75+ Data Analyst Interview Questions and Answers to Crack Your Interview

Giới thiệu

Chuyên viên Phân tích Dữ liệu Thường gặp Nhất

• WHERE lọc các hàng (rows) trước khi tổng hợp (aggregation).

• HAVING lọc các kết quả đã được nhóm sau khi tổng hợp.

• Loại I là lỗi dương tính giả (false positive).

• Loại II là lỗi âm tính giả (false negative).

• VLOOKUP chỉ tìm kiếm từ trái sang phải và dựa vào chỉ mục cột cố định.

• XLOOKUP có thể tìm kiếm sang trái hoặc phải, mặc định là khớp chính xác (exact match) và sẽ không bị lỗi nếu có cột mới được chèn vào.

• Extract (Trích xuất) là một bản chụp nhanh (snapshot) tốc độ cao mà bạn có thể làm mới.

• Live (Truy vấn trực tiếp) kết nối với nguồn trong thời gian thực để có dữ liệu luôn luôn là mới nhất.

Chuyên viên Phân tích Dữ liệu Tổng quan

• Khai phá dữ liệu: khám phá các mô hình/mối quan hệ (các phân khúc, điểm bất thường, dự đoán).

• Lập hồ sơ dữ liệu: đánh giá chất lượng và cấu trúc (giá trị rỗng, tính duy nhất, tính hợp lệ, các phân phối).

• Dữ liệu lộn xộn (bị thiếu, trùng lặp, định dạng không nhất quán).

• Định nghĩa các chỉ số (metric) không rõ ràng giữa các nhóm.

• Kết nối sai (incorrect joins) hoặc không khớp về mức độ chi tiết (grain mismatches) làm bóp méo/phóng đại tổng số.

• Các rào cản về quyền truy cập/quyền riêng tư/tuân thủ.

• Sự không thống nhất với các bên liên quan và phạm vi công việc bị thay đổi.

• Sự đánh đổi giữa tốc độ và độ chính xác.

• SQL để truy vấn và tổng hợp.

• Excel/Sheets để phân tích nhanh, kiểm tra chất lượng (QA), và tạo bảng pivot.

• Python/R để làm sạch, tự động hóa, thống kê.

• Các công cụ BI cho bảng điều khiển (Tableau/Power BI).

• Slide (Trang trình bày) để kể chuyện & đưa ra đề xuất.

• Lập hồ sơ trước (kiểm tra giá trị rỗng, trùng lặp, phạm vi, phân phối).

• Chuẩn hóa định dạng (ngày tháng, đơn vị, danh mục).

• Xác thực các quy tắc kinh doanh (ví dụ: ngày đặt hàng ≤ ngày giao hàng).

• Xử lý các giá trị bị thiếu có chủ đích (loại bỏ/điền khuyết/gắn cờ).

• Điều tra các giá trị ngoại lệ (outliers) trước khi loại bỏ.

• Ghi chú lại các thay đổi để có thể tái tạo/thực hiện lại (reproducibility).

• Xác định vấn đề

• Thu thập và Xác thực dữ liệu

• Chạy phân tích dữ liệu khám phá (EDA)

• Phân tích và Trực quan hóa

• Đề xuất hành động và Tài liệu hóa (ghi chép) kết quả

• Mô tả (Descriptive): chuyện gì đã xảy ra (KPIs, bảng điều khiển).

• Dự đoán (Predictive): chuyện gì có thể xảy ra (dự báo, mô hình xác suất).

• Đề xuất (Prescriptive): cần phải làm gì (các đề xuất, tối ưu hóa).

• Ngẫu nhiên đơn giản (simple random).

• Có hệ thống (lấy mỗi bản ghi thứ n).

• Phân tầng (theo phân khúc, lấy mẫu bên trong từng phân khúc).

• Theo cụm (lấy mẫu theo nhóm/cụm).

• Có mục đích/dựa trên phán đoán (sử dụng cẩn thận; có rủi ro thiên lệch/bias).

• Điểm mạnh: Tôi rất thạo trong việc gỡ lỗi (debugging) SQL và định nghĩa các chỉ số.

• Điểm yếu & cách khắc phục: Tôi từng dành quá nhiều thời gian để trau chuốt bảng điều khiển; giờ đây tôi giới hạn thời gian (timebox) và ưu tiên xác thực quyết định trước.

• privacy & security

• informed consent/purpose limitation

• bias and fairness

• transparency of assumptions

• data integrity and accuracy

• accountability for downstream impact

• Đơn biến (Univariate): một biến (phân phối).

• Song biến (Bivariate): mối quan hệ giữa hai biến.

• Đa biến (Multivariate): từ 3 biến trở lên cùng nhau (các tương tác).

SQL dành cho Chuyên viên Phân tích Dữ liệu

SELECT salary * 12 AS annual_salary
FROM employees
WHERE annual_salary > 100000;

SELECT salary * 12 AS annual_salary
FROM employees
WHERE salary * 12 > 100000;

• UNION: kết hợp các kết quả (loại bỏ các bản ghi trùng lặp); UNION ALL giữ lại các bản ghi trùng lặp.

• INTERSECT: trả về các hàng chung giữa các truy vấn.

• EXCEPT: trả về các hàng có trong truy vấn thứ nhất nhưng không có trong truy vấn thứ hai (được gọi là MINUS trong một số hệ quản trị cơ sở dữ liệu).

• Truy vấn con không tương quan: chạy một lần và cung cấp kết quả cho truy vấn bên ngoài.

• Truy vấn con tương quan: chạy cho từng hàng của truy vấn bên ngoài (tốn kém tài nguyên hơn); cần sử dụng cẩn thận.

• ROW_NUMBER: đánh số thứ tự duy nhất ngay cả khi các giá trị bằng nhau (1, 2, 3…).

• RANK: các giá trị bằng nhau sẽ có cùng thứ hạng; nhưng sẽ nhảy số/bỏ qua các vị trí tiếp theo (1, 1, 3…).

• DENSE_RANK: các giá trị bằng nhau sẽ có cùng thứ hạng; không để lại khoảng trống ở các số tiếp theo (1, 1, 2…).

SELECT p.ProductID,
       p.ProductName,
       SUM(s.UnitSold) AS total_units_sold
FROM product p
JOIN sales_order_detail s
  ON p.ProductID = s.ProductID
GROUP BY p.ProductID, p.ProductName
HAVING SUM(s.UnitSold) > 1500000;

• Nhận giá trị start_num, end_num.

• Lặp từ giá trị bắt đầu đến kết thúc.

• Xuất các giá trị mà tại đó n % 2 = 0.

CREATE PROCEDURE GetEvenNumbers
    @start_num INT,
    @end_num INT
AS
BEGIN
    DECLARE @current INT = @start_num;

    WHILE @current <= @end_num
    BEGIN
        -- Kiểm tra nếu số dư khi chia cho 2 bằng 0
        IF @current % 2 = 0
        BEGIN
            PRINT @current;
        END
        
        SET @current = @current + 1;
    END
END;
-- Cách gọi: EXEC GetEvenNumbers 1, 10;

DELIMITER //

CREATE PROCEDURE GetEvenNumbers(IN start_num INT, IN end_num INT)
BEGIN
    DECLARE current_num INT DEFAULT start_num;
    
    WHILE current_num <= end_num DO
        IF current_num % 2 = 0 THEN
            SELECT current_num AS EvenNumber;
        END IF;
        SET current_num = current_num + 1;
    END WHILE;
END //

DELIMITER ;
-- Cách gọi: CALL GetEvenNumbers(1, 10);

Thống kê dành cho Chuyên viên Phân tích Dữ liệu

• Overfitting: Thể hiện cực tốt trên dữ liệu huấn luyện (training data), nhưng kém trên dữ liệu kiểm tra (test data) vì mô hình học cả những nhiễu (noise) của dữ liệu.

• Dưới khớp (Underfitting): Thể hiện kém trên cả hai tập dữ liệu vì mô hình quá đơn giản để nắm bắt được các quy luật (patterns) của dữ liệu.

• H_0 (giả thuyết không): không tồn tại hiệu ứng/mối quan hệ.

• H_1 (giả thuyết đối): tồn tại một hiệu ứng/mối quan hệ.

• Ví dụ: H_0 "không có sự khác biệt về tỷ lệ chuyển đổi," H_1 "tỷ lệ chuyển đổi có sự khác biệt."

• Phương sai: mức độ phân tán của một biến xung quanh giá trị trung bình của nó.

• Hiệp phương sai: cách thức hai biến cùng biến thiên (cho biết hướng, nhưng chưa được chuẩn hóa).

• Sử dụng hồi quy tuyến tính (linear regression) cho các kết quả liên tục (doanh thu, nhu cầu).

• Sử dụng hồi quy logistic (logistic regression) cho các kết quả mang tính xác suất (chuyển đổi: có/không).

• Mức độ tăng trưởng (Lift), khoảng tin cậy/giá trị p (p-value).

• Kích thước mẫu, thời gian thử nghiệm.

Python dành cho Chuyên viên Phân tích Dữ liệu

np.reshape(arr, newshape)
# hoặc
arr.reshape(newshape)

import pandas as pd
df = pd.DataFrame({"Name": ["A", "B"], "Age": [25, 30]})

df = pd.DataFrame([{"Name": "A", "Age": 25}, {"Name": "B", "Age": 30}])

df = pd.read_csv("emp.csv")
# df = pd.read_excel("emp.xlsx")

import numpy as np
arr = np.array([[1, 2], [3, 4]])
df = pd.DataFrame(arr, columns=["A", "B"])

import pandas as pd
df = pd.read_csv("emp.csv")
print(df.head())
print(df.describe())
print(df.info())

df[["Department", "Age"]]

import numpy as np
num = np.array([[1,2,3],[4,5,6],[7,8,9]])
num[2, 1]  # Hàng chỉ số 2, cột chỉ số 1

arr = np.array([0,1,2,3,4,5,6,7,8,9])
arr[1::2]              # Sử dụng slicing (bắt đầu từ 1, bước nhảy 2)
# hoặc
arr[arr % 2 == 1]      # Sử dụng lọc theo điều kiện số lẻ

np.hstack((a, b))
# hoặc đối với mảng 2 chiều
np.concatenate((a, b), axis=1)

df["Address"] = ["NY", "CA", "TX"]

import numpy as np
np.random.randint(1, 16, size=4)

df.nunique()                       # Số lượng giá trị duy nhất mỗi cột
df["Department"].unique()           # Các giá trị duy nhất của cột Department
df[(df["Age"] < 35) & (df["Height"] > 6)]  # Lọc theo nhiều điều kiện

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2*np.pi, 200)
y = np.sin(x)
plt.plot(x, y)
plt.show()

avg_sales = df.groupby("Company")["Sales"].mean()
top_company = avg_sales.idxmax()
df["Sales"].describe().to_frame().T  # Chuyển vị bảng thống kê

import pandas as pd
df_merged = pd.merge(df1, df2, on="EmployeeID", how="left")

df.isna().sum()                     # Kiểm tra tổng số giá trị thiếu
df["Age"] = df["Age"].fillna(df["Age"].median())  # Điền khuyết bằng trung vị

df["OrderDate"] = pd.to_datetime(df["OrderDate"])

df[(df["OrderDate"] >= "2026-01-01") & (df["OrderDate"] < "2026-02-01")]

df["month"] = df["OrderDate"].dt.month

• .dt.year: Lấy năm.

• .dt.month: Lấy tháng.

• .dt.day: Lấy ngày.

• .dt.day_name(): Lấy tên thứ trong tuần (Monday, Tuesday...).

• .dt.quarter: Lấy quý trong năm.

Tableau dành cho Chuyên viên Phân tích Dữ liệu

• Join: Kết hợp các bảng ở cấp độ hàng (tương tự SQL) bằng cách sử dụng các trường chung.

• Blend: Kết hợp nhiều nguồn dữ liệu ở lớp hiển thị (viz layer) giữa nguồn chính và nguồn phụ.

• Lời khuyên: Nên ưu tiên sử dụng Join hoặc Relationships (Mối quan hệ) khi có thể; chỉ sử dụng Blend khi các nguồn dữ liệu không thể nối với nhau một cách sạch sẽ.

• Inner Join (Nối trong)

• Left Join (Nối trái)

• Right Join (Nối phải)

• Full Outer Join (Nối ngoài toàn bộ)

• Kéo Category & Subcategory vào Rows (Hàng).

• Kéo Sales vào Columns (Cột).

• Kéo Profit vào thẻ Color (Màu sắc).

• Kéo Quantity vào thẻ Label (Nhãn).

• Sắp xếp theo Sales giảm dần.

1. Kéo Order Date vào Columns (đặt theo Year hoặc Month).

2. Kéo Sales vào Rows.

3. Kéo Profit vào Rows (đặt cạnh Sales), sau đó nhấp chuột phải vào Profit → chọn Dual Axis.

4. Nhấp chuột phải vào một trục → chọn Synchronize Axis (Đồng bộ hóa trục).

5. Trong thẻ Marks, đặt Sales dạng Bar (Thanh) và Profit dạng Line (Đường).

1. Kéo State vào vùng hiển thị (hoặc nhấp đúp để tạo bản đồ).

2. Trong thẻ Marks, chọn kiểu Map (hoặc Symbol Map).

3. Kéo Sales vào thẻ Size (Kích thước).

4. Kéo Profit vào thẻ Color (Màu sắc).

5. Thêm nhãn/chú giải (ví dụ: State, Sales, Profit) và điều chỉnh thang màu để dễ đọc.

• Treemap: Dùng để thể hiện mối quan hệ phần-trên-tổng-thể (part-to-whole) thông qua các hình chữ nhật lồng nhau.

• Heatmap: Dùng để nhận diện các quy luật/mẫu (patterns) giữa hai chiều dữ liệu bằng cách sử dụng cường độ màu sắc.

Radar Chuẩn bị Phỏng vấn Chuyên viên Phân tích Dữ liệu

• Phép nối & Tổng hợp (Joins & Aggregation): Sử dụng thành thạo GROUP BY, HAVING để tóm tắt dữ liệu.

• Hàm cửa sổ (Window functions): Sử dụng các hàm như ROW_NUMBER, DENSE_RANK để xếp hạng và phân tích dữ liệu theo phân khúc.

• CTEs & Truy vấn con (CTEs & Subqueries): Viết các truy vấn sạch sẽ, dễ đọc và logic để xử lý các bài toán nhiều bước.

• Kiểm định giả thuyết (Hypothesis testing): Hiểu về sai lầm Loại I/II (Type I/II errors) và ý nghĩa thống kê (significance).

• Giá trị ngoại lệ & Dữ liệu thiếu (Outliers & Missing data): Biết cách xử lý và hiểu rõ sự đánh đổi giữa các phương pháp (xóa bỏ vs. điền khuyết).

• Cơ bản về Hồi quy & Thử nghiệm A/B (Regression & A/B testing): Xác định các yếu tố thúc đẩy (drivers) và mức độ tăng trưởng (lift).

• Bảng Pivot (PivotTables): Tính toán tỷ trọng trên tổng số (% of total) và sắp xếp dữ liệu linh hoạt.

• Logic tìm kiếm (Lookup logic): Thành thạo XLOOKUP hoặc bộ đôi INDEX-MATCH để truy xuất dữ liệu.

• Xác thực & Làm sạch dữ liệu (Data validation & Cleaning): Tạo danh sách thả xuống (dropdowns) và chuẩn hóa định dạng dữ liệu.

• Lọc & Nhóm trong Pandas (Pandas filtering & Grouping): Sử dụng mặt nạ logic (boolean masks) và hàm groupby.

• Gộp & Xử lý giá trị thiếu (Merge & Missing values): Kết nối các bảng dữ liệu (merge) và xử lý dữ liệu trống bằng isna, fillna.

• Thời gian & Vẽ đồ thị nhanh (Dates & Quick plots): Chuyển đổi định dạng to_datetime, trích xuất thuộc tính thời gian với .dt và sử dụng Matplotlib để trực quan hóa nhanh.

• Nối so với Hòa trộn (Join vs Blend): Đưa ra các lựa chọn mô hình hóa dữ liệu chính xác dựa trên nguồn dữ liệu.

• Biểu thức LOD (LOD expressions): Sử dụng các hàm FIXED, INCLUDE, EXCLUDE để tính toán dữ liệu ở nhiều mức độ chi tiết khác nhau.

• Biểu đồ hai trục & Bản đồ (Dual-axis & Maps): Xây dựng các góc nhìn so sánh (ví dụ: Doanh số vs. Lợi nhuận theo thời gian) và trực quan hóa theo địa lý.