面試題目
Catalog：Click to jump to the corresponding position
=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=
“我去面試一個企業，人家說，我有1億註冊用戶，月活躍2500萬，他們想把剩下7500萬非活躍的變成活躍的，問我有什麼辦法，我怎麼說？？？關鍵是我不瞭解他們的業務啊！”
錯誤答法：
還有一個錯誤答法：2500萬的活躍用戶算低嗎？
有這種思維是好的，但是在面試的時候不能直接懟回去，數據分析師永遠不要做判官，我們只提供分析方法，老闆纔是判官
示例答法：
①拿出一張紙畫出結構
問面試官：
您好，確認一下您的問題啊，看看我理解的對不對，就是咱們現在有一億的註冊用戶，活躍的用戶是2500萬，在活躍用戶以外還有很大的空間，我們想擴大活躍空間，對不對？
目的：
我們不瞭解公司情況，對方又必須我們回答，我們要把節奏託下來，爲我們自己爭取更多的說話機會，而且重複問題是一種很專業的表現（尊重對方、專業性高）
②統一口徑
問面試官：
您說有2500萬的活躍用戶，那怎麼樣算是活躍？是打開一次app，還是使用一次產品？或者是消費一次呢？
有一億的註冊用戶，是有一億個客戶表格信息？還是有一億個系統記錄ID，再或者是開通了你們某項功能呢？
目的：
統一口徑、寫下來顯得你尊重對方、箭頭暗示後面還有下文，讓其不會覺得我們是在拖延時間
③詢問業務
畫出結構圖
問面試官：
那麼我們是隻考慮用戶的活躍率問題，考不考慮用戶的付費問題呢？
目的：讓面試官多和你聊公司業務相關問題
④給出結論
1.既然有2500活躍的活躍用戶，那麼我們可以根據這個活躍用戶構建出用戶結構，梳理出活躍用戶畫像，可以對比我們活躍用戶的來源渠道，付費習慣等。
2.構建了用戶結構之後，我們可以將不同類用戶的生命週期刻畫出來，然後發現各類用戶是在什麼節點增長、流失的，可以在相應的節點作出一些動作。
技巧介紹：
這一招叫反客爲主，是應付不太清楚背景，又必須回答問題的情況下祕籍，關鍵在於降低對方速度，給自己緩衝，留下思考時間，拖進我們的節奏
同時，可視化可以展示我們的能力與信心
並且，即使這個問題我們不太清楚答案，一個流程走下來，也顯得80%環節是清晰的！這能大大緩解提問者的焦慮，爲我們掙得主動
問：你是一個大型多元集團
下邊互聯網金融公司的數據分析師，今天是9月1日，9月30日你的集團總裁要在一個行業會議上發表《新零售下互聯網金融的人工智能發展》
一篇演講，請你做相關的ppt，你會怎麼做？
錯誤答法：三天以後把PPT拿來了！！！
示例答法：只是問你會怎麼做？
①搞清楚各個部門誰是牽頭人，誰負責這個事情？出鍋了誰背？誰牽頭意味着找誰推動這個事情
②搞清楚誰審批，是我一層一層向上彙報，還是大家一起開個會現場決定？
③搞清楚都有哪些部門參與
④確認項目各個部門的負責人，找誰推動，審批等
⑤確認時間表，根據總裁需要的時間往下逐級安排時間流程，什麼時間完成什麼事
⑥確認分工，專業的人幹專業的事情
背後含義：
這就是一個企業裏項目立項到落地的全過程
所以說到底主要的考點就是項目意識
啓示錄：
1.數據分析工作 =/= 寫代碼 =/= 自己寫代碼
2.在企業內工作，就有領導，有領導的領導，有領導的領導的領導，主動向領導請示項目質量，有問題及時向領導多溝通
3.在企業內工作，就有目標，時間，工作計劃，分工
4.切記，向領導請示目標，向項目組確認進度，向同事尋求幫助，向下屬分配任務，自己圍繞目標輸出成果。
5.爲什麼你覺得自己缺乏經驗，因爲你做的只是其中一環！如果你覺得自己缺乏經驗，動向上下平級溝通，補全項目鏈條！
一地產中介，準備培訓新進的二手房中介，以提升中介能力，最終目標是想讓每個中介每月能促成3筆交易。
問：用哪些指標可以衡量培訓效果？
一般回答：
可以統計3單完成率的增幅、每個人培訓前後的單數對比、培訓完成後平均單數的增加絕對量對比等
深入回答：
①先思考人均3單的目標是怎麼來的？爲什麼不是4單，5單，或者8單，就偏偏是3單？
②查看成交比例結構，看看有多少人是有成交的，沒有成交的人佔多少比重
③細分成交數據結構，觀察在已經成交的人裏，成交1單、2單的人數……，已經每個成交單數層級貢獻的總單數
可能業務部門只是算了個平均成交單數發現是2.1單，於是就設定了3單的目標
我們細分結構以後發現其實無成交的人佔絕大部分，總單數裏也是少有的銷售王牌貢獻的單數
所以，目標的完成難度就顯而易見，當我們發現這種問題的時候就可以對症下藥，針對無成交的人設定目標，針對成交1單的人設定完成目標，而不是籠統的對比總指標。
一個非常深層次的問題：
領導期望 VS 時間+能力
控制領導期望很重要：
1. 量化考覈指標
2. 從簡單的做起
3. 逐步輸出成果
4. 不斷進步迭代
5. 弱化複雜問題的權重
數據分析三大要素是我們的命根子：1.數據來源、2.指標口徑、3.統計方式，不然給的數都是錯的，分析有啥用？
問題：
解答思路：
先將字段分解，然後給出選項，並且從易到難排序，先推簡單的，載推難的
主要考點：
啓示錄：（解題思路）
養成下面這個好習慣，不止面試，日常工作都很受益
1. 審題
先審題，不要一看到問題就想着上模型
2. 確認口徑
如何計算這個問題，確保口徑正確
3. 分解問題
如果問題包含好幾個名詞或者指標，需要做分解
4. 給選項
在面試特別重要，多給幾個選項，優先推薦其中一個，給自己留下後路
越是主動給選項，越容易控制領導期望
5. 找領導確認
不要自己埋頭幹，多和領導確認溝通
6. 分步驟完成
落地逐步做，簡單的先做，逐步給領導展現成果
面試某外賣平臺，HR問：“我們在上海地區的交易額比較差，分析下原因”怎麼答？
這是一個典型的 爲什麼 的問題，在回答此類問題時，答案一定是原因1可能是、原因2可能是、原因3可能是……
不是這個答案的就答跑題了，HR和領導都喜歡直面回答問題
審題：
比較差--是一個形容詞，那麼就要問比較差的標杆是誰？多差算差？好的標準是什麼？
是什麼：
在什麼時間比的，是這一天差了，還是一週差了，還是一直以來都很差？（一次性/還是連續性？，持續性/間歇性？）
一次性可能是事件導致的，間歇週期性要考慮週期問題，最好具體到什麼時間什麼情況什麼地方發生了什麼事情？
問題是越來越嚴重還是有向好的趨勢？
爲什麼：
給的原因最好是可以對應到部門，比如用戶、產品、競品等，不要給什麼用戶活躍低了，因爲用戶活躍低了好像和每個部門有關
分析問題三大問：
1. 是什麼？（確認數據）
2. 爲什麼？（尋找原因）
3. 做什麼？（給出建議）
這是個典型的“是什麼+爲什麼”問題，是什麼被隱藏掉了，很多人容易掉坑！
參考答案：
1. 明確數據的來源和準確性：是哪個部門說業績變差的？他們的數據來源是什麼？是否覈對的數據確保數據沒有問題?
2. 明確數據口徑和時間段，哪個時間段內的業績，對標是什麼，評價標準是什麼，爲什麼說變差了?
3. 明確這是不是個問題，業績下降是季節性波動，還是內部調整所致
4. 從商戶視角和用戶視角分析，是商戶問題還是用戶問題，
① 如果是商戶問題是哪個區域的商戶問題，是不是集中在某個區域，因爲競爭對手產生的影響或是天氣等客觀因素，還是內部運營問題。
② 或者是否集中在某羣用戶，比如老客流失的很多，或者這是個處於成長期的平臺，新客很重要但新客增長開始放緩了。針對不同的客羣，找不同的部門，是推廣沒做好，還是會員部沒做好。
某旅遊電商平臺，領導面試，問：“不用調研的方式，從數據上如何看出用戶爲什麼流失？”
解題思路：
但是上面這個思路不能解決上面的問題，因爲這個問題的背景是旅遊電商，不是電商零售的背景，所以需要補充背景知識，但是上面的框架是可以用的
這是個典型的“爲什麼”問題、爲什麼=/=做什麼！腦子一定要清醒
解題要點：
爲什麼的關鍵是找到問題來源，因此分解原因最重要
分解原因最理想的是MECE，但是很難做到
分解原因最好按部門KPI進行分解，方便跟進解決問題
這個答案是個萬能解，因爲它是符合MECE原則的
實際上，知道原因後可以對症下藥解決問題，降低流失率，但不代表已經流失的會滾回來，這是兩個問題！
如果有做什麼，那麼就會複雜的多
以流失挽留爲例，知道了爲什麼流失，不代表就可以因爲所以給答案
因爲有可能流失原因我們是無能爲力的，有可能是難以改進的
做流失挽留，要一看是否有價值挽留，二看是否有手段挽留，三看是否ROI好看，最後只能在有限範圍內做挽留。
你在一個電商公司，主營海淘母嬰，家居，美容，保健品，數碼家電，副食品。公司在華東，華中，西南有三個貨倉。
目前門檻是滿88元包郵，但總有身邊朋友及用戶抱怨門檻高。
問：滿88包郵是否太高？是否需要調整？建議怎麼調？
題後思考：
見到“有人說”先搞清誰說！
見到“高、低、大、小、多、少”先樹標杆！
見到“怎麼做”先區分基於現狀還是基於預測
要預測，業務部門先給動作，分析部門再給測算！
面試公司是運營商的乙方，提供企業通信領域服務，也基於運營商數據提供 一些分析服務，面試官是用人部門領導。現問題如下：
有四個字段數據，手機號碼，經緯度，用手機訪問的網址，時間。
問，在如下兩種情況下，如何通過上述數據獲利：1.童裝店怎麼盈利？2.銀行怎麼盈利？
這就是考驗數據分析師的基本功，如何通過字段看出背後的業務含義
這樣衍生劃分以後，我們就可以有許多信息可以解讀了，比如白天的時候是在步行街還是CBD上班，晚上是在那個檔次的住宅區居住等
再比如，節假日是在國內風景區，還是國外旅遊等，相應的都可以進行業務上的操作
隱藏坑點：
解題思路：
考察要點：
加工字段需要一級級向上提煉
不要直接跳到 早中晚步行街的人怎麼怎麼樣，要一級一級提煉，時間分爲早中晚等，經緯度分爲各類位置，再去講字段進行下一級的提煉
不一級一級提煉容易考慮不完善，容易丟失一些想法
即使同一個字段，不同的加工方式也會產生新的含義
比如時間 想到早中晚，到你想到週末工作日沒？想到長假短假區別沒？想到雙11這種特殊日子沒？
與其總想着拿新數據（大部分時候難度很大）不如想着如何利用資源
當你總覺得數據不夠時，你缺的不是數據模型、缺的不是模型，你缺的是思考深度。
你的公司主要做新房銷售，現手頭數據有當年的業務員人數，業務員業績數據。領導在糾結是否要停止在某市的業務，因爲感覺該市的新房銷售數量會逐步減少。
問：如何用數據分析支持這個判斷？
問題坑點：
1.如何用數據分析支持這個判斷？
領導要的不是科學結論，而是支持！
2.現手頭數據有當年的業務員人數，業務員業績數據。
認真想想，手頭的數據真的足夠嗎？
例如：當我們解讀單個的業績數據時是解讀不出什麼的
但是如果加上兩把尺子，就可以很好的解讀了
所以這個問題裏面是缺少數據的，缺少了標尺，我們要試着補全數據
3.你的公司主要做 新房 銷售
認真想想，新房和二手房有什麼區別？
其實新房反而使問題變得簡單，新房的週期是非常長的，所以在本年有多少新房開盤我們是可以獲取到的，這是一個存量競爭的問題
如果我們公司的新房量都已經很少了，那自然銷量也會下降，所以需要通過現有數據去推算我們需要的數據
解題思路：
新房少的論據，要給出，可以獲取外部數據，爬蟲，搜索引擎，行業報告等
可以推算出對手的樓盤佔有量，用總量-我們的樓盤量進行推算，還可以給出對手盤的身份，看看我們是否有競爭力
將銷售按照銷售業績進行等級劃分，查看是否存在沒有王牌銷售的情況，適當提升銷售獎勵等
考察要點：
溝通！溝通！還是溝通！
如果領導都不信我們，我們憑什麼升職加薪？
如果領導需求都搞不明白，你憑什麼能理解消費者？理解市場？
題後思考：
爲什麼你做了很多日報月報，但是分析能力沒有提高？
爲什麼你做了很多年分析，卻感覺沒有深入一個行業？
題目裏缺了的兩根線，有試圖補齊過嗎？
作爲數據分析部門，請給出你的觀點
問題思路：
這是一個正兒八經的討論嗎？
正方的明星是可以帶來粉絲流量，然後呢？這些粉絲就會購買嗎？收穫新用戶之後會不會付費呢？消費者瞭解了商品一定會買嗎？
反方用戶審美疲勞又怎麼樣呢？疲勞的用戶是我們的重要客戶嗎？疲勞的定義是什麼？一個月不購買還是一個月不看直播？某電商平臺虛假宣傳和我們有什麼關係？我做營銷就會忽視供應鏈嗎？
所以可以發現，正反方出了可量化的論點外，其餘的基本都是扯皮
在決定做不做的時候，我們一定要讓業務部門拿方案出來，這樣我們才能用數據去分析問題，我連你請的明星是哪個都不知道，我分析什麼？
考察要點:
字段、字段、還是字段
數據分析師參與討論問題，必須具體到某一個字段
當我們的業務方在討論一個具體問題的時候，如果他不落實到一個數字上，不落實到一個可考覈的指標上的話，這就是一句廢話，有可能反感，反感又怎麼樣了？會不會影響銷售呢？
在沒有收集到數據之前不輕易下結論，可以給假設
題後思考:
到底什麼是一個真正的問題
可以量化，可以記錄，可以對比的纔是真正的問題
很多時候，數據分析師思考問題，可量化，可記錄，可對比意味者我們必須要有一個字段記錄了這個信息，並且這個信息可以和內部其他數據對比
如果發現我們討論的問題還沒有細緻到這個問題的時候，不要輕易下結論。
實際工作中，相當多的問題根本就是扯皮、潑髒水、YY，沒有看到數據前，所有的理由都是扯皮。
題目坑點：沒有坑點，但是坑倒了無數人
所有人一眼就看到了週末低，平時高，然後同學們就認真作答了因爲週末低，低就是不好，高就是好的，所以就開始研究把低的要搞高。
解答思路：
是不是低了就i是有問題，高了就是沒問題，9月6--9月10這幾天高的值難度就是真正的高嗎？
9月6號意味者什麼，連續5天這個線是平着走的意味着什麼，爲什麼會有一根線平時高，週末低？
①什麼樣的產品工作日高週末低？
產品可以分爲三大類
這纔是正常的產品線，題目告訴我們是電商女性B2C，那麼爲什麼銷售圖長得這麼像商用B2B呢？
辦公室女性需求很多，題目之說有5種，並沒有具體說哪5種......
②周內連續5天平着走正常不正常？
正常消費趨勢：
每年過年前(1月份)比較高，3月份過完年比較高，4、5、6月基本平着走，7、8月稍微有一點起色
9月接近四季度要開始衝量了、衝業績了，10月有一個國慶假期銷量可能低一點，11、12月一定是業績網上很飆的
所以題目給出的數據反映出有問題的，9月6號開始衝量了怎麼可能平着走？
③看產品結構
通過堆積圖觀察問題所在
對比同類產品在周內週末的銷量趨勢，發現問題所在
如果5類產品的趨勢都是在周內高，週末低，那就說明我們的產品品類不夠完善
如果有產品周內高，週末更高，那麼應該引進更多此種類的產品
④觀察其他數據，以觀現狀
往前多看幾週數據，看看周內平着走是否健康，如果發現前幾周也是平着走，那問題大了去了，一個企業該衝量的時候上不去，不就面臨倒閉麼
先判斷是不是運營的問題，看新客戶、老客戶、流失率等
下一步看產品，通過第三步的產品結構發現問題，是否用戶需求沒有挖掘還是用戶推廣的問題等
運營計劃：
考察要點:先看大趨勢再看細節
先看羣體，再入細節
解析銷售，人（用戶）、貨（產品）、場（渠道）永遠好用
銷售額=用戶量*轉化率*客單價的公式要經常記得，找原因要對應去找
看波動趨勢小技巧：將每週平均值算出來，用每天的數除以平均值，這樣把大家拉到一根線上，可以看他的波動幅度和波動趨勢
解題思路：
①我們發現整體趨勢是往上的，但是這種增長合理嗎？推廣渠道新進了多少用戶呢？
②週一週五是明顯的谷底，這種波動性是合理的嗎？前幾周的數據如何呢？
③只看到了訪問數據，但具體的活躍率是多少呢？一萬粉絲2900活躍 和 10萬粉絲2900活躍是兩個概念哦
綜合考慮：
考察要點:（先看大趨勢再看細節）
繼續先看整體，再入細節
關注整體趨勢，數量&比例同樣要看
不要對日報曲線習以爲常，那樣會錯過很多分析機會
主動收集波動浮動背後的走勢，（圖像應該長什麼樣子？、周與周有沒有異同？月與月、年與年呢？不同的點發生了什麼？背後有什麼業務含義？）對於提升分析能力至關重要
解題思路：
這種情況下是活躍度崩盤的情況，所以需要哪低看哪！
考察要點:先看大問題再看細節
當出現重大問題的時候，第一時間懷疑數據本身
第二時間找那些有能力影響全局，動搖根本的部門（先找客服問是否有顧客投訴、再看產品是否出現BUG等）
不要遇到問題就想着一堆維度，分析速度快慢也是能力的體現
解讀波動是數據分析的基本功，然而解讀波動也是需要經驗積累的，多多努力，比如用戶活躍降低80%在電商行業是個大事，但是在保健品行業就是正常的
是什麼？
用戶留存率不夠，用戶留存率不夠
爲什麼？
①國產遊戲的留存時間非常短（騙錢、關服重開等原因）：所以數據週期爲首日、次日等
所以確認了app類型，對於我們怎麼看他的用戶留存率非常重要
②有流量導入，但DAU很低
求證數據，查看用戶到底漏在了哪一個階段，即用戶流失的具體形式、以及流失用戶是從哪個渠道來的。
例如：如果第二天用戶就流失，那麼需要考慮是不是新手指引沒有做好，渠道投放是不是選擇錯誤，是不是在垃圾渠道投放的等等，具體問題具體分析
這個時候可以去上模型，上漏斗模型，看活躍轉化。
考察要點:抓住問題本質
是什麼
爲什麼·做什麼
一步步來，缺什麼補什麼
發現問題：
一般問題要不出現在開頭、要不出現在結尾，開頭是（爲了......）的形式，結尾是（以......）的形式，所以本題要解決的問題是：以提升業務員的收入
解答思路：
收入=房間數×轉化率×房間單價
先看整體水平，先算一下全國收入的平均數，然後分兩撥，哪些比平均數低，在具體看哪些城市比平均值低，好的能做到多少
整體立一個標杆，到時候考覈就有標準。
差的標識出來，差的少做，好的多做，那麼好的多做多少？
即加量=>需要加多少？
假如砍了100家不好的店，這100家的入住率爲10%，那麼就需要補10家好的店
但如果補的店沒人來怎麼辦，這個時候就需要測算預計訂房的用戶有多少
未做但有潛力做的：
考察要點:正面回答問題
好多同學繞到入住率上去了，然而入住率是否和收入畫等號呢?
理論上直接把差的房型淘汰掉，也能提高入住率哈
圍繞問題組織答案!
題後思考∶如何把一個具體的業務動作轉化爲數據問題
業務員是怎麼找的?怎麼識別好壞?
業務員有多少精力?每天能跑多少點?
業務員有多少資本?談判還能加什麼籌碼?
邁不開腿，張不開嘴的數據分析師，就等着月薪6000取數取一輩子吧
領導準備清理報表，爲明年增刪改做準備，讓發個問卷問一下各部門意見
問:問卷如何設計，如何發?
看起來似乎很簡單，但是直接問:“你還用不用?”多簡單?
但是，有人填嗎?
有人填有人不填怎麼辦?
領導填的和員工填的不一樣怎麼辦?
解題思路：
給老闆呈現問卷：
內部統計思路：
考察要點:內外部數據結合
實際上，常用的數據經常包含系統記錄數據與用戶自填數據兩部分呢
系統數據多，但不活躍用戶，無交易用戶佔大多數
用戶自填，粉絲填的多，緣邊用戶填的少也是常識
粗暴丟掉某些羣體的數據都會引發錯誤判斷
根據目標組織數據，最大程度合理利用數據
題後思考:
我們分析的數據真的那麼可靠嗎
整體結構比嬌嫩的模型更能反映問題
數據質量提升本身是個無止境的工作
不考慮數據質量的算法都是耍流氓
問題：瓜子二手車，面試直接問︰如何挽留戰敗用戶
是滴!正確反應是先問∶什麼是戰敗用戶，要先覈對統計口徑。
因爲用戶流失是分若干個階段的，而且二手車的行業基本是一錘子買賣，基本一買之後就是3、5年，之後瓜子二手車還在不在都是問題
解題思路：流程
到底用戶是在哪個步驟流失的?
話說到底人家有幾個步驟啊??
需要自己下載個app試上一試自己就知道了
搞清楚流程，是定位問題的關鍵
縱向流程：
橫向流程：
考察要點:流程理解
爲什麼漏斗圖那麼流行，經常用?
因爲漏斗圖是一種符合MECE原則的診斷問題的模式
先定義清楚是什麼?才能進—步探討爲什麼、做什麼
探討是什麼，站在全局角度思考，免得被帶歪節奏
題後思考:皮，是什麼被扯起來的?
大部分扯皮源自指東說西、抓小放大、顧一忘二、
指東說西∶你談人員服務，他談產品設計
抓小放大︰你說服務不好顧客會流失，他說就有服務不好也買的
顧一忘二:你說這裏有三個問題，他說都是扯得我看就一個本質問題
所以，想不扯皮，把全流程劃上，每一步問題有哪些問題，預計影響多少都標上去，是最靠譜的辦法。
B2B企業，有5000家下游經銷商的提貨數據，沒有經銷商的銷售數據，沒有最終用戶信息，是滴，只有提貨數據，問怎麼分析?
考察要點:理解業務模式
理解B2B的業務模式是根本，希望大家通過本例，有了一定的認識
如果不能最終診斷問題，就先定義問題
數據分析基本思路:是什麼，爲什麼，做什麼
先解決是什麼，爲什麼的問題就更容易解決
題後思考:當數據不足的時候怎麼辦
如果數據不足，主動思考∶我還要什麼數據才能解決問題
不要光盯着眼前的數，還有數據來源和統計方式