16.金融以及中小微方向數(shù)據(jù)分析的想法（同盾科技）

參考答案

可以通過(guò)過(guò)去數(shù)據(jù)辩块，分析未來(lái)走勢(shì)。例如通過(guò)過(guò)去的借款金額弓柱，通過(guò)對(duì)人群進(jìn)行用戶畫像上的劃分腾啥，分別預(yù)測(cè)出未來(lái)該部分客群的借款情況坦辟。也可以通過(guò)人群的消費(fèi)和畫像等維度數(shù)據(jù)校坑，通過(guò)機(jī)器學(xué)習(xí)深度學(xué)習(xí)紧武，對(duì)每個(gè)人設(shè)計(jì)有競(jìng)爭(zhēng)力的還款利率。

==因?yàn)橹行∥](méi)有更加細(xì)致的數(shù)據(jù)但指？所以只能用以往的交易數(shù)據(jù)來(lái)預(yù)測(cè)？（4.17

17.對(duì)數(shù)據(jù)分析的看法，你怎么理解數(shù)據(jù)分析師這個(gè)職業(yè)（同盾科技棋凳、字節(jié)跳動(dòng)拦坠、嗶哩嗶哩、小紅書剩岳、貝殼找房贞滨、京東）

參考答案

數(shù)據(jù)分析是通過(guò)數(shù)據(jù)的角度，發(fā)現(xiàn)業(yè)務(wù)的痛點(diǎn)和癢點(diǎn)拍棕，通過(guò)分析原因得出解決策略晓铆，并推動(dòng)策略落地，達(dá)到提升業(yè)務(wù)質(zhì)量的過(guò)程绰播。

職業(yè)看法：我認(rèn)為這個(gè)職業(yè)是非常有前景的骄噪，未來(lái)許多企業(yè)都將完成數(shù)字化轉(zhuǎn)型，對(duì)數(shù)據(jù)分析師的需要和要求也會(huì)逐漸提高蠢箩，未來(lái)我也希望能夠在這一領(lǐng)域深耕腰池，不斷學(xué)習(xí)提升自己的分析能力和業(yè)務(wù)水準(zhǔn)，希望能夠成為一名優(yōu)秀的數(shù)據(jù)分析師忙芒。

==從數(shù)據(jù)的角度，發(fā)現(xiàn)業(yè)務(wù)的痛點(diǎn)和癢點(diǎn)讳侨，分析問(wèn)題呵萨，找到原因，得出決策跨跨。行業(yè)有前景潮峦，未來(lái)許多企業(yè)都將完成數(shù)字化轉(zhuǎn)型，希望能在這個(gè)領(lǐng)域深耕勇婴。（4.17

答案解析

主要是通過(guò)這個(gè)問(wèn)題映射出自己的職業(yè)規(guī)劃忱嘹，需要明確的說(shuō)明自己很看好這個(gè)職業(yè)，以及未來(lái)希望能在這個(gè)行業(yè)里深耕的意愿耕渴。

18.自己想做的數(shù)據(jù)分析是什么類型之類的拘悦。（同盾科技）

參考答案

我希望做的是偏業(yè)務(wù)方向的數(shù)據(jù)分析。因?yàn)椋旱谝怀髁常艺J(rèn)為數(shù)據(jù)分析是需要與業(yè)務(wù)相結(jié)合的础米，通過(guò)數(shù)據(jù)分析業(yè)務(wù)的痛點(diǎn)和癢點(diǎn)，推動(dòng)策略添诉，業(yè)務(wù)方向的數(shù)分也會(huì)讓我更有成就感屁桑。第二，我認(rèn)為我個(gè)人也比較適合這個(gè)方向栏赴。我具有一定的快速學(xué)習(xí)能力和業(yè)務(wù)理解能力蘑斧，在之前的幾份實(shí)習(xí)中我都能比較快的上手業(yè)務(wù)，也通過(guò)這幾次實(shí)習(xí)讓我找準(zhǔn)了之后的職業(yè)發(fā)展方向。

==不管回答業(yè)務(wù)側(cè)還是技術(shù)測(cè)竖瘾。都要回答兩點(diǎn)沟突，第一對(duì)這個(gè)側(cè)的理解，二為什么選這個(gè)側(cè)准浴。（4.17

答案解析

一點(diǎn)是說(shuō)明你了解這個(gè)方向是做什么事扭，一點(diǎn)是自己為什么匹配這個(gè)方向。

19.那你知不知道邏輯是數(shù)據(jù)分析師最重要的技能乐横，你覺(jué)得它會(huì)是你日后工作致命的缺陷嗎（字節(jié)跳動(dòng)）

參考答案

我也同樣認(rèn)為邏輯能力是非常重要的求橄，數(shù)據(jù)分析需要從數(shù)據(jù)中得出分析結(jié)論，需要十分嚴(yán)謹(jǐn)?shù)倪壿嬆芰Σ拍軌蜃寴I(yè)務(wù)方信服葡公。但我認(rèn)為我的邏輯能力還是比較強(qiáng)的罐农，學(xué)習(xí)數(shù)理知識(shí)時(shí)培養(yǎng)了我的邏輯能力，并且在之前的實(shí)習(xí)過(guò)程中催什，我與業(yè)務(wù)方的溝通也較順暢涵亏，所以我并不認(rèn)為這個(gè)是我的缺點(diǎn)，但是我認(rèn)為我可以繼續(xù)提高我的邏輯能力蒲凶，順便問(wèn)你有推薦的書籍或方法嗎气筋？

答案解析

說(shuō)明重要性+舉例說(shuō)明自己有這項(xiàng)能力。

20.介紹一個(gè)數(shù)據(jù)分析項(xiàng)目（字節(jié)跳動(dòng)）

參考答案（答題模板）

先介紹項(xiàng)目背景：在xxx上線后旋圆，數(shù)據(jù)效果不明顯宠默，所以需要我們對(duì)其進(jìn)行分析，找到原因灵巧。

隨后介紹分析思路：我們從xxx搀矫，xxx等角度進(jìn)行分析xxx指標(biāo)，得到xxx的現(xiàn)象刻肄。

后說(shuō)明分析結(jié)論和對(duì)應(yīng)的解決策略瓤球。如果后續(xù)有繼續(xù)觀察策略落地的情況可以繼續(xù)說(shuō)策略落地后的效果。

21. 對(duì)做數(shù)據(jù)分析做了哪些準(zhǔn)備（拼多多）

參考答案

分業(yè)務(wù)學(xué)習(xí)敏弃、工具學(xué)習(xí)卦羡、理論學(xué)習(xí)三個(gè)層面進(jìn)行回答。

業(yè)務(wù)學(xué)習(xí)：在人人都是產(chǎn)品經(jīng)理麦到、知乎虹茶、公眾號(hào)閱讀了大量數(shù)據(jù)分析的文章，并進(jìn)行方法論總結(jié)隅要。

工具學(xué)習(xí)：熟練掌握Sql蝴罪、Python、Excel步清、Tableau等數(shù)據(jù)分析工具要门。

理論學(xué)習(xí)：對(duì)數(shù)據(jù)分析所用的統(tǒng)計(jì)學(xué)理論虏肾、機(jī)器學(xué)習(xí)理論有較為全面的理解掌握。

22. 說(shuō)一下SVM（拼多多）

參考答案

SVM是在特征空間上找到最佳的分離超平面欢搜，使得訓(xùn)練集上的正負(fù)樣本間隔最大封豪。是用來(lái)解決二分類問(wèn)題的有監(jiān)督學(xué)習(xí)算法，在引入核方法后也可以解決非線性問(wèn)題炒瘟。

==這里說(shuō)的很簡(jiǎn)單吹埠，就是在特征空間里找到最佳的分離超平面，使訓(xùn)練集的正負(fù)樣本間隔最大疮装。是有監(jiān)督的二分類問(wèn)題缘琅，引入核方法后可以解決非線性。（4.17

答案解析

不需要詳細(xì)描述原理廓推，簡(jiǎn)要說(shuō)明原理+運(yùn)用場(chǎng)合即可刷袍。

23. 說(shuō)一個(gè)無(wú)監(jiān)督學(xué)習(xí)算法，闡述原理樊展，優(yōu)缺點(diǎn)呻纹，實(shí)際應(yīng)用點(diǎn)（拼多多）

參考答案

k-means聚類算法。

原理：首先選擇k個(gè)點(diǎn)作為初始點(diǎn)专缠，隨后將每個(gè)點(diǎn)指派到最近的質(zhì)心雷酪，形成k個(gè)簇并重新計(jì) 算每個(gè)簇的質(zhì)心，直到簇不發(fā)生變化或達(dá)到最大迭代次數(shù)涝婉。

優(yōu)缺點(diǎn)：優(yōu)點(diǎn)是處理大數(shù)據(jù)時(shí)較為高效且伸縮性較好哥力；缺點(diǎn)是需要事先確定k，不適合非凸集合的聚類嘁圈。

實(shí)際應(yīng)用點(diǎn)：潛在的簇是凸面，且簇之間區(qū)別明顯蟀淮，大小相近最住，適用于大數(shù)據(jù)。

==kmeans看了很多遍了哈怠惶，原理不說(shuō)了涨缚，優(yōu)缺點(diǎn)記一下，分別是伸縮性好和需要確定K且不適合非凸(4.17

答案解析

選取較為簡(jiǎn)單的即可策治。

24. 從數(shù)據(jù)分析角度脓魏，推薦模塊怎么用指標(biāo)衡量？（拼多多）

參考答案

推薦模塊主要目的是將用戶進(jìn)行轉(zhuǎn)化通惫，所以其主指標(biāo)是推薦的轉(zhuǎn)化率茂翔。對(duì)于其他指標(biāo)，可以從用戶履腋、模塊功能的角度進(jìn)行衡量珊燎。用戶層面：每日推薦用戶數(shù)惭嚣、點(diǎn)擊推薦用戶數(shù)、對(duì)推薦不感興趣數(shù)等悔政，并且可以計(jì)算各用戶數(shù)的占比情況晚吞，再具體可以看不同層級(jí)的用戶情況；模塊功能層面：各模塊的點(diǎn)擊人數(shù)谋国、各模塊的點(diǎn)擊率槽地、各模塊點(diǎn)擊后的跳轉(zhuǎn)時(shí)間等，可以看出該模塊功能是否合理有效芦瘾。

==完了完了捌蚊，老本行的題竟然答不上來(lái)。首先推薦模塊的主要目的就是將用戶進(jìn)行轉(zhuǎn)化旅急，所以主要指標(biāo)就是推薦的轉(zhuǎn)化率逢勾。然后對(duì)于其他指標(biāo)可以從兩個(gè)層面來(lái)分析，分別是用戶和模塊本身藐吮。（4.17

答案解析

從推薦的功能出發(fā)溺拱，先給出主指標(biāo)，再給出其他指標(biāo)谣辞。

25. 為什么想做數(shù)據(jù)分析迫摔？（從數(shù)據(jù)分析相關(guān)專業(yè)和不相關(guān)專業(yè)給出兩種答案）（滴滴）

參考答案

數(shù)據(jù)分析相關(guān)專業(yè)：1、對(duì)數(shù)據(jù)分析十分感興趣泥从，對(duì)自己未來(lái)的職業(yè)規(guī)劃也是在數(shù)據(jù)分析這條路深耕句占，非常希望能夠進(jìn)入該行業(yè)。2躯嫉、有一定的專業(yè)水平纱烘，自己本科/碩士階段所學(xué)習(xí)到的很多統(tǒng)計(jì)和管理學(xué)上的知識(shí)，希望能夠?qū)W以致用祈餐。3擂啥、認(rèn)為該行業(yè)十分有前景，未來(lái)是大數(shù)據(jù)時(shí)代帆阳，而數(shù)據(jù)分析能夠讓企業(yè)更明確未來(lái)的方向哺壶，是非常有發(fā)展前景的行業(yè)。

==很細(xì)節(jié)蜒谤，從三個(gè)方面論述山宾，這類活題，一定要從多方面進(jìn)行論述鳍徽。第一興趣资锰，第二有一定的專業(yè)水平，第三認(rèn)為該行業(yè)有前景阶祭。（4.17

不得不吐槽一句台妆，這才是標(biāo)準(zhǔn)答案啊翎猛，跨專業(yè)考研也完全可以使用這個(gè)格式來(lái)回答。

數(shù)據(jù)分析不相關(guān)專業(yè)：1接剩、對(duì)數(shù)據(jù)分析十分感興趣切厘，對(duì)自己未來(lái)的職業(yè)規(guī)劃也是在數(shù)據(jù)分析這條路深耕，非常希望能夠進(jìn)入該行業(yè)懊缺。2疫稿、有一定的專業(yè)水平，雖然專業(yè)并非與數(shù)據(jù)分析相關(guān)鹃两，但是為了走數(shù)據(jù)分析這條路也做了需要努力遗座，自學(xué)了很多統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)相關(guān)的理論知識(shí)，并且在實(shí)踐實(shí)習(xí)中將在公眾號(hào)和知乎等文章上學(xué)到的數(shù)據(jù)分析方法學(xué)以致用俊扳，并且對(duì)數(shù)據(jù)分析的工具掌握非常熟練途蒋，認(rèn)為自己非常適合數(shù)據(jù)分析。3馋记、認(rèn)為該行業(yè)十分有前景号坡，未來(lái)是大數(shù)據(jù)時(shí)代，而數(shù)據(jù)分析能夠讓企業(yè)更明確未來(lái)的方向梯醒，是非常有發(fā)展前景的行業(yè)宽堆。

26.根據(jù)數(shù)據(jù)分析去調(diào)整高峰期打車供需問(wèn)題（滴滴）

參考答案

①首先明確分析目的：關(guān)鍵詞為“高峰期”、“供需問(wèn)題”茸习；供需問(wèn)題即訂單使用情況畜隶。

②隨后根據(jù)訂單問(wèn)題構(gòu)建指標(biāo)體系：訂單滿足率，高峰期時(shí)段号胚，訂單高峰地段籽慢，平均響應(yīng)時(shí)間，平均訂單時(shí)長(zhǎng)猫胁。

③然后我們需要提出分析的問(wèn)題：在各個(gè)地段的訂單滿足率如何箱亿？打車高峰期是什么時(shí)候？平均訂單完成時(shí)間有多長(zhǎng)杜漠？

④通過(guò)數(shù)據(jù)分析回答上述問(wèn)題极景，并對(duì)數(shù)據(jù)進(jìn)行可視化察净，得到分析結(jié)論驾茴。

==這是給出了一個(gè)具體問(wèn)題，那么首先就是確定問(wèn)題氢卡，給出指標(biāo)：高峰期時(shí)間锈至，路段，響應(yīng)時(shí)間等等译秦∠考瘢可視化得出結(jié)論击碗。（4.17

答案解析

框架為：明確問(wèn)題關(guān)鍵詞-->構(gòu)建問(wèn)題相關(guān)指標(biāo)-->根據(jù)關(guān)鍵詞得到具象化問(wèn)題-->通過(guò)數(shù)據(jù)分析回答問(wèn)題

27.認(rèn)為數(shù)據(jù)挖掘和數(shù)據(jù)分析有什么不同（中銀金科）

參考答案

①數(shù)據(jù)挖掘是在大量數(shù)據(jù)中，通過(guò)機(jī)器學(xué)習(xí)或深度學(xué)習(xí)等方法们拙，去挖掘一些有價(jià)值或者是未知的信息稍途，重點(diǎn)就在于尋找未知的模式，例如通過(guò)現(xiàn)狀預(yù)測(cè)未來(lái)砚婆；

②數(shù)據(jù)分析則更偏向于使用數(shù)據(jù)工具來(lái)進(jìn)行數(shù)據(jù)的處理械拍，提取出有價(jià)值的數(shù)據(jù)，需要與業(yè)務(wù)相結(jié)合装盯，例如異常歸因分析坷虑，經(jīng)營(yíng)現(xiàn)狀分析等。

28.說(shuō)下數(shù)據(jù)分析常用的算法（中銀金科）

參考答案

a. 分類分析算法：對(duì)已人工打標(biāo)好的樣本數(shù)據(jù)進(jìn)行歸類埂奈，并且找到其分類個(gè)體的特征屬性迄损，常用的有決策樹，隨機(jī)森林算法账磺。

b. 聚類分析算法：對(duì)未打標(biāo)的樣本數(shù)據(jù)進(jìn)行歸類芹敌，并找到分類個(gè)體的特征屬性，常見的有k-means算法绑谣。

c.時(shí)間序列分析算法：對(duì)事件或?qū)ο笮袨殡S時(shí)間變化的規(guī)律或趨勢(shì)建立模型進(jìn)行分析党窜，常見的有ARMA和ARIMA算法。

==時(shí)間序列分析這里我學(xué)的不精借宵，找找時(shí)間補(bǔ)補(bǔ)（4.17

答案解析

考察在數(shù)據(jù)分析中幌衣，可能需要用到機(jī)器學(xué)習(xí)的場(chǎng)景，以及場(chǎng)景所對(duì)應(yīng)使用的機(jī)器學(xué)習(xí)算法壤玫。

29.原專業(yè)與數(shù)據(jù)分析的哪些內(nèi)容相關(guān)（三諾生物豁护、藍(lán)月亮、銳明科技）

參考答案（通用套話）

1.?在基礎(chǔ)課的學(xué)習(xí)上欲间，概率論與數(shù)理統(tǒng)計(jì)這門課程學(xué)習(xí)的比較好楚里，對(duì)統(tǒng)計(jì)學(xué)有較為深刻的認(rèn)識(shí)。

2.?在邏輯能力上猎贴，原專業(yè)也需要我們有較好的邏輯思維和結(jié)構(gòu)化思維班缎，對(duì)問(wèn)題可以進(jìn)行一定的拆解分析，找到問(wèn)題原因她渴。

3.?在溝通表達(dá)能力上达址，在原專業(yè)的學(xué)習(xí)上，也需要與他人協(xié)作溝通趁耗，才能夠取得不錯(cuò)的成果沉唠。

答案解析

需要從幾個(gè)本專業(yè)和數(shù)據(jù)分析有聯(lián)系的方面分別闡述為什么自己匹配數(shù)據(jù)分析這個(gè)崗位。建議事先研究崗位JD苛败，找出與崗位JD所匹配的素質(zhì)要求满葛，聯(lián)系自身情況径簿，最好有事件案例說(shuō)明。

30.假設(shè)我是美團(tuán)的數(shù)據(jù)分析師嘀韧，會(huì)構(gòu)建怎樣的指標(biāo)體系篇亭。（滴滴）

參考答案

美團(tuán)的業(yè)務(wù)線很多，以美團(tuán)商家業(yè)務(wù)線為例锄贷，我會(huì)這樣構(gòu)建指標(biāo)體系暗赶。

分為主指標(biāo)和輔助指標(biāo)：

主指標(biāo)包括：收入、有效訂單數(shù)肃叶、入店轉(zhuǎn)化率和訂單轉(zhuǎn)化率蹂随。

輔助指標(biāo)分為營(yíng)業(yè)數(shù)據(jù)、流量數(shù)據(jù)因惭、顧客數(shù)據(jù)岳锁。

營(yíng)業(yè)數(shù)據(jù)的指標(biāo)可以有營(yíng)業(yè)額、活動(dòng)補(bǔ)貼總額蹦魔、顧客實(shí)付費(fèi)用激率、實(shí)付單均價(jià)；流量數(shù)據(jù)的指標(biāo)可以有曝光人數(shù)勿决、入店人數(shù)乒躺、下單人數(shù)、曝光次數(shù)低缩、入店次數(shù)嘉冒；顧客數(shù)據(jù)的指標(biāo)可以從顧客的用戶畫像入手，例如新老客戶占比咆繁、價(jià)格偏好情況等讳推。