1.想用数据来分析app哪些功能（字节跳动）
参考答案
活跃情况：某功能的活跃人数、新增用户数、用户构成、用户留存
页面访问路径分析：统计用户从打开应用到离开应用整个过程中每一步的页面访问和跳转情况。目的是达成App的商业目标，即引导用户更高效的完成App的不同模块的任务，最终促进用户付费。
转化率分析：转化率是指进入下一页面的人数（或页面浏览量）与当前页面的人数（或页面浏览量）的比值。通常使用漏斗模型来，它可以分析产品中关键路径的转化率，以确定产品流程的设计、用户体验问题。
==主要有3点，这里其实还是以人为主，看一下活跃用户的构成情况；然后就是页面访问路径，看下页面跳转情况；然后就是转化率，用漏斗模型来看。
==除了要知道这个点以外，还得知道他们如何细分（4.17
答案解析
功能分析主要分析功能活跃情况、页面访问路径以及转化率
2.说一说，数据分析师和高级数据分析师的区别（作业帮）
参考答案
工作思路和分析工具的区别。高级分析师对业务的理解远高于初级数据分析师，并且由于工作经验的积累，往往能够在短时间内形成自己的假设并通过数据验证；而对于初级数据分析师，需要更多的时间思考业务。
==主要差别在业务能力和工具使用上，高级的会更加娴熟，经验更加丰富。
3.数据分析的时候最基础的思路是什么？（贝壳）
参考答案
用户拆解，定位问题->与业务方沟通，定位原因。最基础是能够把一个大问题按照正确的维度细分成小问题，例如漏斗模型、RFM模型、人货场模型等。主要步骤为：人群划分->明确指标->切分指标->用户分类->可视化分析
==找到问题，对问题进行拆解，找到细微指标（漏斗模型，人货场），然后与业务方和技术方沟通。
4.对数据分析不同分支的岗位理解（贝壳）
参考答案
数据分析主要分支有偏业务的数据分析和偏技术的数据分析。就我个人的理解，我认为偏业务的数据分析师可以通过数据的角度，发现业务的痛点和痒点，通过分析原因得出解决策略，并推动策略落地，达到提升业务质量的过程，这也是我希望深耕的路径；偏技术的数据分析师更偏向于用机器学习或其他前沿的模型对业务进行建模预测或分析，对代码和算法的要求会更高点。
5.过往课程比较偏金融，为什么想做电商的数据分析？（SHEIN）
参考答案
在金融的xx课程上，有讲过电子商务，并且平时我也是一个喜欢网购的人，也希望能够从事电商的数分。并且在金融的学习过程中，我培养了自己的逻辑能力和数据敏感度，我认为这些能力在数分这条路也同样适用。
答案解析
为什么想+自身匹配度。千万不要说自己对本专业没有兴趣，想转行！（对本专业都没有兴趣为什么可以让别人相信你对这个是有兴趣的呢）主要说明自己的匹配程度，所具备的基本品质都是一样的。
6.数据分析方面的优点和缺点（小红书）
<给出哪些是不能说的坑 给出一个不易出错的参考答案>
参考答案
优点：执行力强，在过去的学习和实习任务时，从来都不会在最后赶ddl，而是会提前准备好；沟通协作能力强，之前在xx项目上需要与其他人沟通，总是会让我去协调沟通；学习能力强，之前的学习和实习中，总是能够快速get到老师的知识点/业务的逻辑。
缺点：记忆力不是很好，但是后面我会把重要的事情写在备忘录或者笔记本上，提醒自己。
答案解析
优点给出2-3个即可，配上例子说明；缺点1-2个即可，并且说明自己用了什么办法改进缺点。缺点不能是致命的缺陷，例如情绪悲观这种。
7.数据分析中不同基数样本的增长比率如何比较（滴滴）
参考答案
对样本数据分等级，例如0-100为一级，100-500为一级，以此类推。在统一等级中比率高方差低的胜出；在不同等级中，若方差相近则直接比较比率，若方差是不齐则归一化后再比较。
==将数据分级，同一级中，比率高，方差低的胜出；不同级别中，方差相近则直接比较比率，方差不齐，则用归一化。
8.科研项目用的数据分析方法是什么？（快手）
答案解析
如果是机器学习或深度学习，则从数据来源，数据清洗，特征筛选，建立模型，模型效果分别阐述，追问可能会涉及到模型原理，特征筛选理由，需要提前准备；如果是业务相关的项目，则从数据来源，业务逻辑，项目意义的层面上分点说明自己的项目，最好提前能够总结出方法论，说明这个项目给你带来的价值也可以应用到实习/工作中。
==注意推荐算法
9.问自己做过的数据分析的case 从中的收获 遇到了什么问题（快手）
参考答案（回答模板）
从项目背景、分析思路、分析结论、策略落地、落地效果分别阐述。
项目背景也就是为什么要做这个分析。分析思路也就是你的分析过程，比如从供给侧，我们衡量了xxx和xx指标，从消费侧，我们衡量了xx。分析结论是通过这个分析，我们发现了xxx现象。针对这一现象，我们与xxx和xxx部门沟通，准备实施xxx策略，最后在几周的观察下来，这一策略有非常好的效果，xxx指标得到了显著的提高。
收获：通过这个case，我了解了数据分析的流程，以及对xxx业务更加深入的了解，收获了一些思考方向，这对我以后的业务也有很大的帮助。
问题：在分析策略落地时，由于分析过程到分析结论不够严谨，所以遭受了一些质疑和推进上的阻碍，但是在后来反思复盘后，让逻辑更为严谨，也略微改动了沟通方法，沟通也就顺畅了许多。
10.站在数据分析师的角度，如何去评价万国觉醒里的一个活动（吉比特&雷霆游戏）
参考答案（可以从哪些角度）
1.活动总体效果评估：增长的平均收入、付费率、新用户数等。
2.活动效果评估：对比不同活动上线后的效果。
3.评估活动对新用户和游戏收入的影响。
4.得出分析结论。对于效果好的活动，可形成活动模板，作为长期定期进行的活动。对于没有效果的活动，进行改进后再推行，依然没有起色的，不再推进。
11.认为自己数据分析能力如何？一般会从什么角度进行数据分析？（快手）
参考答案
我认为我的逻辑思维较好，但是业务经验比较缺乏，还有很大的提升空间。角度：首先我会定位问题所出现的原因，按照用户、渠道等维度进行分层探索，找到出现问题的原因；定位好问题源头后，我会从内部和外部的角度进行归因，内部我会分别从产品、运营和技术侧寻找原因，外部我会从经济政策环境和竞品的角度归因。
答案解析
需要表现出较好的逻辑思维能力（数据分析的基础能力）和结构化的表达能力。
12.谈一下瀑布流和双列点选两种形式，你能从哪些角度进行数据分析以为业务方提供指导建议呢？（快手）
答案解析
首先，明确单列与双列各自的优点：单列能够减少用户思考的时间和提高单个内容的转化率；双列能够展示更多元化的内容，用户找到想看的内容的效率更高。
然后，针对其特点建立指标体系，看观察两者的差异程度：平均用户观看视频时长，用户的点赞率，用户转化率等。通过与业务方沟通得到对方想要提升的目标，依照指标针对性的给出建议。
13.从数据分析怎么去挖掘出你说的客户相似性？（快手）
参考答案
客户相似性即用户画像的相似程度。我们可以按照用户基本信息数据、用户个人行为数据和用户消费行为数据筛选特征，建立机器学习中的聚类分析模型，可以采用k-means等方法，对其进行聚类，并输出主要相似特征。
14.什么样的人适合做数据分析（字节跳动）
参考答案
1.具有数据敏感度，与数据打交道需要能够从众多的数据中发现统计规律，需要有较强的数据敏感度。
2.快速学习能力较强，数据分析师可能需要同时推进不同的业务，需要快速学习不同业务。
3.沟通协调能力较强，数据分析不是独自一人干活，而是需要与业务方沟通，才能完成工作的。
答案解析
每点后最好结合自身经历，说明自己在这方面有优势，会比较加分。
15.数据分析日常工作内容以及工具时间占比（滴滴）
参考答案
日常工作：数据提取、数据处理、与业务方沟通、数据实验、数据报表制作、数据分析报告。
工具时间占比：数据清洗方面：sql占绝大部分时间，50%-60%；python和excel做数据处理也会占据部分时间，10-20%；数据实验：实验流量工具，5%-10%；数据可视化：数据报表工具（tableau)，15%-20%。
答案解析
工具最好按照工作内容划分说出来，显得比较有结构条理。