负责取数、做报表和业务分析的数据分析师，日常工作里大量时间花在写取数语句、调整表格格式和把结论翻译成业务语言上。面试问得随意，就很难比较候选人，也容易被会说话的人打动而错过真正能干活的人。本文给出数据分析师用 AI 设计面试问题的一套可直接照抄的做法：根据岗位能力要求，让 AI 设计行为面试题、追问和评分标准，面试时按同一标准评估。

场景：数据分析师为什么需要 AI 设计面试问题

数据分析师下周要面试几位候选人，岗位需要能完成“完成 9 月用户留存分析报告”这类工作。以前面试主要凭感觉，问题也不统一，事后很难比较谁更合适。尤其当业务负责人同时还在等“核对两个口径不一致的 GMV 指标”的结果时，能把这部分工作提速，就能腾出精力处理更重要的判断。

用什么工具

用 ChatGPT、Kimi、通义千问等对话助手设计题目和评分表；面试记录可以用转写工具整理，再交给 AI 对照评分标准做初步归纳。

对话助手即可，重要的是把岗位的真实能力要求写清楚。

案例：一次完整的使用过程（虚构）

设想一个虚构场景：老张刚接手一部分新工作，既要完成“搭建渠道转化日报看板”，又要准备“优化看板查询性能”。面对需要设计面试问题的任务，老张的做法是：先让 AI 按固定结构起草，再对照自己掌握的事实逐项修改，涉及用户明细、手机号和未公开的经营数据的部分一律用代号替换。这样既节省了时间，也守住了准确性和隐私的底线。

分步操作

  1. 列出岗位最关键的 3-4 项能力
  2. 为每道题设定好、中、差三档回答特征
  3. 面试时记录候选人的具体事例
  4. 面试后按评分表打分，再综合讨论

可复用的提示词

把方括号和括号里的内容换成你自己的信息即可：

【背景】最近在处理“核对两个口径不一致的 GMV 指标”，同时要准备“优化看板查询性能”。
我是数据分析师，要面试一个协助处理“完成 9 月用户留存分析报告”工作的岗位。
关键能力：问题解决、沟通协作、学习能力、责任心

请：
1. 每项能力设计 2 道行为面试题（让候选人讲过去的真实经历）
2. 每道题给出 2 个追问，用来判断事例是否真实、候选人在其中的角色
3. 给出评分标准：优秀、合格、不合格的回答各有什么特征
4. 列出 3 个面试中应避免的问题（涉及隐私或歧视）

效果示例（虚构演示）

以下是一段示意性的输出，内容基于虚构的工作记录，仅用于展示格式和思路，实际结果会因工具和输入不同而变化：

问题解决

  1. 请讲一次你遇到计划被打乱的经历，比如类似“埋点在新版本中有字段调整，历史数据口径需要重新对齐”的情况，你是怎么处理的？
    • 追问：当时你具体做了哪三件事？
    • 追问：如果重来一次，你会怎么改？

评分标准

  • 优秀：事例具体，能说清自己的判断和行动，有结果和反思
  • 合格：有事例，但细节和结果较模糊
  • 不合格：只谈观点，没有真实事例

应避免的问题：婚育计划、年龄、籍贯等与岗位无关的个人信息

这样的输出只是起点。真正用到“核对两个口径不一致的 GMV 指标”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。

避坑指南

  • 追问比题目本身更重要，好的追问能识别背出来的答案。
  • 避免询问婚育、年龄等与岗位无关且可能违法的问题。
  • 候选人信息属于个人隐私，交给 AI 前要脱敏。

给数据分析师的特别提醒

给 AI 表结构和字段含义，而不是真实数据；需要样例时用脱敏或虚构的几行。另外，AI 不了解你们的指标口径，写出的语句和结论都要用小样本核对一遍。

变体用法

  • 群面题：设计一个小组讨论案例和观察要点。
  • 面试反馈：把面试记录整理成结构化反馈，给用人部门参考。

相关阅读