大数据分析面试题通常包括以下几个方面：

1. 基础概念： 解释大数据、数据挖掘、机器学习、数据仓库等基本概念。 区分数据科学、数据分析和大数据分析。

2. 数据处理： 描述如何处理数据清洗、数据整合和数据转换。 如何处理缺失值、异常值和重复数据。 使用SQL或NoSQL数据库进行数据查询和分析。

3. 统计分析： 描述基本的统计方法，如均值、中位数、众数、标准差等。 解释回归分析、假设检验、方差分析等统计方法。 如何使用统计软件（如R、Python中的Pandas、NumPy等）进行数据分析。

4. 数据挖掘： 描述常用的数据挖掘技术，如聚类、分类、关联规则挖掘等。 如何使用机器学习算法进行预测和分类。

5. 大数据工具和技术： 描述Hadoop、Spark等大数据处理框架。 使用MapReduce、Hive、Pig等工具进行大数据处理。 使用Spark MLlib、TensorFlow等工具进行机器学习。

6. 项目经验： 描述曾经参与的大数据分析项目，包括项目背景、目标、方法、结果等。 如何在项目中应用数据分析和数据挖掘技术。

7. 问题解决： 描述如何解决数据分析中的问题，如数据质量、数据量、计算资源等。 如何优化数据分析流程，提高分析效率和准确性。

8. 业务理解： 描述如何理解业务需求，将业务问题转化为数据分析问题。 如何与业务团队沟通，确保数据分析结果符合业务需求。

9. 软技能： 描述如何与团队成员合作，包括数据科学家、工程师、业务分析师等。 如何向非技术背景的人解释数据分析结果。

10. 案例研究： 分析一个具体的大数据分析案例，包括数据来源、分析方法、结果和结论。 如何将案例研究中的经验应用到实际工作中。

这些面试题旨在考察应聘者对大数据分析的基本概念、技术、工具和方法的掌握程度，以及在实际项目中应用这些知识的能力。