Domande di intervento per analisti dati che vengono realmente poste nel 2026
Le quattro fasi di un colloquio per analisti dati, cosa valutano ciascuna fase e le risposte che superano lo screening SQL e ottengono un offerta.
Jordan Reyes · · 8 min read
Quattro domande fanno la maggior parte del lavoro in un colloquio da data analyst: scrivere una query su due tabelle, spiegare perché un numero si è mosso, ripercorrere un progetto di cui eri responsabile, e descrivere un risultato a qualcuno che non aprirà mai il tuo notebook. Tutto il resto è organizzazione. Questo articolo tratta cosa valuta ogni fase, come suona una risposta che supera la prova per un Data Analyst e per un Business Intelligence Analyst, e quale fase probabilmente stai perdendo senza che nessuno te lo dica.
Nessuna agenzia federale pubblica un elenco di domande da colloquio, e nemmeno nessun altro ne ha uno vero. Ciò che esiste sono i dati sui compiti alla base del lavoro. O*NET intervista le persone che svolgono il lavoro e valuta ogni compito e competenza su una scala di importanza da 0 a 100, e i panel di selezione costruiscono le loro domande a partire dai compiti - quindi le valutazioni ti dicono dove sta il peso ancora prima che venga posta una singola domanda. Ogni valutazione O*NET qui sotto è il dato riportato dal sito nel suo aggiornamento 2026.
Da cosa attinge il panel di selezione
Due professioni O*NET coprono il terreno descritto dalla maggior parte degli annunci da Data Analyst: Data Scientist (15-2051.00) e Business Intelligence Analyst (15-2051.01). Le loro liste di compiti non sono uguali, e la differenza vale dieci minuti della tua preparazione.
Per i Business Intelligence Analyst, il compito con la valutazione più alta è "generare report standard o personalizzati che riassumano dati aziendali, finanziari o economici" con 91, seguito da "mantenere o aggiornare strumenti, database, dashboard, sistemi o metodi di business intelligence" con 84 e "gestire il flusso tempestivo delle informazioni di business intelligence agli utenti" con 80. È un lavoro di reporting con un obbligo di servizio annesso. Per i Data Scientist, i due compiti principali sono "analizzare, manipolare o elaborare grandi insiemi di dati usando software statistico" e "creare grafici, diagrammi o altre visualizzazioni per comunicare i risultati dell'analisi", entrambi valutati 83.
Quindi se l'annuncio dice Business Intelligence Analyst, aspettati più domande su stakeholder, calendari di aggiornamento e chi è responsabile di un report quando si rompe. Se dice Data Analyst in un team di prodotto, aspettati più domande sul definire una metrica e sul verificare se un cambiamento abbia avuto un qualche effetto. Entrambe rientrano nello stesso codice professionale federale, 15-2051, motivo per cui il BLS pubblica un'unica cifra retributiva che copre entrambe. Stessa riga di paga, colloquio diverso.
La domanda sugli strumenti non si divide allo stesso modo, ed è qui che i candidati si preparano troppo nella direzione sbagliata. O*NET segnala un sottoinsieme del software di ciascuna professione come emergente o in forte domanda, e le due liste si sovrappongono molto più di quanto suggeriscano i titoli di lavoro: Microsoft Power BI, Alteryx, Google Looker, Snowflake, Apache Spark, Excel e PowerPoint sono segnalati su entrambe le pagine. Il centro condiviso è la maggior parte dello stack; il colloquio vive nelle code. La pagina del Business Intelligence Analyst aggiunge un margine di reporting ed enterprise - Salesforce, SAP, Google Analytics, SQL Server Reporting Services. La pagina del Data Scientist aggiunge un margine di modeling ed engineering - TensorFlow, PyTorch, SAS, MATLAB, Docker, Kubernetes, Git, Apache Airflow. Quindi ripassare TensorFlow per un colloquio da Business Intelligence Analyst significa studiare per l'esame sbagliato. Trattare uno screening da Data Analyst come se Power BI fosse lo strumento di qualcun altro è lo stesso errore capovolto, ed è quello più comune.
La fase SQL
Ti vengono date due o tre tabelle e una domanda in linguaggio naturale. Scrivi la query, ad alta voce, mentre qualcuno osserva. La sintassi non è il punto.
| Cosa ti viene dato | Cosa viene realmente valutato |
|---|---|
| Due tabelle, "quanti utenti hanno ordinato due volte a marzo?" | Se chiedi cosa conta come utente prima di digitare |
| Una query che restituisce un numero plausibile ma sbagliato | Se ti accorgi che il join ha duplicato le righe |
| "Ora fallo per paese, in classifica" | Se le window function sono automatismo o fatica |
| "Questa query gira per nove minuti" | Se sai indicare una causa probabile prima di indovinare |
La trappola nella prima riga è quella che costa le offerte alla gente. Un Data Analyst a cui viene chiesto "utenti che hanno ordinato due volte a marzo" e che inizia subito a digitare ha saltato tre domande: un checkout come ospite conta come utente, marzo si riferisce alla data dell'ordine o della spedizione, e un ordine rimborsato conta ancora. Prima chiedi. Poi scrivi. O*NET valuta "identificare problemi aziendali affrontabili tramite l'analisi dei dati" a 78 per i Data Scientist, che è il modo formale di dire che trasformare una richiesta vaga in una precisa fa parte del lavoro, non è un preambolo ad esso.
Un'altra abitudine da costruire per questa fase: dire cosa controlleresti dopo. "Questo restituisce 4.812, e la prima cosa che farei è confrontarlo con il conteggio grezzo degli ordini per vedere se il join lo ha gonfiato." Questa frase ha chiuso bene più fasi SQL di qualsiasi elegante common table expression.
La fase che decide più offerte di quanto faccia SQL
La maggior parte dei candidati data analyst si prepara per lo screening tecnico e perde il lavoro nella domanda di comunicazione, e i dati sui compiti spiegano perché. Guarda cosa valuta più in alto O*NET tra le attività lavorative quotidiane per i Data Scientist: "analizzare dati o informazioni" a 96, "lavorare con i computer" a 94, "elaborare informazioni" a 93 - e poi "interpretare il significato delle informazioni per altri" a 87, che sta sopra "ottenere informazioni" e sopra "prendere decisioni e risolvere problemi", entrambi a 83. Per i Business Intelligence Analyst la stessa attività vale 89, e "comunicare con superiori, colleghi o subordinati" vale 81.
L'elenco delle competenze lo rende ancora più netto.
Comprensione della lettura a 75, espressione orale a 72, scrittura a 69, e la matematica a 63, dietro a tutte loro. Il Bureau of Labor Statistics dice lo stesso concetto in parole semplici nella sua descrizione della professione: i data scientist "devono essere in grado di comunicare i risultati della propria analisi a pubblici tecnici e non tecnici per formulare raccomandazioni di business."
La domanda che verifica questo di solito arriva suonando innocua. "Come spiegheresti la tua ultima analisi a qualcuno in finanza?" Oppure la versione compressa: il VP ha novanta secondi, vai. Un Business Intelligence Analyst che risponde descrivendo la pipeline - le fonti, i join, la cadenza di aggiornamento - ha fallito educatamente e non glielo diranno. Inizia dal risultato e dalla decisione che implica; il metodo arriva solo se qualcuno lo chiede. Novanta secondi sono tre frasi. Spendile tutte e tre sulla conclusione.
"Un numero si è mosso. Cosa fai?"
Ecco una risposta completa di cui vale la pena memorizzare la struttura, per un Data Analyst a cui viene chiesto perché le iscrizioni settimanali sono calate del 12%:
"Prima controllerei se è reale - il tracciamento sta ancora funzionando, un rilascio ha cambiato il nome dell'evento, la settimana è effettivamente completa? Se è reale, lo suddividerei per le dimensioni che potrebbero isolarlo: canale, piattaforma, paese, nuovi utenti contro utenti di ritorno. Se un solo segmento porta l'intero calo, di solito è un bug o una campagna messa in pausa. Se è distribuito uniformemente su ogni segmento, di solito è stagionalità o qualcosa a monte nel traffico. Poi direi quale delle due ipotesi sembra più probabile, e cosa mi servirebbe per esserne sicuro."
Nota cosa fa questa risposta. Prima la strumentazione, poi la suddivisione prima di teorizzare, e alla fine un livello di fiducia dichiarato invece di un verdetto. I panel di selezione chiedono questo perché è il lavoro vero e proprio: il compito con la seconda valutazione più alta per i Business Intelligence Analyst è mantenere corretti strumenti e dashboard, a 84, e metà di quel lavoro consiste nel decidere se un numero strano è il mondo reale o la pipeline.
"Parlami di un progetto"
La versione che funziona parte dalla decisione, non dallo stack tecnico. "Il supporto voleva sapere quali categorie di ticket generavano contatti ripetuti, così ho unito novanta giorni di ticket alla tabella account, ho scoperto che due categorie spiegavano la maggior parte delle ripetizioni, e hanno riscritto l'articolo di aiuto per una di esse." Gli strumenti finiscono in una clausola alla fine, se ci finiscono affatto.
Un progetto che non è approdato a nulla è comunque una buona risposta, e migliore di una storia levigata che non sai difendere. Un Business Intelligence Analyst che dice "ho costruito una dashboard sul churn e nessuno l'ha mai aperta - l'avevo costruita a partire da ciò che era facile interrogare invece di chiedere alle due persone che l'avrebbero usata cosa decidono ogni settimana" ha appena dimostrato il compito che O*NET valuta 80 per questa professione, ossia gestire il flusso tempestivo delle informazioni di business intelligence agli utenti. È un segnale migliore di una dashboard con uno screenshot.
Ti chiederanno della tua laurea?
Raramente, e non nel modo temuto dai candidati. O*NET colloca i Data Scientist nella Job Zone Four, "preparazione considerevole necessaria", dove il 48% dei lavoratori intervistati ha dichiarato una laurea triennale e il 44% una laurea magistrale - quindi un Data Analyst senza una laurea magistrale è nel gruppo più numeroso, non l'eccezione.
"Quali sono le tue aspettative salariali?"
Rispondi con un range e una posizione geografica associata. I dati federali sulle retribuzioni per questa professione sono insolitamente ampi, e quell'ampiezza è la tua argomentazione per rifiutarti di indicare un numero unico.
Data scientists: wages and outlook, May 2025
Il BLS fissa la mediana a 120.230 $ a maggio 2025, con il 10% più basso sotto i 67.240 $ e il 10% più alto sopra i 199.130 $, su 275.600 posti. Si prevede che l'occupazione cresca del 35% dal 2025 al 2035, con circa 24.800 opportunità l'anno in media nel decennio. Un range che rientra in quello scarto e nomina la tua area metropolitana è difendibile. Un numero unico è una scommessa a cui sarai vincolato per due anni.
Cosa non dice questo dato
O*NET intervista le persone che svolgono il lavoro, non quelle che assumono per farlo svolgere. Nulla al suo interno dice quante fasi conduca un'azienda, quale quota di candidati superi lo screening SQL, quanto tempo dovrebbe richiedere una prova a casa, o se un particolare datore di lavoro chiederà mai di machine learning. Le valutazioni ti dicono quanto pesa il lavoro. Non ti dicono cosa farà un particolare panel di selezione con un'ora del tuo tempo, e chiunque ti venda un elenco classificato delle "50 domande che faranno" si sta inventando la classifica.
La prova a casa, se c'è
Tratta il riepilogo scritto come l'incarico vero e proprio e l'analisi come l'appendice. Qualcuno scorrerà una pagina prima di aprire un notebook, ed è quella pagina dove viene realmente valutato "interpretare il significato delle informazioni per altri" - 89 per i Business Intelligence Analyst, 87 per i Data Scientist. Bastano due paragrafi: cosa hai trovato, e cosa faresti al riguardo. Poi aggiungi la riserva che solleveresti se fosse un lavoro reale, perché nominare il punto debole della tua stessa analisi è il segnale più affidabile disponibile che tu l'abbia già fatto prima.
Mantieni il codice leggibile e fermati quando la domanda ha avuto risposta. Un Data Analyst che restituisce quattro grafici e una raccomandazione viene letto come senior. Quattordici grafici e nessuna raccomandazione viene letto come qualcuno che non è riuscito a decidere cosa contasse, e decidere cosa conta è il lavoro.
Cosa fare questa settimana
Tre cose, in questo ordine. Scrivi la versione da novanta secondi del tuo ultimo progetto - prima il risultato, il metodo per ultimo - e dilla ad alta voce finché non entra in novanta secondi senza affrettarti. Poi prendi una query che hai scritto di recente e fai pratica a narrarla mentre la digiti, terminando con la frase su cosa controlleresti dopo. Infine, cerca il range retributivo per la tua area metropolitana prima della chiamata con il recruiter, così alla domanda sui soldi risponderai con un range e non con una pausa.
Se il vincolo più difficile è arrivare al colloquio piuttosto che superarlo, HeroApply compila le candidature a partire dal tuo curriculum, così le ore vanno nelle quattro fasi sopra invece che nei moduli.
Fonti
- BLS Occupational Outlook Handbook - Data Scientists, May 2025 wages and 2025–35 projections
- O*NET OnLine - Data Scientists 15-2051.00, tasks, work activities and technologies (updated 2026)
- O*NET OnLine - Business Intelligence Analysts 15-2051.01, tasks, skills, activities and technologies (updated 2026)
Domande frequenti
Quali domande vengono poste in un colloquio per analisti dati?
Quasi tutte rientrano in quattro gruppi - un esercizio SQL o di query, un caso diagnostico su una metrica che si è mossa, una spiegazione passo passo di un progetto di cui eri responsabile, e una domanda su come spiegare un risultato a chi non è tecnico. O*NET valuta "presentare oralmente o per iscritto i risultati della modellazione matematica" con un'importanza di 80 su 100 per la professione Data Scientist, sopra "pulire e manipolare dati grezzi usando software statistico" a 76. L'ordine della tua preparazione dovrebbe rispecchiare questo.
Quanto SQL serve per un colloquio da data analyst?
Abbastanza da unire due tabelle, aggregare con una GROUP BY, filtrare su un intervallo di date e usare una window function senza bloccarti. Chi conduce il colloquio di solito verifica se riesci a trasformare una domanda di business in una query, non se hai memorizzato la sintassi. Se riesci a scrivere la query e poi dire ad alta voce cosa potrebbe essere sbagliato nel risultato, hai superato la soglia per la maggior parte degli annunci.
Come rispondere alla domanda "raccontami un progetto sui dati" come analista dati?
Fai riferimento alla decisione che l'analisi ha modificato, non all'attrezzatura utilizzata. Enuncia la domanda che ti è stata posta, i dati a tua disposizione, il risultato ottenuto e ciò che è cambiato successivamente. Un progetto che ha portato a un dashboard mai aperto è comunque una risposta utile se dici perché non è stato utilizzato e cosa cambierebbe ora.
Quali dovrebbe dire un analista dati riguardo alle aspettative di stipendio?
Dai un range ancorato ai dati retributivi pubblici per la professione e l'area metropolitana, poi di' che il pacchetto totale è negoziabile. Il BLS fissa la retribuzione mediana dei data scientist a 120.230 $ a maggio 2025, con il 10% più basso sotto i 67.240 $ e il 10% più alto sopra i 199.130 $. Quello scarto è abbastanza ampio che un numero senza una posizione geografica associata dice al recruiter quasi niente.
I colloqui da data analyst usano ancora prove da svolgere a casa?
Molti sì, di solito sotto forma di un piccolo dataset con una domanda aperta allegata. Tratta il riepilogo scritto come la parte valutata, perché O*NET valuta "interpretare il significato delle informazioni per altri" a 89 su 100 per i business intelligence analyst - l'attività lavorativa con il punteggio più alto in quell'elenco che non riguarda direttamente la gestione dei dati, e ben sopra "comunicare con superiori, colleghi o subordinati" a 81. Una risposta pulita di due paragrafi batte un notebook con quaranta celle e nessuna conclusione.
Lascia a HeroApply di fare la candidatura
Trova i lavori che corrispondono al tuo CV, risponde alle domande di selezione con la tua voce e invia la candidatura - desktop, telefono o in cloud.
Jordan Reyes · Careers Editor
Jordan writes the resume, cover letter and interview guides - the parts of the search that happen before anyone presses Apply. Every example comes from a real job title.
I migliori contenuti del blog, una volta a settimana
Un'email con le guide della settimana. Nessun spam, puoi annullare l'iscrizione in qualsiasi momento.
