数据分析
1、说一说数据分析流程（龙湖）
参考答案
第一步：与业务方沟通问题，明确分析目标；第二步：对目标进行拆解，可以采用两步分析法，也可以采用人货场分析法，通过数据定位问题源头；第三步：与产品、运营和技术沟通，找到问题原因。
==这里说的是大概流程，先是与业务方沟通，了解核心目标，然后应该就是依据目标来找指标了，前面有一节是指标的教学，根据核心北极星指标，找其子指标+过程指标+分类指标。如果是平台的话可以使用人货场分析，此外还有AARRR分析法。最后就是与产品，运营，技术沟通，找原因。
==其实就是找目标，找指标，沟通（4.16
答案解析
本题考查数据分析的结构化思路，需要对数据分析有大致的了解，并能够用结构化的语言描述。
2、游戏内数据分析涉猎的少，如何证明自己有能力胜任？（字节跳动）
参考答案
虽然我对游戏数据分析的经验较少，但是我认为对于应届生而言，更重要的是学习能力以及对该行业的热情。我的学习能力不错（举例说明，最好结合实习的例子，其次是在学校学习的例子等）；并且我非常热爱网络游戏，自身职业规划也和游戏相关，希望能在这个行业里深耕；最后我认为数据分析的方法是相通的，我学习的其他数据分析方法论也可以应用其中。
==这是一个开放性的问题，主要还是在投之前先了解一下职位信息。
==其实对于业务经验这个问题也可以这么说：虽然我的业务经验非常少，但是我觉得对于一个应届生来说，更重要的是学习能力，我平时学习专业技能之余也会看看人人都是产品经理的博文，提升自己的业务sense（4.16
答案解析
投递岗位前认真阅读岗位JD，通过JD分析自身匹配度，结合自身情况，举例证明对其的匹配性。
3、之前的经历中单品数据分析的经验丰富，但缺少平台分析经验，你认为字节小游戏平台分析需要涉及哪些指标？哪个是最重要的？为什么？（字节跳动）
参考答案
从游戏自身出发：核心玩法的参与度，游戏留存等；从游戏玩家出发：ARPU，DAU，留存率；从游戏性能出发：闪退率，卡顿率等。最重要的是游戏的渗透率，因为字节游戏主要依靠从抖音或今日头条引流用户，如何把内容用户转变为游戏用户，是字节游戏现在最重要的事情
==首先还是对问题进行拆解分析，这里用的其实还是经典的人货场方法，先是货，也就是游戏，游戏的玩法参与度，游戏留存，游戏的闪退率，画质，卡顿情况。然后是人，也就是玩家，日活率，留存率等等。最后就是厂，及平台，平台的引流途径，一些转化率等等。
==当然最重要的是游戏的渗透率，所以平台侧的引流是最重要的（4.16
4、你对数据分析的认知是什么，那你是如何学习数据分析的？（除上课外）（阿里、百度）
参考答案
数据分析是通过数据的角度，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。主要通过课外阅读以及实习来学习数据分析，通过把在“人人都是产品经理”网站、公众号文章、知乎文章等学习到的数据分析方法论，通过实习的方法实践出来，也让我对数据分析有了更加清晰的认识。
==这个还是对数据分析师职业的认知，就是通过了解，学习，挖掘数据，来发现一些存在的问题，分析问题原因，然后解决问题。
5、数据分析常用软件（招商银行信用卡）
参考答案
取数和处理数据的工具：Sql、Excel、Python、VS-code、SPSS等
数据可视化工具：Tableau、airflow、matebase等
==这个就不解释了
答案解析
需要结构化的回答，将常用的数据分析软件按照功能分类，再分别回答。
6. 你觉得数据分析应该具备的能力是什么（贝壳找房、京东）
参考答案
快速学习能力、数据化思维和较强的业务逻辑化能力。数据分析师需要接触不同的业务，在学习新的业务中，我们需要快速学习能力，来提高我们工作的效率；数据化思维能够帮助数据分析师提高数据敏感度，对异常数据有敏感的识别能力；业务逻辑化能力能够让我们与业务方沟通时更加顺畅，数据分析并非独立完成的，是需要与其他人协同产出的。
主要还是两个，数据思维和业务的敏感度。此外就是自身的学习能力要强。数据分析其实并不是一个独立的职位，沟通交流能力也要可以。
7. 以往经历中，你是怎么做数据分析报表（京东）
参考答案
在学校的学习中，主要使用Python和Excel产出可视化报表，所以我对这两项工具的使用也非常熟练。在公司的实习中，主要使用Tableau和公司的报表平台，我也能够熟练的使用这两项工具，对于不同的平台也有较快的上手能力。
==用excel和tableau结合（4.16
答案解析
需要在回答中表现出自己的匹配能力，能够熟练使用数据分析工具，且对于陌生的工具有较快的上手能力。
8. 数据分析必备的技能（跟谁学、蓝月亮）
参考答案
数据处理技能：SQL、Excel、Python；数据可视化技能：Python、Tableau、PPT；沟通协调技能：与其他团队沟通，以及将数据分析结果呈现的能力。
9. 你觉得数据分析师必备的素质；结合数据分析师的素质，给自己打个分，讲述扣分的理由（京东）
参考答案
数据敏感度、快速学习能力和业务思维。满分十分给自己七分。扣分主要在于自己接触业务，像实习经历这种会比较匮乏，缺乏一定的业务思维，但是我的学习能力较强，能够快速上手业务，对数据分析的工具掌握较熟练，所以勉强及格的水平，还需要进一步学习。
10. 有哪些数据分析经历（京东、快手、滴滴、百度）
参考答案
按照自身简历情况，如果有实习经历，则回答自身实习中所做的，优先级：实验设计评估落地-> 专题分析报告 -> 简单业务分析。如果没有实习经历，则说自己的项目经历。
11.订单量下降会从哪些方面分析？（滴滴）
参考答案
1.版本影响：发布新版本的时候，是app出bug的高概率期，所以拉出各版本订单数量的趋势图，如果订单量下降的时间与发版时间一致，则是版本的问题。
2.活动影响：是否是运营活动的影响。
3.服务端影响：服务端有时会不定期修补服务bug or 上线新策略 or 优化原策略，导致数据流出现问题。比如用户刷新页面刷不到产品信息、或服务响应变慢等都会影响用户体验，进而影响订单量。
4.其他：漏斗分析，查询漏斗数据：日活-登录-浏览商品-加购物车-支付-支付成功。排查每两个环节之间的转化率是否与近期的转化率有较大GAP值，已确定是否是某个环节的bug导致最终的订单量下降。
==这就是实际问题了，出现问题，首先看看是不是正常影响，例如版本，活动，服务端之类的硬件问题。如果都不是，再使用漏斗模型进行分析，看看是哪一步出现了问题，哪一步与平时的数据出现较大变化。
==这里我觉得可以更加细致一点，出现波动的话，先看看是大波动还是小波动，大波动的话先考虑是不是数据库底部出现问题或者数据口径出现问题。（4.16
12.APP用户活跃度下降，如何分析（bigo）
参考答案
两步分析法：首先定位问题原因，
这里可以通过计算各个维度用户活跃度的变动系数=（该维度下异常前用户活跃度-该维度下异常后用户活跃度）/该维度下异常前用户活跃度，选出变动系数较大的前几个维度，对其进行分析。
然后可以从内部和外部进行分析，内部从产品（版本更新）、技术（卡顿，闪退）、运营（运营活动）分别沟通看是否能找到原因。外部从政策和竞品的角度找原因。
==首先还是一样，看看是不是一些版本问题，活动问题还有服务端的问题。虽然这个是一个比较细致的指标，用户的活跃度，但是依旧可以拆分，从用户的维度出发（是维度不是分类），例如新用户，活跃用户，回流用户等等。
==还可以从外部因素分析，例如其他同类产品是不是有什么活动，还有政策，舆论等影响。
答案解析
定位问题+找到原因
13.如何检验聚类分析结果（快手）
参考答案
轮廓系数。计算样本i和簇内其他样本间的平均距离得到样本i的簇内不相似度ai，计算样本i和其他簇内样本间的平均距离得到样本i的簇间不相似度bi。随后我们就得到了样本i的轮廓系数为si=(bi-ai)/max(ai,bi); 所有样本的si均值就是聚类结果的轮廓系数，轮廓系数越接近于1则说明聚类效果越好。
==聚类指标除此外还有sse，ch指标等，轮廓系数的范围是（-1，1），越大越好，别记错其计算公式，还有一个max
14.猿辅导在抖音上线一个视频，首页就有优惠券，点击优惠券的用户较多，但使用优惠券的用户较少，怎么分析（猿辅导）
参考答案
漏斗分析。优惠券转化漏斗：点击优惠券->至购买页面->点击下单->使用优惠券->完成支付。我们首先要确定是哪一步到哪一步的转化率低，随后与技术/产品人员沟通，共同定位原因。
==这种转化率问题第一反应就是漏斗模型，将其转化出更加细致的漏斗模型，如上所说。定位到具体原因再想办法解决。
15.怎么预测接下来订单数 分析日活（京东）
参考答案
订单数=日活*转化率。我们可以对用户进行分层，按照年龄、性别等维度对用户分层，尽可能把不同转化率的用户分开。随后对各个维度用户的日活进行预测，可以采用一元回归或机器学习的方法。最后将各个维度预测出的订单量汇总，就是最后的订单数。
==订单数直接预测不太合理，可以更具用户的分类来分别预测，这里我觉得维度也可以。
16.A/B test显示B组提升了20%，如何验证是否属于正常波动（阿里）
参考答案
对试验结果我们要积极的进行多维度的细分分析，除了总体对比，也看一看对细分受众群体的试验结果，不要以偏盖全，也不要以全盖偏。一个试验版本提升了总体活跃度，但是可能降低了年轻用户的活跃度，那么这个试验版本是不是更好呢？一个试验版本提升总营收0.1%，似乎不起眼，但是可能上海地区的年轻女性iPhone用户的购买率提升了20%，这个试验经验就很有价值了。
==这个问题涉及到了辛普森悖论，但问的是如何验证，这个就需要细化实验结果，不能以偏概全，不能以全概偏。
==答了又好像没答，问的是如何验证，这里也说了细化，但是没具体说。（4.16
答案解析
考察辛普森悖论
17.拼多多当月月活增加，怎么分析这批新用户是会给拼多多带来一个积极收益的用户（举例：不是渠道带来的低质量的用户或者羊毛党）（拼多多）
参考答案
1.用户路径分析，对这批新增用户，通过数据埋点追踪用户登录后的行为，判断是否是消费/羊毛用户。
2.将用户数据分为用户画像数据、用户消费数据、用户行为数据进行建模，根据该月这部分用户的行为通过机器学习分类预测算法该用户是否为积极用户。
==首先是用户路径，根据埋点来判断。然后就是通过一些机器学习算法，根据用户画像，行为记录来建模判断。
18.ctr下降怎么分析（网易）
参考答案
CTR=实际点击次数/展示量。首先定位问题原因，分别计算各个维度实际点击次数（展示量）的变动系数=（该维度下下降前实际点击次数（展示量）-该维度下下降后实际点击次数（展示量））/该维度下下降前实际点击次数（展示量），选出变动系数较大的前几个维度，对其进行分析。然后可以从内部和外部进行分析，内部从产品（版本更新）、技术（卡顿，闪退）、运营（运营活动）分别沟通看是否能找到原因。外部从政策和竞品的角度找原因。
==这类问题分析，我觉得应该还是把内外部原因放在前面，然后再根据一些漏斗模型，来细化点击率问题。对点击率进行展开，对不同维度的用户点击率来进行分析，看哪几个下降的最多，再进行分析。
19.如果用户经常访问app，但是下单量较少怎么分析，用户有目的的访问app（例如搜索女装），但是下单量较少怎么分析（网易）
参考答案
漏斗分析。下单转化漏斗：访问app--商品详情页--购买页面--支付页面--支付成功。定位是哪个环节出现问题后，与技术人员和产品人员沟通，找到原因。
==这类分析直接先用漏斗模型，看看具体是哪个环节出问题，再找技术人员和产品人员沟通。
20.在分析一款小游戏时，会涉及到哪些指标？（字节跳动）
参考答案
基础指标：dau、mau、使用时长、使用频次、留存（短期/长期，新进/活跃）；
收入指标：内部收入量化指标：付费渗透率、arpu、LTV；
广告收入量化指标：曝光、点击、转化、出价
==这里就得先看目标岗位，再临时学习。