Test zur Datenaufbereitung für die Personalauswahl
Sehen Sie, wie Bewerbende Daten aufbereiten und prüfen, bevor sie analysiert werden.
- 10 Minuten
- 15 Fragen
- Mittelstufe
- Multiple Choice
- Fragen auf Englisch
- Smartphone und Desktop
Die kurze Antwort
Der Test zur Datenaufbereitung misst, wie Bewerbende Felder aus Dateien und Texten extrahieren, uneinheitliche Werte bereinigen, Tabellen umformen und zusammenführen sowie die Ergebnisse prüfen. Dabei arbeiten sie mit kleinen Tabellen und kurzen Python-Codeausschnitten mit pandas oder mit Standard-SQL. Der Test eignet sich für Datenanalystinnen und Datenanalysten, Data Scientists, Data Engineers, Entwicklerinnen und Entwickler für Berichte sowie Machine-Learning-Engineers mit mittlerem Kenntnisstand, die ihre Daten selbst aufbereiten.
Was gemessen wird
Daten für die Analyse parsen, bereinigen, umformen, zusammenführen und prüfen - anhand kleiner Tabellen und kurzer Codeausschnitte.
Extraktion und Parsing
Bewerbende bestimmen, wie sich Felder aus Dateien und Texten extrahieren lassen.
Datenbereinigung
Bewerbende erkennen Schritte, mit denen sich uneinheitliche Datenwerte bereinigen lassen.
Umformen und Zusammenführen
Bewerbende überlegen, wie Tabellen umgeformt und mithilfe von Joins zusammengeführt werden.
Datenqualitätsprüfungen
Bewerbende prüfen, ob aufbereitete Daten verlässlich genug sind, damit andere sich darauf stützen können.
Frageformate
Multiple Choice
Die Kandidatin oder der Kandidat: Liest eine kurze Situation, Tabelle oder Aussage und wählt die richtige oder alle richtigen Antworten aus.
Sie sehen: Ob die kandidierende Person den Stoff gut genug kennt, um ihn anzuwenden, statt ihn nur wiederzuerkennen.
15 Fragen in 10 Minuten, die nacheinander angezeigt werden.
Passende Rollen für diesen Test
Datenanalystinnen und Datenanalysten, Data Scientists, Data Engineers, Entwicklerinnen und Entwickler für Analysen und Berichte, Fachkräfte für Data Warehousing sowie Machine-Learning-Engineers, die ihre Daten selbst aufbereiten.
Was dieser Test zeigen kann
Urteilsvermögen bei uneinheitlichen Datensätzen
Sehen Sie, wie Bewerbende Werte in Geschäftsdaten wie Bestellungen, Sensorwerten und Lieferungen bereinigen.
Schlussfolgern anhand von Code und Tabellen
Die Fragen erkundigen sich danach, welches Ergebnis ein kurzer Schritt in Python mit pandas oder Standard-SQL liefert oder welcher Schritt ein Problem beheben würde.
Prüfungen, bevor andere sich darauf verlassen
Fragen zur Datenqualität zeigen, ob Bewerbende bereinigte oder zusammengeführte Tabellen prüfen, bevor andere darauf Analysen aufbauen, statt dem Schritt zu vertrauen, mit dem die Tabelle erstellt wurde.
Was Sie für jede kandidierende Person erhalten
- Während des gesamten Tests im Test-Tab geblieben
- Keine eingefügten Antworten
- In gleichmäßigem Tempo beantwortet
Ergebnisse, Profile und Integritätssignale dienen Ihnen als Anhaltspunkte, die Sie zusammen mit einem Vorstellungsgespräch prüfen können. Sie führen niemals automatisch zu einer Entscheidung.
Signale zur Testintegrität
Jede Person erhält eine andere Auswahl aus umfangreichen Fragenpools. Bei jedem Versuch erscheinen die Fragen in einer anderen Reihenfolge, und die Antwortoptionen werden gemischt. Der Browser erhält jeweils eine Frage. Die Lösungsschlüssel bleiben auf den Servern von HireValid. Die Zeitmessung erfolgt auf dem Server. Wird die Seite neu geladen, erscheint dieselbe Frage wieder und nur die verbleibende Zeit wird angezeigt. Der Fragetext kann weder kopiert noch markiert werden. HireValid erfasst Signale wie die Zeit außerhalb des Test-Tabs, eingefügte Antworten und Antworten, die schneller gegeben werden, als eine Frage gelesen werden kann. Diese Signale werden in einem Integrity Score mit einer Zeitleiste der Nachweise zusammengefasst, die Sie prüfen können. Der Score entscheidet nicht eigenständig. Mit Einwilligung der kandidierenden Person können Sie in zufälligen Abständen Webcam-Fotos hinzufügen. Erfahren Sie, wie wir unsere Tests entwickeln.
So beugen wir KI-gestützter Täuschung vor · Integritätssignale
Nutzen Sie den Score als Hinweis
Beurteilen Sie den Score zusammen mit einer Arbeitsprobe, in der Bewerbende für die Stelle relevante Daten aufbereiten und prüfen. In einem strukturierten Interview können Sie ihre Entscheidungen genauer erfragen. Betrachten Sie den Test als eine Informationsquelle und nicht als abschließendes Urteil. Als weiteren Kontext können Sie die Ergebnisse mit dem Test zu Datenextraktion, -transformation und -laden (ETL), dem Test zu Data Science oder dem Pandas-Test vergleichen.
Fragen für strukturierte Vorstellungsgespräche
Erzählen Sie von einer Situation, in der Sie uneinheitliche Daten für eine Analyse aufbereiten mussten. Wie haben Sie entschieden, was bereinigt werden sollte?
Achten Sie auf eine klare Schilderung des Datenproblems, der Entscheidungen zur Bereinigung und der Art, wie die Person das Ergebnis geprüft hat.
Wie würden Sie eine Tabelle untersuchen, die vor der Analyse mit einer anderen zusammengeführt werden muss?
Achten Sie darauf, wie die Person die Tabellen untersuchen, über die Art ihrer Zusammenführung entscheiden und das Ergebnis prüfen würde.
Beschreiben Sie ein Datenqualitätsproblem, das Sie entdeckt haben, bevor andere die Daten verwendet haben. Was haben Sie anschließend unternommen?
Achten Sie darauf, welche Prüfung die Person vorgenommen, wie sie das Problem zurückverfolgt und wie sie mit den betroffenen Daten umgegangen ist.
Bewertung und Vergleichswerte verstehen
Fairness und angemessene Vorkehrungen
Die Fragen verwenden neutrale Geschäftsdaten, etwa zu Bestellungen, Sensorwerten, Anmeldungen und Lieferungen. Die Namen stammen aus unterschiedlichen kulturellen Hintergründen. Es gibt keine Währungssymbole, Redewendungen oder Fragen, für die lokales Wissen erforderlich ist. Datumsangaben werden im Format Jahr-Monat-Tag dargestellt, außer wenn es in einer Frage um Datumsformate geht. Der Code ist kurz und nutzt gängige Funktionen von Python mit pandas und Standard-SQL. Verhaltensweisen, die sich je nach Bibliotheksversion oder Datenbankprodukt unterscheiden, werden vermieden. So misst der Test das Urteilsvermögen bei der Datenaufbereitung und nicht die Eigenheiten eines bestimmten Tools. Alle Bewerbenden dürfen Schmierpapier verwenden. Für keine Frage ist ein Taschenrechner erforderlich.
Sie können jedem Kandidaten als angemessene Anpassung mehr Zeit geben. Die Ergebnisse dienen der Prüfung durch eine Person, niemals einer automatischen Entscheidung.
Vorläufig: Die Zuverlässigkeit wird angegeben, sobald 200 Bewerbende den Test abgeschlossen haben.
Testdetails
Ein kurzer Test mit Zeitbegrenzung zur Aufbereitung von Daten für die Analyse. Bewerbende extrahieren Felder aus Dateien und Texten, bereinigen uneinheitliche Werte, strukturieren Tabellen um, führen sie zusammen und prüfen das Ergebnis, bevor andere sich darauf verlassen. Die Fragen zeigen kleine Tabellen und kurze Python-Codeausschnitte mit der Bibliothek pandas oder mit Standard-SQL. Gefragt wird, was ein Schritt bewirkt oder welcher Schritt ein Problem behebt.
- Die Fragen sind auf Englisch.
- Zulässige Hilfsmittel: Notizpapier.
- Jede Frage wird der Reihe nach einmal beantwortet. Ein Zurückgehen ist nicht möglich.
- 4 Übungsfragen, 3 Minuten, vor dem zeitlich begrenzten Test.
Python, pandas sind Marken ihrer jeweiligen Inhaber. HireValid ist weder mit ihnen verbunden noch werden sie von ihnen unterstützt.
Häufig gestellte Fragen
Wer sollte den Test zur Datenaufbereitung absolvieren?+
Der Test richtet sich an Datenanalystinnen und Datenanalysten, Data Scientists, Data Engineers, Entwicklerinnen und Entwickler für Analysen und Berichte, Fachkräfte für Data Warehousing sowie Machine-Learning-Engineers mit mittlerem Kenntnisstand, die ihre Daten selbst aufbereiten. Er eignet sich für Personen, die Daten selbst bereinigen und umformen, nicht nur für diejenigen, die sie analysieren.
Wie berücksichtigt der Test zur Datenaufbereitung Fairness?+
Die Fragen verwenden neutrale Geschäftsdaten, etwa zu Bestellungen, Sensorwerten, Anmeldungen und Lieferungen. Die Namen stammen aus unterschiedlichen kulturellen Hintergründen. Es gibt keine Währungssymbole, Redewendungen oder Fragen, für die lokales Wissen erforderlich ist. Datumsangaben werden im Format Jahr-Monat-Tag dargestellt, außer wenn es in einer Frage um Datumsformate geht. Der Code nutzt gängige Funktionen von Python mit pandas und Standard-SQL. Verhaltensweisen, die sich je nach Bibliotheksversion oder Datenbankprodukt unterscheiden, werden vermieden. So misst der Test das Urteilsvermögen bei der Datenaufbereitung und nicht die Eigenheiten eines bestimmten Tools.
Dürfen Bewerbende beim Test zur Datenaufbereitung Schmierpapier verwenden?+
Ja. Notizpapier ist für alle Kandidatinnen und Kandidaten erlaubt, und für keine Frage wird ein Taschenrechner benötigt. Vor dem 10-minütigen Test können die Kandidatinnen und Kandidaten außerdem ein Übungsset mit 4 Fragen bearbeiten, das 3 Minuten dauert.
Können Bewerbende zurückgehen oder den Test zur Datenaufbereitung auf dem Smartphone absolvieren?+
Der Test kann auf einem Smartphone oder Desktop absolviert werden. Jede der 15 Fragen wird der Reihe nach einmal beantwortet. Ein Zurückgehen ist nicht möglich. Daher müssen Bewerbende entscheiden, welches Ergebnis ein Schritt mit pandas oder SQL liefert, bevor sie fortfahren. Bei einigen Fragen gibt es eine richtige Antwort, bei anderen sollen Bewerbende alle zutreffenden Optionen auswählen.
Ähnliche Tests
Datenextraktion, -transformation und -laden (ETL)
10 Minuten, Rollenspezifische Fähigkeiten
EntdeckenData Science
10 Minuten, Rollenspezifische Fähigkeiten
EntdeckenDatenbasierte Entscheidungsfindung
10 Minuten, Rollenspezifische Fähigkeiten
EntdeckenData Storytelling
10 Minuten, Rollenspezifische Fähigkeiten
EntdeckenExplorative Datenanalyse
10 Minuten, Rollenspezifische Fähigkeiten
EntdeckenArbeiten mit Daten
10 Minuten, Rollenspezifische Fähigkeiten
EntdeckenNutzen Sie den Test Datenaufbereitung bei Ihrer nächsten Einstellung
Der Tarif Free umfasst 5 wichtige Tests; kostenpflichtige Tarife umfassen den Vollständige Testbibliothek.