01?寫在前面

?數(shù)據(jù)分析面試會重點考查候選人兩方面的能力，一個是基礎的數(shù)據(jù)工具能力，最?？嫉木褪荢QL，這部分前面我們已經(jīng)有系列筆記全面剖析了大廠的?？脊P試題型，沒看的同學趕緊翻看之前的筆記吧。

??考查的另一方面就是業(yè)務分析思維了，這一塊主要是設定一些常見的業(yè)務場景，需要你給出對應的分析思路和方法，這一塊對于沒有數(shù)據(jù)分析經(jīng)驗的小伙伴們來說就很不友好了，很多面試的朋友碰到這類題都會很慌，無從下手，因為沒做過，也不知道怎么分析?。。?！

不過不用怕，數(shù)據(jù)分析面試常見業(yè)務題系列正式更新了！收集了近幾年一些大廠的面試業(yè)務題，通過這些題目的詳細講解，你應該就能掌握這類題目的解答思路了，話不多說，今天我們先來看一看都會考哪些業(yè)務題吧！

02數(shù)分面試常見問題（二）

Q1、什么是指標體系？如何建立？業(yè)務應用場景？? ? ? ? ? ? ? ? ? ? ??

定義：

一個指標不能叫體系，多個不相關的指標也不能叫體系，一個指標體系是多個相關的指標有機結(jié)合起來，具有嚴格的邏輯和分層體系。

建立方法：

• 根據(jù)業(yè)務特點和生命周期選擇第一關鍵指標或者叫北極星指標；

• 貼合業(yè)務需求將第一關鍵指標進行逐層拆解，可以按流程拆，按時間區(qū)域拆，按公式加減乘除拆等；

• 從上致下：從頂層戰(zhàn)略或從KPI拆解；

• 從下至上：葉子指標向上匯總成整體指標；

應用場景：

• 監(jiān)控關鍵指標變化趨勢，判斷業(yè)務走勢；

• 逐層拆解，定位業(yè)務異常原因；

• 通過數(shù)據(jù)驅(qū)動業(yè)務迭代；

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

Q2、什么是A/B test？核心原理和應用場景？

?定義：

基于小樣本的后驗方法，通過設置對照組和實驗組，對變量進行試驗，通過假設檢驗對不同組的結(jié)果進行檢驗，以檢驗變量是否對結(jié)果造成顯著影響，從而選取最合理的方法。

核心邏輯：

核心是通過隨機合理分流，設置對照組和實驗組，通過控制變量法，在保證兩組用戶除待驗證變量不同外，其他變量分布均一致。分別對兩組施加不同的變量，觀察兩組用戶在一段時間內(nèi)的表現(xiàn)，通過假設檢驗分析結(jié)果是否有顯著差異，從而判斷改動是否有效可執(zhí)行。

應用場景：

常應用于產(chǎn)品功能、算法策略迭代。

Q3、A/B test如何合理分流？

用戶分流一定要隨機均勻，保證各組的用戶分布一致，有分桶和分層兩種方式。同一層切分為不同的桶，各桶之間是互斥的，即一個用戶只能出現(xiàn)在一個桶里。當要同時進行多個實驗時，分桶導致單個桶的流量過小，可以講業(yè)務邏輯分為解耦的多層，不同的層共享同一批流量，這樣一個用戶可以進行多個實驗，充分利用流量。

一種分組方式是分桶。我們直接將整體用戶切割為幾桶，用戶只能在一個桶中。但是這種情況很不現(xiàn)實，因為如果我要同時上線多個實驗，流量不夠切怎么辦？那為了達到最小樣本量，我們就得延長實驗周期，要是做一個實驗，要幾個月，相信我，你老板一定會和你聊聊人生的。

另一種方式分組方式分層。我們將業(yè)務邏輯互斥的環(huán)節(jié)分為多層，每一層都共享同一批用戶，在每一層將用戶隨機后，使之處于不同的桶。到下一層后，對同一批用戶再次隨機分為幾個桶。也就是說，一個用戶會處于多層的多個實驗中，只要多層之間互不影響，這樣在保證了每個實驗都能用全流量切割的同時，也保證了實驗數(shù)據(jù)是置信的。

Q4、如何驗證A/B test的結(jié)果？

假設檢驗：一般情況下，絕對值指標用T檢驗，相對值指標用Z檢驗。

單尾/雙尾檢驗：單尾檢驗的前提是我們不僅認為兩組指標不同，還明確了大小，一般情況下，我們都認為實驗組的效果高于基線組。而雙尾檢驗只是認為兩組指標不同，未明確大小。通常來說，我們更推薦使用雙尾檢驗，為什么呢？因為實驗本身就是一種利用數(shù)據(jù)來做決策的方法，我們不要再人為的帶入主觀設想。而是用雙尾檢驗，我們不僅能量化漲了多少，還能量化掉了多少，因為實驗結(jié)果有正有負，不一定都是有效果的（正向的），還可能有負向的效果，我們也可以將有負向效果的實驗記錄下來，沉淀成知識庫，為后期實驗避坑。

Q5、什么是漏斗分析？有哪些注意的點？

?通過拆分業(yè)務流程，形成關鍵漏斗，分析漏斗各環(huán)節(jié)的轉(zhuǎn)化率/跳出率，定位問題發(fā)生的環(huán)節(jié)。漏斗分析最核心的有三點：分解流程、評估轉(zhuǎn)化率和定位問題環(huán)節(jié)。

常見的漏斗有電商漏斗：首頁-詳情頁-購物車-支付；還有用戶的生命周期AARRR；用戶行為周期AIDMA等。

需要注意的點：

• 漏斗的各個環(huán)節(jié)一定是連續(xù)的，對應連續(xù)的業(yè)務流程；

• 漏斗的環(huán)節(jié)不宜過多，一般不超過5個；

• 一般以上一環(huán)節(jié)為基準，計算相鄰兩個環(huán)節(jié)的轉(zhuǎn)化率；

• 計算每相鄰環(huán)節(jié)的轉(zhuǎn)化率，1-轉(zhuǎn)化率即為流失率，但并不意味著轉(zhuǎn)化率最低的環(huán)節(jié)就是問題環(huán)節(jié)；

• 漏斗可以結(jié)合其他維度看，看不同維度下的漏斗差異，進而判斷是哪個因素導致了問題的出現(xiàn)；

Q6、數(shù)據(jù)分析這么枯燥，你為什么想做呢？

數(shù)字本身是枯燥的，但是數(shù)字背后的信息卻是很有趣也很重要的。數(shù)據(jù)分析現(xiàn)在已經(jīng)逐漸變成一種能力，一種通用的技能，通過洞察數(shù)據(jù)背后的業(yè)務價值，進而提出有指導性的建議，幫助業(yè)務發(fā)展是一件很有成就感的事。

Q7、你怎么理解統(tǒng)計學？生活中統(tǒng)計學應用舉例？

作為數(shù)據(jù)分析師，所有的事實都應該由數(shù)據(jù)說話，但數(shù)據(jù)本身是沒有意義的，更不會告訴我們數(shù)據(jù)的高低好壞，我們需要基于數(shù)據(jù)給出科學可靠的結(jié)論，這個過程就不得不用到統(tǒng)計學知識。好的什么程度算好，壞到什么程度算壞，高到什么程度算是有顯著性差異，這些都不是我們個人憑主觀感覺就能夠給出來的，需要經(jīng)過統(tǒng)計學的知識謹慎給出結(jié)論，這樣才不至于給出錯誤的結(jié)論而導致錯誤的決策。

如果用平均值算財富的話，我和馬云的財富平均下來，我也是億萬富翁，這顯然不科學，因為個人財富并不服從正態(tài)分布，我們用平均值無法代表一般水平，這個時候如果使用中位值，看全國排名50%的人的收入，可能更足以說明大家的一般水平是如何。

以上就是【數(shù)分面試寶典】系列—面試業(yè)務題系列第2篇文章的內(nèi)容，更多數(shù)據(jù)分析文章持續(xù)更新中，敬請期待，如果覺得不錯，也歡迎分享、點贊和收藏哈！