଗୁଣ ଉଚ୍ଚ ଦେଖାଯାଉଛି। axis ଯାଞ୍ଚ କରନ୍ତୁ: ଯଦି ଏହା 90 ରୁ ଆରମ୍ଭ ହୁଏ, ତେବେ bar ଗୁଡ଼ିକ ସେହି ସୀମାଠାରୁ ଉପରେ 2 ଓ 6 ଦେଖାଏ, ପୂରା ମୂଲ୍ୟ ନୁହେଁ। ପ୍ରକୃତ ତଫାତ 4 ପଏଣ୍ଟ, ପ୍ରାୟ 4%। ଭୁଲର ସମ୍ଭାବନା: ସଂଖ୍ୟା ବଦଳରେ bar ର ଉଚ୍ଚତା ଦେଖି ଉତ୍ତର ଦେବା।

7. Table: ପ୍ରଥମେ ମାପ ଏକକ ପଢ଼ନ୍ତୁ। ଗୋଟିଏ table ର heading ରେ "Revenue ($ thousands)" ଲେଖାଅଛି ଏବଂ ପ୍ରଶ୍ନରେ Q2 ର ଆୟ ପଚରାଯାଇଛି, ଯାହା 95 ଭାବେ ଦିଆଯାଇଛି। ଉତ୍ତର ହେଉଛି $95,000। ଭୁଲର ସମ୍ଭାବନା: $95 ଲେଖାଥିବା ବିକଳ୍ପ ବାଛିବା। table ସମ୍ପର୍କିତ ପ୍ରଥମ ପ୍ରଶ୍ନ ପଢ଼ିବା ପୂର୍ବରୁ ଶୀର୍ଷକ, heading ଏବଂ ଟିପ୍ପଣୀଗୁଡ଼ିକ ପଢ଼ନ୍ତୁ।

କିପରି ପ୍ରସ୍ତୁତି ନେବେ

1. ପ୍ରଥମେ ଆପଣଙ୍କ ଆମନ୍ତ୍ରଣ ପଢ଼ନ୍ତୁ। ଆପଣଙ୍କ ନିଯୁକ୍ତିଦାତା କେଉଁ vendor କିମ୍ବା ଢାଞ୍ଚା ବ୍ୟବହାର କରନ୍ତି, ପରୀକ୍ଷା କେତେ ସମୟର, ଏବଂ ଏଥିରେ ଚାଲୁଥିବା SQL ଲେଖିବାକୁ, Excel କିମ୍ବା Google Sheets ବ୍ୟବହାର କରିବାକୁ, ନା Python କିମ୍ବା R ରେ code କରିବାକୁ କୁହାଯାଏ, ତାହା ଜାଣନ୍ତୁ। ପରୀକ୍ଷାର ଢାଞ୍ଚା ଏତେ ଭିନ୍ନ ହୋଇପାରେ ଯେ ଅନୁମାନ କରିବା ଠିକ୍ ନୁହେଁ।
2. ନିଜ ଗତି ଜାଣନ୍ତୁ। Vendor ପରୀକ୍ଷାଗୁଡ଼ିକ ପ୍ରାୟତଃ ଛୋଟ ହୋଇଥାଏ। iMocha ରେ 20 ମିନିଟ୍‌ରେ 10ଟି ପ୍ରଶ୍ନ ଥିଲେ, ପ୍ରତ୍ୟେକ ପ୍ରଶ୍ନ ପାଇଁ ପ୍ରାୟ 2 ମିନିଟ୍ ମିଳେ (iMocha)। କିଛି ପ୍ରଶ୍ନରେ ଶୀଘ୍ର ଯୋଗ କରିବାକୁ ପଡ଼େ, ତେଣୁ timer ଲଗାଇ ଅଭ୍ୟାସ କରନ୍ତୁ।
3. SQL ର ମୂଳ ବିଷୟଗୁଡ଼ିକ ଅଭ୍ୟାସ କରନ୍ତୁ। SELECT, WHERE, SUM, COUNT ଏବଂ AVG ସହ GROUP BY, HAVING, ORDER BY, INNER ଏବଂ LEFT JOIN, DISTINCT, ଏବଂ count ଓ ତୁଳନାରେ NULL କିପରି କାମ କରେ। ପାଞ୍ଚ କିମ୍ବା ଛଅଟି row ଥିବା table ଉପରେ ଛୋଟ query ଗୁଡ଼ିକୁ ହାତରେ ଅନୁସରଣ କରନ୍ତୁ।
4. Spreadsheet ର ମୂଳ ବିଷୟଗୁଡ଼ିକ ଅଭ୍ୟାସ କରନ୍ତୁ। SUMIFS, COUNTIFS, AVERAGEIFS, XLOOKUP ପରି lookup, IF ଏବଂ nested IF, ଏବଂ pivot summary। ଅଧିକ formula ଅଭ୍ୟାସ ପାଇଁ, ଆମର Excel assessment test ଦେଖନ୍ତୁ।
5. Statistics ର ମୌଳିକ ବିଷୟଗୁଡ଼ିକ ସତେଜ କରନ୍ତୁ। Mean, median ଏବଂ mode, outlier ଥିଲେ କେବେ median ଅଧିକ ଉପଯୋଗୀ ହୁଏ, range, ପ୍ରତିଶତ ପରିବର୍ତ୍ତନ, percentage point, weighted average, ଏବଂ correlation କାହିଁକି କାରଣ ପ୍ରମାଣ କରେ ନାହିଁ।
6. ପ୍ରତ୍ୟେକ chart ଧୀରେ ଧୀରେ ପଢ଼ନ୍ତୁ। Title, unit, axis ର ଆରମ୍ଭ, legend, ତାପରେ ପ୍ରଶ୍ନ। ଅଧିକାଂଶ chart ଭୁଲ ଏଥିରୁ ହୁଏ ଯେ ଏହିସବୁ ମଧ୍ୟରୁ କୌଣସିଟି ଛାଡ଼ି ଦିଆଯାଏ।
7. ଆପଣଙ୍କ ପରୀକ୍ଷା ଅନୁମତି ଦେଲେ calculator ଏବଂ ଖସଡ଼ା କାଗଜ ପାଖରେ ରଖନ୍ତୁ, ଏବଂ ଉଭୟ ବ୍ୟବହାର କରି ପ୍ରତିଶତ କିପରି ହିସାବ କରିବେ ଜାଣନ୍ତୁ।
8. ପୂରା timed mock test ଦିଅନ୍ତୁ। ପ୍ରକୃତ ଗତିରେ ଅଭ୍ୟାସ କରନ୍ତୁ, ଯାହାଦ୍ୱାରା ପରୀକ୍ଷା ଦିନ 20 କିମ୍ବା 30 ମିନିଟ୍‌ର ପରୀକ୍ଷା ସ୍ୱାଭାବିକ ଲାଗିବ।

ସାଧାରଣତଃ ସ୍କୋର କିପରି ନିର୍ଣ୍ଣୟ କରାଯାଏ

ସ୍କୋରିଂ ନିଯୁକ୍ତିଦାତା ଏବଂ ସେବା ପ୍ରଦାନକାରୀ ଉପରେ ନିର୍ଭର କରେ। କୌଣସି ଜାତୀୟ ସ୍କେଲ୍ କିମ୍ବା ସାର୍ବଜନୀନ ଉତ୍ତୀର୍ଣ୍ଣ ମାନଦଣ୍ଡ ନାହିଁ। ସେବା ପ୍ରଦାନକାରୀମାନେ ନିଯୁକ୍ତିଦାତାଙ୍କୁ ଏକ ରିପୋର୍ଟ ଦିଅନ୍ତି, ଏବଂ ଚାକିରି ପାଇଁ କେଉଁ ଫଳାଫଳ ଆବଶ୍ୟକ ତାହା ନିଯୁକ୍ତିଦାତା ସ୍ଥିର କରନ୍ତି। ଏକ ସାର୍ବଜନୀନ ଉଦାହରଣ:

• Adaface କହେ ଯେ ଏହାର ରିପୋର୍ଟରେ ସାମଗ୍ରିକ ଉତ୍ତୀର୍ଣ୍ଣ କିମ୍ବା ଅନୁତ୍ତୀର୍ଣ୍ଣ ସୁପାରିଶ ଏବଂ ଶିଳ୍ପର ମାନଦଣ୍ଡ ରହିଥାଏ। ଏହା ନିଯୁକ୍ତିଦାତାମାନଙ୍କୁ ନିଜସ୍ୱ ସୀମା ସ୍କୋର ସ୍ଥିର କରିବାକୁ ପରାମର୍ଶ ଦିଏ (Adaface).

iMocha ଏବଂ Alooba ଆମେ ଯାଞ୍ଚ କରିଥିବା ପୃଷ୍ଠାଗୁଡ଼ିକରେ ସେମାନଙ୍କର ସ୍କୋରିଂ ବିଷୟରେ ବର୍ଣ୍ଣନା କରିନାହାନ୍ତି। ବହୁବିକଳ୍ପ ପ୍ରଶ୍ନଗୁଡ଼ିକୁ ସାଧାରଣତଃ ସଠିକ୍ କିମ୍ବା ଭୁଲ୍ ଭାବେ ମୂଲ୍ୟାୟନ କରାଯାଏ। କୌଣସି ପରୀକ୍ଷାରେ ଆପଣଙ୍କୁ query ଲେଖିବାକୁ କୁହାଗଲେ, ଏହାକୁ ଆଶାକରାଯାଇଥିବା ଫଳାଫଳ ସହ ତୁଳନା କରି ଯାଞ୍ଚ କରାଯାଇପାରେ। ତେଣୁ ପ୍ରାୟ ସଠିକ୍ query ପାଇଁ ମଧ୍ୟ କୌଣସି ସ୍କୋର ନ ମିଳିପାରେ।

ଆମର ଅଭ୍ୟାସ ସ୍କୋର ହେଉଛି ଆମର ନିଜ ପ୍ରଶ୍ନଗୁଡ଼ିକ ମଧ୍ୟରୁ ଆପଣ କେତୋଟିର ସଠିକ୍ ଉତ୍ତର ଦେଇଛନ୍ତି, ତାହାର ବିଭାଗ ଅନୁସାରେ ବିବରଣୀ: SQL, ସ୍ପ୍ରେଡ୍‌ସିଟ୍, ପରିସଂଖ୍ୟାନର ମୌଳିକ ବିଷୟ, ଏବଂ ଚାର୍ଟ ଓ ଟେବୁଲ୍। ଏହା କେଉଁଠି ଧ୍ୟାନ ଦେବାକୁ ପଡ଼ିବ ତାହା ଦେଖାଏ। ଏହା ଏକ ଅଭ୍ୟାସ ସ୍କୋର: ଏହା କୌଣସି ସେବା ପ୍ରଦାନକାରୀ କିମ୍ବା ନିଯୁକ୍ତିଦାତାଙ୍କ ପରୀକ୍ଷାର ସ୍କୋର ନୁହେଁ ଏବଂ ଆପଣ ଉତ୍ତୀର୍ଣ୍ଣ ହେବେ କି ନାହିଁ ତାହାର ପୂର୍ବାନୁମାନ କରେନାହିଁ।

data analyst testରେ ସାଧାରଣ ଭୁଲ

• NULL କୁ ଭୁଲିଯିବା। COUNT(column) NULL ଗୁଡ଼ିକୁ ଛାଡ଼ିଦିଏ, AVG ସେଗୁଡ଼ିକୁ ଅଣଦେଖା କରେ, ଏବଂ WHERE email = NULL କୌଣସି ଫଳାଫଳ ଦିଏ ନାହିଁ। IS NULL ବ୍ୟବହାର କରନ୍ତୁ।
• ଭୁଲ ଜିନିଷ ଅନୁସାରେ ଗ୍ରୁପ୍ କରିବା। ନାମ ଅନୁସାରେ ଗ୍ରୁପ୍ କଲେ, ସମାନ ନାମ ଥିବା ଦୁଇଜଣ ଭିନ୍ନ ବ୍ୟକ୍ତି ଏକାଠି ହୋଇଯାଆନ୍ତି। id ଅନୁସାରେ ଗ୍ରୁପ୍ କରନ୍ତୁ ଏବଂ ପାଖରେ ନାମ ଦେଖାନ୍ତୁ।
• ଭୁଲ key ଦ୍ୱାରା join କରିବା। orders.id କୁ customers.id ସହ join କଲେ ଠିକ୍ ଲାଗେ ଏବଂ ଧାଡ଼ି ଫେରାଇଦିଏ, କିନ୍ତୁ ସେଗୁଡ଼ିକ ଭୁଲ ଧାଡ଼ି। customer_id ପରି foreign key ମେଳାନ୍ତୁ।
• ଶତକଡ଼ା ପରିବର୍ତ୍ତନରେ ଭୁଲ ସଂଖ୍ୟାରେ ଭାଗ କରିବା। ସବୁବେଳେ ଆରମ୍ଭିକ ମୂଲ୍ୟରେ ଭାଗ କରନ୍ତୁ।
• "ଠାରୁ ବଡ଼"କୁ "ଅତି କମରେ" ବୋଲି ଧରିନେବା। SQL ଏବଂ formulas ରେ, > ଏବଂ >= ସୀମାରେ ଭିନ୍ନ ଉତ୍ତର ଦିଅନ୍ତି। ସୀମାନ୍ତ ଉଦାହରଣଟି ଯାଞ୍ଚ କରନ୍ତୁ।
• ଗାଣିତିକ ମଧ୍ୟମ ଓ ମଧ୍ୟମାକୁ ମିଶାଇଦେବା। ଗୋଟିଏ ଅତ୍ୟଧିକ ଚରମ ମୂଲ୍ୟ ଗାଣିତିକ ମଧ୍ୟମକୁ ବହୁତ ବଦଳାଇଦିଏ, କିନ୍ତୁ ମଧ୍ୟମାକୁ ପ୍ରାୟ ବଦଳାଏ ନାହିଁ।
• ସହସମ୍ବନ୍ଧ ଦେଖି "କାରଣ ହୁଏ" ବୋଲି କହିବା। ଦୁଇଟି ଜିନିଷ ଏକାସାଙ୍ଗେ ବଦଳିବା ହେଉଛି ବୁଝାଇବାକୁ ଥିବା ଏକ ଧାରା, ପ୍ରମାଣ ନୁହେଁ।
• ସାରଣୀର ଶୀର୍ଷକ ଧାଡ଼ିକୁ ତରବରରେ ଦେଖିବା। ଏକକ, ସମୟ ଅବଧି ଏବଂ ଫୁଟନୋଟ୍ ଉତ୍ତର ବଦଳାଇପାରେ।

ଏହି ଅଭ୍ୟାସଟି ପ୍ରକୃତ ପରୀକ୍ଷା ସହ କିପରି ତୁଳନାଯୋଗ୍ୟ

ଆମେ କେଉଁ ବିଷୟରେ ସମାନ ଅଭ୍ୟାସ ଦେଉ। Vendor ମାନେ ଅଧିକାଂଶ ସମୟରେ ବର୍ଣ୍ଣନା କରୁଥିବା ଚାରିଟି ବିଷୟ, ସମାନ ଶୈଳୀର multiple choice ପ୍ରଶ୍ନ, calculator ଏବଂ ପ୍ରକୃତ ସମୟ ଚାପ। ପ୍ରତ୍ୟେକ ପ୍ରଶ୍ନର ବ୍ୟାଖ୍ୟା ରହିଛି।

କେଉଁ ବିଷୟରେ ଆମେ ସମାନ ଅଭ୍ୟାସ ଦେଇପାରୁନାହୁଁ। ଆମେ live database ଚଲାଉନାହୁଁ, ତେଣୁ ଆପଣ ଟାଇପ୍ କରୁଥିବା SQL ଯାଞ୍ଚ କରିପାରୁନାହୁଁ। ଆମେ Python, R କିମ୍ବା dashboard tools ଅନ୍ତର୍ଭୁକ୍ତ କରୁନାହୁଁ। Vendor ମାନେ ନିଜସ୍ୱ question bank ଓ କଠିନତା ସ୍ତର ବ୍ୟବହାର କରନ୍ତି, ଯାହା ଆମେ କେବେ ଦେଖୁନାହୁଁ।

ଏହି ଅଭାବ ପୂରଣ କରିବାର ଉପାୟ। ଦୁର୍ବଳ ଦିଗ ଚିହ୍ନଟ କରିବା ଓ ନିୟମ ଶିଖିବା ପାଇଁ ଆମର ପ୍ରଶ୍ନ ବ୍ୟବହାର କରନ୍ତୁ। ତା'ପରେ ନିଜେ ତିଆରି କରିଥିବା ଏକ ଛୋଟ table ଉପରେ ମାଗଣା database tool ରେ କିଛି query ଲେଖନ୍ତୁ ଏବଂ ପ୍ରକୃତ spreadsheet ରେ formula ଗୁଡ଼ିକୁ ପୁଣି ତିଆରି କରନ୍ତୁ। ଆପଣଙ୍କ ନିମନ୍ତ୍ରଣରେ coding କିମ୍ବା dashboard କାର୍ଯ୍ୟ ଥିଲେ, ସେହି tool ରେ ସିଧାସଳଖ ଅଭ୍ୟାସ କରନ୍ତୁ।