数分面试常考知识点

目录

一、网易2021年校招提前批（两道业务题、两道SQL简单题略）

1、第一题：分析思路+指标选择

2、 第二题：分析思路+指标选择

二、小红书2020校招数据分析笔试题卷四

1、第一题：一元二次方程

 2、第二题：几何分布叠加问题

3、第三题：EXCEL字符串合并：&

4、第四题：不重置抽样的方差计算

5、第五题：环比的计算

6、第六题：概率论—互斥

7、第七题：机器学习—判别模型

8、考点：概率论

9、考点：统计学中的抽样估计、时间序列的基本概念

10、考点：机器学习

11、考点：机器学习的应用

 12、考点：假设检验的应用流程

13、考查sumifs、countifs、pow

14、考点：left join、right join、union、full join

15、考点：AB Test评估指标选择

16、考点：异常分析

 17、典型考点：异常分析（指标上升下降原因分析）

 18、开放性题目

19、假设检验

20、预估类问题

 21、开放性问题

---

（PS：数分需要会：业务题、SQL、概率论、python、机器学习、EXCEL）

一、网易2021年校招提前批（两道业务题、两道SQL简单题略）

1、第一题：分析思路+指标选择

花呗分期作为支付宝的一个支付手段，已经普遍被大家使用。网易严选作为网易旗下自营电商品牌，也开通了花呗分期的功能，运营希望通过花呗分期免息的活动，促进销售额的增长、提升用户体验。在前期活动设置的时候，运营同学找到了作为数据分析师的你，希望可以解决下面的问题：
1、分期门槛（如满**元免息）、免息期数（3期、6期、12期等）要如何设置，请列出具体分析的思路和理由。
2、花呗免息的活动效果需要如何评估，请列出具体评估的指标和方向。

 牛客上的答案：

1.对于免息门槛：

方法一、从影响用户是否购买出发。假设： 

a.免息门槛越低，用户越倾向于分期购买；
b.免息门槛低于某一阈值后，分期不再影响用户是否购买。 

所以问题的关键是找到这个阈值：从历史数据中计算每个免息门槛对应的购买率，找到购买率不再增加的拐点。 

方法二、从提高购买用户消费额度出发。假设： 

a.免息门槛能刺激用户产生更多消费； 

问题的关键是评估用户日常的消费能力，在这个基础上提高一些，设置为免息门槛：通过用户历史购买行为，计算用户每月平均消费水平，在这个基础上提高特定比例（如20%），设置为该用户的免息门槛。 

对于免息期数： 

免息期越长用户越倾向于分期购买，但平台需要支付更多利息给花呗。 

如果单纯从营业额增长的角度，选择免息期数最长的方案合适。 

2.活动效果评估 

指标上应该比较参与免息活动和不参与免息活动的用户，在活动期间的人均营业额。 

可选的方案是在活动中随机保留一定比例的用户（如5%）不参与免息活动，以这部分用户的表现作为对照的标准即可评估活动效果。
或者在活动初期流量平均分配到两组中，确定活动效果好后再将流量全部引入免息活动中。

2、 第二题：分析思路+指标选择

各大平台相继推出和迭代付费会员策略，如优酷会员、京东PLUS会员、网易云音乐黑胶VIP等，通过提供丰富的权益吸引用户成为付费会员，提升用户黏性和忠诚度。请围绕付费会员回答以下问题：
1.以网易云音乐黑胶VIP为例，运营同学希望推出活动吸引用户开卡。一种方式是年卡买一送一，即支付一年的年费享受两年的会员权益；一种方式是年卡费用五折。你认为哪种方式更好？请给出具体的理由。
2.网易云音乐和网易严选推出了联合会员，即购买云音乐的黑胶VIP，可以赠送一年的严选Pro会员。作为分析师，你将如何评估联合会员活动的成本收益？请给出具体的评估指标。

 牛客上的答案：

1.年卡五折好。 优势主要有以下几点： 

a.吸引潜在用户：买一送一更吸引产品的长期忠诚用户购买，但这部分用户本身黏性比较高，我们更应该关注把潜在用户培养成长期忠诚用户，直接打折价格优势更明显。 

b.突出价格优势：打折是立刻生效的优惠，更能刺激用户消费，相比起第二年才能拿到的权益，用户更容易被眼前的直接利益吸引。 

2. 收益有两个部分：a.卖会员卡得到的收入；b.成功转化为严选用户节省的获客成本；成本有两个部分：a.网易云音乐每个会员平均的成本；b.这部分用户从严选平台薅走的羊毛；利润=卖会员卡得到的收入+成功转化为严选用户节省的获客成本-网易云音乐每个会员平均的成本-这部分用户从严选平台薅走的羊毛。

二、小红书2020校招数据分析笔试题卷四

1、第一题：一元二次方程

如果在小红书商城中某一商户给一产品定价，如果按照全网最低价500元定价，那么客人就一定会选择在此购买；价格每增加1元，客人的流失的可能性就会增加1%。那么该商户给客人报出最优价格为（550元）

解析：最低价500，即为成本。要求定价为多少时，利润能最大。设价格涨幅为x，利润为y，M为顾客数未知，但是一个固定值。求二元一次方程y=M(1-x/100)x的最大值。

 2、第二题：几何分布叠加问题

在一次集卡活动中，有5种不同的卡片以相同的概率出现，每分享一次笔记就可以得到一张卡片，集齐所有卡片所需点赞的笔记数量的期望，与以下哪个结果最为接近？（11）9,11,13,15

解析：这是一个几何分布叠加问题， 几何分布的数学期望E(X)=1/p(成功概率的倒数)。第一次拿到了1种，期望是1，第二次拿到剩余4种中的1种，p=4/5，E=5/4，第三次拿到剩余3种中的1中，p=3/5，E=5/3，第四次拿到剩余2种中的1中，p=2/5，E=5/2，第五次拿到剩余1种，p=1/5，E=5。总的期望就为：1+5/4+5/3+5/2+5,约等于11.42

3、第三题：EXCEL字符串合并：&

在excel中如何将列a的字符值与列b的字符值合并为一个字符串c（）答案：c=a&b

4、第四题：不重置抽样的方差计算

调查全公司1000名员工平均交通费用支出情况，采取不重置抽样，从其中抽取100名进行调查。根据以往调查可知总体方差s²为100，则样本均值的方差为：答案（100/111）

5、第五题：环比的计算

已知2-5月环比增长速度分别为5.6%、7.1%、8.5%、6.4%，则5月对比1月的增速是：

答案：(105.6%×107.1%×108.5%×106.4%)-100%

6、第六题：概率论—互斥

“鱼与熊掌不可得兼”的意思是：得熊掌就不得鱼 （互斥）

7、第七题：机器学习—判别模型

判别模型有哪些？选项：隐马尔科夫、决策树、支持向量机、朴素贝叶斯、最大熵模型

答案：

常见的判别式模型有逻辑回归、线性回归、支持向量机、提升方法、条件随机场、人工神经网络、随机森林、感知器、最大熵模型等。

典型的生成模型包括:高斯混合模型和其他混合模型、隐马尔可夫模型、随机上下文无关文法、朴素贝叶斯分类器、AODE分类器、潜在狄利克雷分配模型、受限玻尔兹曼机 

 知识点：判别模型是一种对未观测数据y与已观测数据x之间关系进行建模的方法，直接对条件概率p(y|x;θ)建模。与生成模型不同，判别模型不考虑x与y间的联合分布。但对于诸如分类和回归问题，由于不考虑联合概率分布，采用判别模型可以取得更好的效果。生成模型是所有变量的全概率模型，而判别模型是在给定观测变量值前提下目标变量条件概率模型。因此生成模型能够用于模拟（即生成）模型中任意变量的分布情况，而判别模型只能根据观测变量得到目标变量的采样。判别模型不对观测变量的分布建模，因此它不能够表达观测变量与目标变量之间更复杂的关系。因此，生成模型更适用于无监督的任务，如分类和聚类。（ps：下图摘自牛客网）

8、考点：概率论

X服从区间（1,5）上的均匀分布，求对X进行3次独立观测中，至少有2次的观测值大于2的概率：0.84375（或27/32）

9、考点：统计学中的抽样估计、时间序列的基本概念

抽样估计的优良标准有三个：无偏性、 一致性、有效性

影响时间序列的因素有四个： 长期趋势、季节变动、循环波动、不规则波动

10、考点：机器学习

请给出三种常见的聚类算法

 正确答案：

1 K-means聚类、K-中心点聚类、CLARANS算法,DIANA算法、BIRCH算法、Chameleon算法

2 EM算法

3 OPTICS算法、DBSCAN算法

11、考点：机器学习的应用

小红书人脸识别系统识别当前进入小红书公司人员的身份，此系统一共识别三种不同的人员：员工，送餐员和陌生人。哪种学习方法适合此种应用需求：答案：多分类

 12、考点：假设检验的应用流程

小红书在首页上线了一个新的模块，目的是为了提升用户的浏览时长，请设计一套分析方案，衡量模块上线后对用户停留时长是否有提升？

 牛客答案：

采用假设检验的方法衡量模块上线后对用户停留时长是否有提升。假定，用户停留时长为stay_time。将用户均匀分为两组，一组为对照组，一组为实验组。 对照组不上线新模块，实验组上线新模块，采集对照组和实验组用户每天的浏览时长，分别为stay_time_X0，stay_time_X1 

（1）原假设：用户停留时长没有提升，即，stay_time_X0 = stay_time_X1

备择假设 ：用户停留时长提升，即，stay_time_X0 < stay_time_X1

（2）选取5%为显著性水平临界值

（3）计算最小样本量，采集数据
考虑到指标的周期性，时间周期选取2周。采集实验开始前一天，两组用户的数据，是否存在明显差异，如无，继续观察前两天的数据，是否存在异常。 如无异常，继续采集数据。 

（4）使用T检验，计算p值 

（5）得出结论：若p值<5%，则推翻原假设，备择假设成立，新的模块能显著提升用户停留时长。反之，不能推翻原假设，不能判断新的模块是否能提升用户停留时长。

13、考查sumifs、countifs、pow

=SUMIFS(sum_range,criteral_range1,criterl1,criteral_range2,criterl2,...)

• sum_range：指进行求和的单元格或单元格区域（求和区域）
• criteral_range：条件区域，在求和时，该区域将参与条件的判断
• criterl：通常是参与判断的具体一个值，来自于条件区域

=COUNTIFS(criteria_range[N],criteria[N])

• criteria_range[N]：指要进行计数的单元格或单元格区域（条件区域）
• criteria[N]：条件值。

复合增长率的计算:(现有价值/基础价值)^(1/期数) - 1

pow(160/120,1/3)-1

14、考点：left join、right join、union、full join

Oracle支持full join，mysql是不支持full join的，等价于左外连接+ union+右外连接实现 

15、考点：AB Test评估指标选择

经过一番研究后，我们开发出了商品页面上“相关商品”模块的一个新的推荐算法，并且打算通过AB Test（50%用户保留原先的算法逻辑为控制组，50%用户使用新的算法逻辑为实验组）来对新的算法效果进行评估。假设你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？（假设需要数据都可取到）请按重要性列出最重要的三个指标并给出你的分析过程/思考。

答案：

（1）指标：用户实际的GMV、进入商品详情页后加购/立即购买的转化率、CTR(相关商品卡片的点击/曝光)。【销售总额（GMV），反映新的推荐算法是否为商家带来更高的利润。相关商品的点击量，直观的反映新的推荐算法推荐的商品是否吸引顾客。进入相关商品页面后的付费率，反映推荐商品是否是顾客所需要的。】
（2）方法：假设检验 。

1.设原假设为使用新的推荐算法后上述指标降低或不变，备择假设为使用新的推荐算法后上述指标增加 

2.选择显著性水平临界值为5%,采集数据 

选择周期时间为2周，在数据采集前检查两组数据是否有明显差异，若无，继续采集数据 

3.使用T检验，计算P值 

4.分析结论，如果P值小于5%，那么原假设不成立，备择假设成立，即使用新算法后指标提升， 

反之无法推翻原假设，不能证明使用新算法后指标提升

16、考点：异常分析

如果我们发现，某店铺的X品类在今年3月的销量，比去年3月的销量下降了50%，如果你是负责此次分析的数据分析师，你会如何分析？请写出你的分析思路/过程/想法。

总结：针对异常分析，1）判断数据的正确性；2）判断数据下降是否是正常现象，看同比、环比；3）进行外部分析：环境分析、时间分析、竞品分析；4）进行内部原因分析：用户维度、商品维度，在维度分析阶段进行指标拆解。

 答案1：

1. 检验数据是否正确 
2. 指标拆分 

• 销量=日均销量*30=订单数*（1-订单取消率-退货率）*30； 
• 退货率=退货数/订单总数，进一步分析退货原因：质量问题/恶意退货/客服服务问题； 
• 订单取消率=订单取消数/订单总数，进一步分析订单取消原因，竞品性价比高/服务好/店面设计好/店铺评分高 
• 订单数=咨询数*（1-咨询流失率）+加入购物车*（1-购物车流失率）+直接下单 咨询流失定位原因回复不及时/不准确 
• 用户群体，老用户销量 新用户销量 不同渠道转化率 

将指标与同期进行对比，定位问题 

同时关注关键指标GMV是否下降明显

 答案2:2020年小红书校招数据分析笔试题_无精疯的博客-CSDN博客

• 排除数据本身的问题：首先是确定数据是否正确，数据来源、口径是否无误，然后再接下去分析；

• 确认跌幅合理性：下降了50%，结合环比，同比，同期群分析它的跌幅是否合理；

• 分析外部原因：有哪些可能的外部原因和下降有关，有关到什么程度，比如是否是其他相关部门进行了产品迭代、运营策略的调整、设备故障等因素；

• 分析内部原因：这就可以从多个维度进行分析了，比如从用户、产品、市场的角度分别分析，还可以进行指标拆分；

• 确认影响程度：确认到底是哪一环节出了问题导致指标的下降，该指标的下降对关键指标有无影响，影响程度如何；

• 制定巩固措施：以后怎么避免该类问题发生。

 17、典型考点：异常分析（指标上升下降原因分析）

某APP 7月份DAU比同年5月份上涨了10%，作为数据分析师，你会从哪些方面分析DAU增长的原因？ 请列举至少两种以上拆分思路。

 答案1：

1. 按短期和长期因素拆分 

此处DAU上升现将其拆分为长期因素和短期因素，长期因素表现在用户量的长期趋势，如一年来app的日活指标都是呈上升态，可估算5月到7月按既往趋势的DAU增长量（换算为量而非百分比），比如使用移动平均等预测手法计算；在剔除了趋势增长量的基础上，考虑短期因素，考虑在7月和5月间有无重大社会事件、商业事件，社会事件可以是某种舆论造成App的关注度提升，商业事件可考虑商业合作和商业活动（618），可以以各月的舆论热度作为对比的指标。 

2. 按内外部变化拆分 

日活的变化第一是产品本身某个改动点获得认可，可以通过abtest、用户研究等方式来检验；外部变化是市场环境，可以从市场趋势和市场竞争（交互作用）两方面来分析，市场趋势开始提倡或推动本类产品的增长（用户增长潜力），而从分割市场的角度解释市场竞争，一个固定容量的市场，一些产品倒下或增加，必将导致用户量的集中和分散，因此可考虑分析近几个月的行业舆情和竞争对手运营情况。 

3. 按时空来拆分
可以将日活细拆为地区、城市的粒度，然后进行相应的对比，分析具体的日活增长点是某一个城市、还是某些城市还是所有城市，如果是某个或某几个城市，如可以分析这些城市的渗透率的变化，是否和其他日活变化不大的城市的渗透率相差较大，则可以归结于业务推广的功劳。若所有城市日活都在上升，则可以考虑该增长与野夫分析无关，考虑其他因素，如竞品退出、市场趋势、产品改进等有关

 答案2:

step1：确定数据是否存在异常：基于历史数据，利用移动平均等预测方法，预测7月DAU数值，与2-3倍标准差做对比，判断实际数值是否处于正常范围。（也就是判断DAU上涨10%这是一个趋势，还是一个问题，是长期因素导致的，还是短期内社会事件等因素导致的。） 

step2：拆分数据维度：人群拆分、渠道拆分、地理拆分、内外部拆分（拆分的核心是找出哪些影响因素导致了数值的异常，从各个维度判断是整体因素还是某类因素）。 

① 人群拆分：新老用户维度、性别维度、年龄维度、职业维度等等。 

② 渠道拆分：从新用户的的引入渠道、APP的跳转入/跳转出渠道、分享渠道、付费渠道等。 

③ 地理拆分：从地区、城市、县级等粒度，拆分数据，分析DAU增长点是发生在某类城市、还是整体市场的变化。如果是在某个或某类城市的变化，则进一步分析其DAU增长原因。同时对比其渗透率与DAU变化较小的城市渗透率，判断这类城市的变化对整体DAU变化的影响程度。 

④ 内外部拆分：内部主要指产品本身的改动点是否获得用户认可，包括产品模块的改动、产品运营策略的改动，可通过A/B Test、用户调研等方式进行检验。  外部可以从市场趋势、市场竞争、外部舆论、社会事件、节假日、PEST模型等因素考虑，可利用舆论热度、关键词搜索量、ADX等指标衡量趋势类因素，也可从分隔市场角度解释市场竞争因素（在固定容量的市场环境中，一些产品的倒下或爆红，将导致用户量的集中和分散）。 

step3/4/5/6/7/8/9：具体维度考察技术、产品、运营，进一步细化DAU增长原因，分析问题，预测8月趋势变化，并为后续运营策略提优化建议。

 18、开放性题目

挑选任意一款你使用过的社区类APP（不包括小红书），回答以下问题：
(1)描述使用这款APP的用户特征，并比较该APP用户特征与小红书用户特征的异同
(2)预估每一天有多少人在这款app上发布内容。请写出你需要的辅助数据，并简述预估的方法

(3)你选择的这款APP近期拟邀请ABC三组艺人中的一组开展联动活动，活动的主要目的为提升DAU。 

在活动形式完全一致的前提下，你将选择哪一组？ 

作答要求：1）简述分析思路，2）列出对应的数据指标

19、假设检验

 经过一番研究，我们决定在新用户首次激活APP时增加一个短视频介绍页面来增加用户对产品的感知，并且打算通过AB Test（50%为控制组，50%的用户首次激活时会看到短视频介绍）来进行评估。假如你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？请列出你认为重要的指标，给出分析过程和可能用到的统计方法。

 目的应该是了解用户在观看短视频介绍页面后的行为，以此来判断短视频介绍页面是否有用。 

• 指标：关注实验组短视频点击率，跳出率，观看时长，对比两个组的用户激活量，注册激活率，以及后续的留存情况。

• 方法：假设检验

20、预估类问题

小红书上海办公室楼下有一便利店，面积约为20平方米，主要提供零食及饮料。请预估该便利店每周的营业额是多少？ 

 答案：

营业额可以拆分为客流量X平均消费额。面积20平，10平放置货物，10平顾客区，可以同时容纳5个顾客，假设消费时长人均10分钟，那么一个小时客流量30人，人均消费25元，一天10个小时营业时间，每周营业额302510*7=52500元。

 21、开放性问题

如果APP有一个功能是用户的位置信息能够每隔1分钟上传一次数据库，那么怎么发挥它的作用？ 

参考：这题的回答方向应该是用这个用户的位置信息能做什么事。比如根据位置信息可以获取用户的行为轨迹，进而分析出用户的行为习惯，进行相应的实时推荐服务等。

---

小主陪你唠嗑：

首先呢，面试考点如下：

1、AB测试的流程、AB测试不显著怎么办？AB测试结果的评估（指标的选择）（重点！！）

2、假设检验（ABtest 就是运用了假设检验）（第一类错误、第二类错误、P值、显著性检验、显著性水平）

3、辛普森悖论（重点！！）

4、DAU下降了/上升了怎么分析？GMV下降了怎么分析？考点：异常分析（常考！！）

5、机器学习原理、应用场景、优缺点、评估指标（随机森林模型、聚类模型k-means的原理、bagging与boosting 的区别、xgboost与GBDT的区别、机器学习模型的评估指标（回归模型的评估指标、分类模型的评估指标））

6、其实有时候也会问概率题（泊松分布、二项分布、几何分布、均匀分布、超几何分布）（方差分析）

笔试注重：SQL 、概率题  、业务题（指标的选择、异常分析）

参考1:作者：可乐的数据分析之路 链接：https://www.jianshu.com/p/8b3e78cfb163 

参考2:牛客网 登录—专业IT笔试面试备考平台_牛客网