大数据剖析面试题一般包含以下几个方面：

1. 根底概念： 解说大数据、数据发掘、机器学习、数据仓库等根本概念。 区别数据科学、数据剖析和大数据剖析。

2. 数据处理： 描绘怎么处理数据清洗、数据整合和数据转化。 怎么处理缺失值、异常值和重复数据。 运用SQL或NoSQL数据库进行数据查询和剖析。

3. 核算剖析： 描绘根本的核算办法，如均值、中位数、众数、规范差等。 解说回归剖析、假设检验、方差剖析等核算办法。 怎么运用核算软件（如R、Python中的Pandas、NumPy等）进行数据剖析。

4. 数据发掘： 描绘常用的数据发掘技能，如聚类、分类、相关规矩发掘等。 怎么运用机器学习算法进行猜测和分类。

5. 大数据东西和技能： 描绘Hadoop、Spark等大数据处理结构。 运用MapReduce、Hive、Pig等东西进行大数据处理。 运用Spark MLlib、TensorFlow等东西进行机器学习。

6. 项目经历： 描绘从前参加的大数据剖析项目，包含项目布景、方针、办法、成果等。 怎么在项目中使用数据剖析和数据发掘技能。

7. 问题处理： 描绘怎么处理数据剖析中的问题，如数据质量、数据量、核算资源等。 怎么优化数据剖析流程，进步剖析功率和准确性。

8. 事务了解： 描绘怎么了解事务需求，将事务问题转化为数据剖析问题。 怎么与事务团队交流，保证数据剖析成果契合事务需求。

9. 软技能： 描绘怎么与团队成员协作，包含数据科学家、工程师、事务剖析师等。 怎么向非技能布景的人解说数据剖析成果。

10. 事例研讨： 剖析一个详细的大数据剖析事例，包含数据来历、剖析办法、成果和定论。 怎么将事例研讨中的经历使用到实践工作中。

这些面试题旨在调查应聘者对大数据剖析的根本概念、技能、东西和办法的把握程度，以及在实践项目中使用这些常识的才能。