【面經(jīng)】數(shù)據(jù)分析崗_面試題整理總結(jié)

必問問題

訂單/流量波動(dòng)（【業(yè)務(wù)理解（指標(biāo)定義施无，如DAU怎么才是活躍）-指標(biāo)口徑（渠道）-數(shù)據(jù)產(chǎn)出鏈路（哪份日志、哪些過濾清洗得來的）】喧笔；是否存在惡意的刷流量）福贞、三個(gè)常用的app、商業(yè)模式（之前產(chǎn)品的cpc和cpm）

1捆憎、訂單/流量波動(dòng)（【業(yè)務(wù)理解（指標(biāo)定義，如DAU怎么才是活躍）-指標(biāo)口徑（渠道）-數(shù)據(jù)產(chǎn)出鏈路（哪份日志梭纹、哪些過濾清洗得來的）】躲惰；是否存在惡意的刷流量）
1、判斷是正常变抽？異常础拨？：數(shù)據(jù)產(chǎn)生鏈路氮块、拉長(zhǎng)時(shí)間軸；2诡宗、最大概率法則歸因：假期滔蝉、熱點(diǎn)、雙11塔沃、政策蝠引；3、形成閉環(huán)：持續(xù)跟蹤蛀柴、文檔化!!!螃概、郵件化。

2鸽疾、常用app：
網(wǎng)易云音樂（喜歡每日推薦吊洼，吐槽沒有聽歌識(shí)曲和語音輸入，以及下面的熱門搜索跟我的畫像不匹配）肮韧、知乎融蹂。
如何解決吐槽點(diǎn)？先看熱門搜索的點(diǎn)擊量弄企，如果較低的話說明雖然位置有曝光但沒人點(diǎn)擊超燃、確實(shí)有問題。
怎樣評(píng)估這樣做帶來指標(biāo)的提升拘领？先小流量（灰度-5%）AB測(cè)試意乓，然后慢慢放量，如果效果還不錯(cuò)就全量约素。

3届良、工具類產(chǎn)品如何商業(yè)化：墨跡天氣（首頁的天氣button是主流量入口、下拉出現(xiàn)咨訊圣猎、里面有較多的廣告app下載鏈接士葫，這是一個(gè)app帶量商業(yè)化；時(shí)景button有景點(diǎn)送悔、住宿app下載推薦慢显，這是一個(gè)自身app高相關(guān)的商業(yè)化推薦；Me這個(gè)button欠啤，分生活荚藻、娛樂、休閑和游戲四大板塊）洁段。

方法論：AB測(cè)試（正交性）应狱、最大概率法則、幸存者偏差（當(dāng)取得資訊的渠道祠丝，僅來自于幸存者時(shí)（因?yàn)樗廊瞬粫?huì)說話）疾呻，此資訊可能會(huì)存在與實(shí)際情況不同的偏差除嘹。用 對(duì)照試驗(yàn) 和 貝葉斯公式 來消除幸存者偏差；拋掉對(duì)個(gè)案的迷信罐韩，全面系統(tǒng)的了解才能克服這個(gè)偏差）憾赁、相關(guān)性分析（子產(chǎn)品對(duì)大盤的貢獻(xiàn)度或影響度——>相關(guān)性，并可以進(jìn)一步作回歸分析）等散吵。

二、四大行業(yè)數(shù)據(jù)分析

四大行業(yè)數(shù)據(jù)分析

電商

電商零售的北極星指標(biāo)：交易額（北極星指標(biāo)）蟆肆、首頁分發(fā)效率矾睦、核心轉(zhuǎn)化率/漏斗分析、新用戶獲取的場(chǎng)景分析炎功；

整體分析（APP引流） + 核心路徑分析（漏斗） + 痛點(diǎn)分析（用戶）

• 首頁分發(fā)效率：CTR【CTR = 點(diǎn)擊UV / 曝光UV】和人均訪問（點(diǎn)擊）頁面數(shù)【=總方位頁面數(shù) PV / 總訪問UV】枚冗；發(fā)布新版本更需要關(guān)注上述兩個(gè)指標(biāo)。

  
  
  首頁分發(fā)效率

互聯(lián)網(wǎng)金融（數(shù)據(jù)建模師）

互聯(lián)網(wǎng)金融（數(shù)據(jù)建模師）

金融行業(yè)常用邏輯回歸LR

總結(jié)

游戲行業(yè)

常規(guī)指標(biāo)

商業(yè)化指標(biāo)

• 流失分析：滲透率都是針對(duì)具體的功能模塊赁温。
  流失定義
• 商業(yè)分析（變現(xiàn)）：看中收入 + 體驗(yàn)游戲

傳統(tǒng)銷售行業(yè)

核心指標(biāo)：銷售額完成率。

傳統(tǒng)銷售行業(yè)的核心指標(biāo)：銷售額完成率

如何分析一個(gè)陌生行業(yè)

三淤齐、具體方法論

1股囊、指標(biāo)體系搭建方法論：
日功能滲透率=該功能的日點(diǎn)擊人數(shù) / 日活
功能滲透率=功能滲透率 / 大盤用戶數(shù)。
核心指標(biāo)（日活 VS 有效用戶量：打開后幾秒算活躍）

用戶畫像 + 行為特征

流量分析：渠道内狗、轉(zhuǎn)化、價(jià)值义锥、波動(dòng)

前期看有效用戶數(shù)、次留膨更；中期看次日妙真、7日、30日留存荚守；后期看ROI

波動(dòng)：日活與留存

漏斗分析（先有假設(shè)再數(shù)據(jù)驗(yàn)證） VS 路徑分析（先有數(shù)據(jù)再驗(yàn)證假設(shè)）

• 拉新角度（流量思維慨蓝、渠道思維感混；燒錢、野蠻增長(zhǎng)的時(shí)代）：AARRR轉(zhuǎn)化漏斗
• 留存角度（產(chǎn)品 / 用戶思維：做好產(chǎn)品與運(yùn)營(yíng)服務(wù)）：留存——變現(xiàn)——推薦——拉新——激活礼烈。
• ROI思維（未來資本越來越理性）：變現(xiàn)——推薦——拉新——激活——留存弧满。

分析師的任務(wù)：做規(guī)模和帶收入（獨(dú)立思考，跳出現(xiàn)有模型）此熬、多研究用戶數(shù)據(jù)庭呜。

常用的用戶增長(zhǎng)方法：魔法數(shù)字；優(yōu)化渠道結(jié)構(gòu)犀忱、提升新增用戶留存募谎；流失用戶召回。
實(shí)際很好的2個(gè)增長(zhǎng)思維：北極星指標(biāo)：MAU=新增+老=本月新增+上月新增留存+上月老用戶留存+上月老用戶回流阴汇；AB測(cè)試数冬。

四、專題分析標(biāo)準(zhǔn)化流程

思維（建立邏輯樹）搀庶、技術(shù)拐纱、時(shí)間管理铜异、ppt、演講能力秸架。

問題定義與拆解：用戶下跌原因的邏輯樹拆解

用戶下跌原因的邏輯樹拆解.PNG

分析角度

結(jié)構(gòu)分析（各渠道）揍庄、對(duì)比分析（含AB測(cè)試）、時(shí)間序列分析（二次拆解找波動(dòng)項(xiàng)）东抹、相關(guān)性分析蚂子、機(jī)器學(xué)習(xí)。實(shí)際上所有的分析都是基于用戶的基礎(chǔ)屬性和行為屬性缭黔。

圍繞5W1H構(gòu)建分析角度缆镣；圍繞5W1H構(gòu)建用戶畫像？试浙？？

真實(shí)專題報(bào)告撰寫

PPT要有數(shù)據(jù)結(jié)論寞蚌，結(jié)論是基于業(yè)務(wù)方給出的落地項(xiàng)田巴，落地項(xiàng)要非常具體（含時(shí)間、人和語氣效果）挟秤∫疾福——基于XX數(shù)據(jù)，發(fā)現(xiàn)XX結(jié)論艘刚，基于這個(gè)結(jié)論的建議是XX管宵，基于這個(gè)建議的產(chǎn)品落地項(xiàng)是XX。

專題報(bào)告標(biāo)準(zhǔn)化組成

五攀甚、數(shù)據(jù)分析師的個(gè)人素養(yǎng)

行業(yè)分析

界定范圍（產(chǎn)業(yè)鏈圖譜箩朴，在全局視野下找切入點(diǎn)）、市場(chǎng)規(guī)模（交易額GMV描述秋度、用戶數(shù)描述）炸庞、社會(huì)熱點(diǎn)事件、頭部玩家（產(chǎn)品分析荚斯、用戶分析）埠居、未來預(yù)測(cè)。

行業(yè)分析：?jiǎn)栴}的識(shí)別與拆解

數(shù)據(jù)倉庫

• 埋點(diǎn)（主動(dòng)性+文檔化）：APP日志采集中的埋點(diǎn)事期，前期建立埋點(diǎn)規(guī)范滥壕，后期不投入太多時(shí)間、但要文檔化兽泣；數(shù)據(jù)分析師主導(dǎo)埋點(diǎn)（含字段名绎橘、埋點(diǎn)位置、上報(bào)方式）撞叨。

• 建模：
  建模步驟
  頭條的ODS層數(shù)據(jù)（即日志）
  頭條的DWS層數(shù)據(jù)
  頭條的DM層數(shù)據(jù)

• 數(shù)據(jù)管理
  計(jì)算管理金踪；存儲(chǔ)管理浊洞；權(quán)限管理。

  
  
  計(jì)算管理胡岔；存儲(chǔ)管理法希；權(quán)限管理

用戶研究（快輸出——2周內(nèi)；線上 / 線下調(diào)研）

橫坐標(biāo)是態(tài)度和行為靶瘸、縱坐標(biāo)是定量與定性（定性研究側(cè)重用戶分類苫亦、定量研究側(cè)重樣本量和代表性）來劃分四象限。

用戶研究貫穿項(xiàng)目的前中后期

時(shí)間管理

略

非常好的博客：Spring數(shù)據(jù)分析思維課
【數(shù)據(jù)分析師八大能力】
分析思維 第二篇：數(shù)據(jù)指標(biāo)體系
[轉(zhuǎn)帖]AARRR已是過去式怨咪，而RARRA才是更好的增長(zhǎng)黑客模型
【互聯(lián)網(wǎng)產(chǎn)品經(jīng)理入門】

A/B測(cè)試與假設(shè)檢驗(yàn)

假設(shè)檢驗(yàn).PNG

分流模型：通常網(wǎng)站會(huì)利用分域屋剑、分層（將流量復(fù)用）、分桶（圈定用戶群：保證用戶的完全隨機(jī)且互斥）的機(jī)制保證流量高可用以及分流的靈活性和科學(xué)性诗眨。

分域唉匾、分層（將流量復(fù)用）、分桶

• 分桶（圈定用戶群：保證用戶的完全隨機(jī)且互斥）：
  做實(shí)驗(yàn)很重要的一點(diǎn)就是圈定用戶群匠楚，要圈定兩組完全隨機(jī)且互斥的用戶巍膘，一組分配給A，一組分配給B 芋簿，比較初期的一種做法是根據(jù)用戶唯一tag(一般使用userid峡懈、deviceid,cookie等)對(duì)1000取模分成1000個(gè)桶，然后選擇不同的桶分配給A和B与斤。
  流量是有限的肪康，實(shí)驗(yàn)數(shù)量可以無限的，如果我們選用了60%的流量做了實(shí)驗(yàn)一撩穿，那只剩下40%的流量做實(shí)驗(yàn)二磷支，那實(shí)驗(yàn)三怎么辦呢？
• 分層（將流量復(fù)用）：
  分層是為了將流量復(fù)用冗锁，即一個(gè)用戶可以處在多個(gè)不同的層上齐唆，不同的層的流量完全打散，互不影響冻河。具體來說箍邮，在上一層001桶的所有流量，理論上應(yīng)該均勻地隨機(jī)地分布在下一層的1000個(gè)桶中叨叙。常用做法是通過頁面來分層锭弊。
  所以在實(shí)驗(yàn)設(shè)計(jì)時(shí)：一般將不同頁面的多個(gè)功能實(shí)驗(yàn)（一般互無影響），放在不同的層上擂错；
  而將同一頁面的多個(gè)功能實(shí)驗(yàn)（一般互有影響）味滞，放在同一層上的不同實(shí)驗(yàn)；從而保持兩個(gè)實(shí)驗(yàn)的流量完全獨(dú)立；通過可重疊的分層分桶方法剑鞍，一份流量可通過N層可以同時(shí)參與N個(gè)實(shí)驗(yàn)昨凡，而且實(shí)驗(yàn)之間互不干擾，顯著提升流量利用率蚁署。
  通常在做實(shí)驗(yàn)時(shí)我們會(huì)考慮一些先決條件便脊，例如我只針對(duì)上海地區(qū)的用戶做實(shí)驗(yàn)？此時(shí)該怎么控制呢光戈？
• 分域：
  在正常的實(shí)驗(yàn)過程中哪痰，我們一般會(huì)從總體流量中按照一定的維度去劃分一個(gè)個(gè)流量區(qū)域，來做實(shí)驗(yàn)久妆，比如一部分實(shí)驗(yàn)針對(duì)北京用戶晌杰，一部分針對(duì)上海用戶。如此筷弦，就引出了另外一個(gè)概念肋演，“域”。這里劃分出的流量池就是一個(gè)域烂琴，在這個(gè)域里還可以進(jìn)行分層實(shí)驗(yàn)惋啃，不同域之間流量隔離，所有的流量域加起來共享100%流量监右。

抽樣：應(yīng)該保證同時(shí)性（分流應(yīng)該是同時(shí)的，測(cè)試的進(jìn)行也應(yīng)該是同時(shí)的）异希、同質(zhì)性（設(shè)備特征健盒、用戶屬性、用戶行為称簿、用戶付費(fèi)特征（消費(fèi)習(xí)慣及貢獻(xiàn)度））扣癣、唯一性（要求用戶不被重復(fù)計(jì)入測(cè)試）、均勻性憨降。
如何判斷是不是真的同質(zhì)父虑？可以采用AAB測(cè)試。抽出兩份流量進(jìn)行A版本的測(cè)試授药，進(jìn)行AA測(cè)試士嚎，并分別與B版本進(jìn)行AB測(cè)試。通過考察A1和A2組是否存在顯著性差異悔叽，就可以確定試驗(yàn)的分流是否同質(zhì)了莱衩。

確定檢驗(yàn)類型：在判斷用什么檢驗(yàn)的時(shí)候，首要考慮的條件是樣本量（檢驗(yàn)類型：小于30即T檢驗(yàn)）娇澎，其次是總體服從的分布（抽樣分布類型：是否正態(tài)分布）笨蚁。

樣本容量大時(shí)（統(tǒng)計(jì)學(xué)上一般認(rèn)為 n≥30），總體的均值和標(biāo)準(zhǔn)差未知，不要求總體近似服從正態(tài)分布括细。根據(jù)中心極限定理伪很，樣本容量大，則樣本均值的抽樣分布服從正態(tài)分布奋单，總體標(biāo)準(zhǔn)差可以用樣本標(biāo)準(zhǔn)差來估計(jì)锉试，可用Z檢驗(yàn)；
當(dāng)樣本容量小于30辱匿，且滿足總體近似服從正態(tài)分布時(shí)键痛，如果總體標(biāo)準(zhǔn)差已知，可用Z檢驗(yàn)匾七；
當(dāng)樣本容量小于30絮短，且滿足總體近似服從正態(tài)分布時(shí)，如果總體標(biāo)準(zhǔn)差未知昨忆，可以用樣本標(biāo)準(zhǔn)差去估計(jì)總體標(biāo)準(zhǔn)差丁频，由此可用T檢驗(yàn)；
當(dāng)樣本容量小于30邑贴，且不滿足總體近似服從正態(tài)分布席里，不能用Z檢驗(yàn)和T檢驗(yàn)。

改進(jìn)版：若總體標(biāo)準(zhǔn)差已知（無論樣本大新＜荨）都用Z檢驗(yàn)奖磁；若總體標(biāo)準(zhǔn)差未知，都用T檢驗(yàn)繁疤。不過當(dāng)樣本量夠大的時(shí)候咖为，T分布也近似于Z分布了，所以最后的結(jié)果不會(huì)差很多稠腊。T分布其實(shí)是小樣本的Z分布躁染。一個(gè)樣本的自由度越大，樣本方差就越接近總體方差架忌，T分布也就越接近Z分布吞彤。因此T分布的形狀隨自由度的變化而變化，自由度越大叹放，越接近正態(tài)分布

T檢驗(yàn)的類型
①單樣本的T檢驗(yàn)：
檢驗(yàn)單個(gè)樣本的平均值是否等于目標(biāo)值饰恕。例如：某大學(xué)的學(xué)生平均身高是否大于全國平均身高167cm；
②配對(duì)樣本均數(shù)T檢驗(yàn)：
檢驗(yàn)相關(guān)或配對(duì)觀測(cè)之差的平均值是否等于目標(biāo)值井仰。例如：為了檢測(cè)減肥藥是否起作用懂盐，隨機(jī)抽樣出20名測(cè)試對(duì)象，記錄每個(gè)人服藥前和服藥后的體重糕档。（同一組樣本莉恼。問題：有殘留效應(yīng)）拌喉；
③兩獨(dú)立樣本均數(shù)T檢驗(yàn)：
檢驗(yàn)兩個(gè)獨(dú)立樣本的平均值之差是否等于目標(biāo)值。檢驗(yàn)闖關(guān)游戲教學(xué)方法是否有效俐银，分別在兩組學(xué)生上進(jìn)行效果測(cè)試尿背。

指標(biāo)選定

• 轉(zhuǎn)化率檢驗(yàn)（卡方檢驗(yàn)） eg：展現(xiàn)點(diǎn)擊轉(zhuǎn)化率，留存……
• 均值檢驗(yàn)（T檢驗(yàn)） eg：人均使用時(shí)長(zhǎng)……

實(shí)驗(yàn)周期

一般兩周捶惜。前3天在實(shí)驗(yàn)階段田藐，參考價(jià)值不大（不過能看出實(shí)驗(yàn)是否有問題）；4-10天數(shù)據(jù)相對(duì)穩(wěn)定吱七，可作為測(cè)試結(jié)論汽久。

結(jié)果比較

最后根據(jù)假設(shè)檢驗(yàn)的結(jié)果，判斷哪些版本較之原版有統(tǒng)計(jì)意義上的差異踊餐，并根據(jù)效應(yīng)量選出其中表現(xiàn)最好的版本景醇。

測(cè)試存檔（復(fù)盤）

指標(biāo)體系與統(tǒng)計(jì)口徑

AB測(cè)試-假設(shè)檢驗(yàn)的示例

案例1：今日頭條app界面的廣告位，放在第四位比較好吝岭。

項(xiàng)目簡(jiǎn)介：案例數(shù)據(jù)是對(duì)web新舊頁面的A/B測(cè)試結(jié)果三痰，目標(biāo)是判斷新舊兩版頁面在用戶的轉(zhuǎn)化情況上是否有顯著區(qū)別。
數(shù)據(jù)描述與來源：數(shù)據(jù)來自Udacity的示例案例窜管，數(shù)據(jù)共計(jì)近30萬條散劫，可能有意制造了一些臟數(shù)據(jù)。數(shù)據(jù)集含5個(gè)字段：用戶的 user_id幕帆、時(shí)間戳 timestamp获搏、分組 group（實(shí)驗(yàn)組or對(duì)照組）、展示的頁面版本landing_page（新版or舊版）失乾、該用戶是否轉(zhuǎn)化 converted（0-未轉(zhuǎn)化 or 1-轉(zhuǎn)化）颜凯。

假設(shè)檢驗(yàn)（A/B測(cè)試）
AB test的一些了解
【數(shù)據(jù)分析專題】-常見框架（模型）

案例1之異常值：抖音新用戶留存整體分析

競(jìng)品分析、營(yíng)銷活動(dòng)分析仗扬、用戶流失分析

整體分析：渠道側(cè)的（下鉆至一級(jí)、二級(jí)渠道）蕾额、產(chǎn)品側(cè)的（功能滲透率早芭、關(guān)鍵路徑；路徑轉(zhuǎn)化）诅蝶、用戶側(cè)的畫像與行為特征

從整體進(jìn)入優(yōu)化切入點(diǎn)分析：

實(shí)現(xiàn)落地退个，形成閉環(huán)

結(jié)合AAARR構(gòu)建視頻類內(nèi)容指標(biāo)體系.png

Spring數(shù)據(jù)分析思維.jpg