数据分析常见的业务面试题
目录
一、工作中常用的指标有哪些
1、用户数据指标
①日新增用户数
②活跃率
③留存率
2、行为数据指标
①PV和UV
②转发率
③转化率
④K因子
3、产品数据指标
①总量
②人均
③付费
④产品
二、如何建立指标体系
1、什么是指标体系
2、指标体系作用
①监控业务情况
②通过拆解指标寻找当前业务问题
③评估业务可改进的地方，找出下一步工作的方向
3、如何建立指标体系
①明确部门KPI，找到一级指标（最核心指标）
②了解业务运行情况，找到二级指标
③梳理业务流程，找到三级指标
④通过报表监控指标，不断更新指标体系
三、常用的分析方法有哪些
1、5W2H分析方法
2、逻辑树分析方法
3、行业分析方法
4、多维度拆解分析方法（重点）
①理解
②作用
③如何使用
5、对比分析方法（重点）
①理解
②如何使用
6、假设检验分析方法（重点）
①理解
②如何使用
7、相关分析方法（重点）
①理解
②如何使用
8、群组分析方法
①理解
②作用
9、RFM分析方法（重点）
①理解
②作用
10、AARRR模型分析方法（重点）
①理解
②作用
11、漏斗分析方法
①理解
②作用
四、如何用数据分析解决问题
1、步骤
①明确问题
②分析原因
③提出建议
五、电商活动复盘
1、步骤
①总体运营
②价格区间
③折扣区间
六、如何进行市场分析
1、理解
2、常用方法
3、如何进行市场分析
七、小结
一、工作中常用的指标有哪些
1、用户数据指标
①日新增用户数
可以通过新增用户数判断出渠道推广的效果
②活跃率
是活跃用户在总用户中的占比；可分为日活跃率、周活跃率、月活跃率
③留存率
留存率可以评估产品功能对用户的粘性
根据时间，留存率分为次日留存、三日留存、7日留存等
2、行为数据指标
①PV和UV
PV：一定时间内某个页面的浏览次数，用户每打开一个网页就算一个PV
UV：一定时间内访问某个页面的人数，一个用户访问多次算一次
②转发率
转发率=转发某功能的用户数/看到该功能的用户数
③转化率
转化率=购买产品的人数/所有到达店铺的人数
④K因子
用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户
K因子=平均每个用户向多少人发出邀请*接收到邀请的人转化为新用户的转化率
3、产品数据指标
①总量
成交总额（GMV）=销售总额-取消订单金额-拒收订单金额-退货订单金额
成交数量：下单的产品数量
访问时长：使用APP或网站的时长
②人均
人均付费=总收入/总用户数（客单价）
付费用户人均付费=总收入/付费人数
人均访问时长=总时长/总用户数
③付费
付费率=付费总人数/总用户数
复购率：一定时间内，消费两次以上的用户数/付费人数，用于反映用户的付费频率
④产品
从产品的角度去衡量哪些产品好，哪些产品不好。通过找出好的产品来进行重点推销，不好的产品去分析原因
热销产品数、好评产品数、差评产品数
二、如何建立指标体系
1、什么是指标体系
指标体系是从不同维度梳理业务，把指标有系统地组织起来；指标体系=指标+体系
2、指标体系作用
①监控业务情况
②通过拆解指标寻找当前业务问题
③评估业务可改进的地方，找出下一步工作的方向
3、如何建立指标体系
①明确部门KPI，找到一级指标（最核心指标）
②了解业务运行情况，找到二级指标
③梳理业务流程，找到三级指标
④通过报表监控指标，不断更新指标体系
三、常用的分析方法有哪些
1、5W2H分析方法
适合解决简单的商业问题，但是也不容忽视
5W：what（是什么）、where（何地）、why（为什么）、who（是谁）、when（何时）、how（怎么做）、how much（多少钱）
2、逻辑树分析方法
把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开；
例如钢琴调音师的数量
钢琴调音师数量=全部钢琴调音师1年的总工作时间/一位调音师每年的工作时间
全部钢琴调音师1年的工作总时间=有多少钢琴*钢琴每年要跳几次音*调一次得多长时间
一位钢琴调音师每年工作时间=一年50个星期*一周工作5天*每天工作8小时
3、行业分析方法
PEST方法：政策、经济、社会、技术
4、多维度拆解分析方法（重点）
①理解
两个关键词：维度、拆解
②作用
避免辛普森悖论（考察数据整体和考察数据的不同部分得到相反的结论）
③如何使用
从指标构成来拆解
从业务流程来拆解
5、对比分析方法（重点）
①理解
通过对比分析方法，来追踪业务是否有问题
②如何使用
和谁比：自己、行业
如何比：数据整体的大小（平均值、中位数）、数据整体的波动、趋势变化（折线图，从时间维度分析）
6、假设检验分析方法（重点）
①理解
提出假设、收集证据、得出结论
②如何使用
从不同维度提出假设，分别收集证据验证，找到真正的原因
7、相关分析方法（重点）
①理解
研究两种或者两种以上的数据之间有什么关系的时候使用
②如何使用
散点图可以直观地显示出两种数据之间的相关关系，相关系数越大，两种数据的相关程度越高
8、群组分析方法
①理解
按某个特征，将数据分为不同的组，然后比较各组的数据，也就是对数组分组然后来对比
②作用
常用来分析用户留存率随时间发生了哪些变化，然后找出用户留下或者离开的原因
9、RFM分析方法（重点）
①理解
R：最近一次消费时间间隔
F：消费频率
M：消费金额
②作用
针对不同的用户使用不同的运营策略，也就是精细化运营
10、AARRR模型分析方法（重点）
①理解
（1）获取用户：用户如何找到我们
（2）激活用户：用户的首次体验如何
（3）提高留存：用户会回来吗
（4）增加收入：如何转到更多钱
（5）推荐：用户会告诉其他人吗
②作用
因为AARRR模型涉及用户使用产品的整个流程，所以它可以帮助分析用户行为，为产品运营制定决策，从而实现用户增长
11、漏斗分析方法
①理解
衡量业务流程每一步的转化效率
环节转化率=本环节用户数/上一环节用户数
整体转化率=某环节用户数/第一环节用户数
②作用
定位问题节点，即找出问题的业务环节在哪
四、如何用数据分析解决问题
1、步骤
①明确问题
明确数据来源和准确性：时间、地点、数据来源
业务指标理解：指标含义、和谁比
②分析原因
先使用多维度拆解分析方法对问题进行拆解，将一个复杂问题细化成各个子问题，然后对拆解的每个部分使用假设验证分析方法找到哪里出了问题，分析的过程可以用对比分析方法等多个分析方法
③提出建议
根据找到的原因，运用回归分析方法或者AARRR模型分析方法提出实质性的建议
用回归分析找出某个原因与目标的相关程度，然后集中资源解决相关程度高的
五、电商活动复盘
1、步骤
①总体运营
直观展示本次活动的销售数据
主要关注销售额、售卖比、UV、转化率等指标
销售额用来和预期目标做对比
售卖比可以对库存进行优化
UV和转化率可以选出销售较好的商品
②价格区间
把数据按价格维度来拆解，可以对本次活动的价格结构有一个整体的了解
③折扣区间
把数据按折扣维度来拆解，可以对本次活动的折扣结构有一个整体的了解
六、如何进行市场分析
1、理解
是对产品所在的市场进行系统的分析，通过分析确定产品定位、产品策略、市场策略和商业模式
2、常用方法
PEST分析方法、SWOT分析方法、波士顿矩阵
SWOT分析方法从内部个人因素的优势和劣势、外部环境因素的机会和威胁四个维度展开分析；可以得出四种战略方向：增长战略、复合战略、防御战略、翻盘战略；
增长策略：外部的机会充足，自身具备优势，具有较强的竞争力
复合战略：虽然自身具备优势，但是市场威胁大，竞品多，需根据情况不断调整策略
防御战略：自身具备劣势，同时身处危险之中，容易遭受其他产品的攻击，要抵御其他竞品的攻击
翻盘战略：自身具备劣势，外部机会充足，应抓住机遇，需不断改善自身才能翻盘
3、如何进行市场分析
（1）认清形势：了解市场环境、市场容量、竞品的市场销量、市场趋势等
（2）找到差距：从竞品、产品、市场舆情等维度找到目标产品与市场的差距
（3）明确目标和方向：确定产品定位和方向，找到目标市场，洞察目标用户
（4）制定可行的落地措施
七、小结
①解决问题的步骤
明确问题：主要是数据的准确性以及指标理解
分析原因：通常是先进行多维度拆解，然后再假设检验分析
多维度拆解的维度常见的有四种：指标、流程、时间、地区
关于用户的用R、F、M模型
关于实体店的拆分为人、场、货三个维度
提出建议：在原因的基础上，通过回归分析和AARRR模型找到相关性最高的原因，然后集中资源解决