01 写在前面
❤数据分析面试会重点考查候选人两方面的能力，一个是基础的数据工具能力，最常考的就是SQL，这部分前面我们已经有系列笔记全面剖析了大厂的常考笔试题型，没看的同学赶紧翻看之前的笔记吧。
❤❤考查的另一方面就是业务分析思维了，这一块主要是设定一些常见的业务场景，需要你给出对应的分析思路和方法，这一块对于没有数据分析经验的小伙伴们来说就很不友好了，很多面试的朋友碰到这类题都会很慌，无从下手，因为没做过，也不知道怎么分析啊！！！
不过不用怕，数据分析面试常见业务题系列正式更新了！收集了近几年一些大厂的面试业务题，通过这些题目的详细讲解，你应该就能掌握这类题目的解答思路了，话不多说，今天我们先来看一看都会考哪些业务题吧！
02 数分面试常见问题（一）
Q1、你是怎么理解数据分析的？流程如何？
数据分析是基于对业务的理解，发现业务中的问题或潜在增长点，形成分析思路，并利用数据分析工具进行分析，给出结论和解决方案，并协调各方推动方案落地，解决问题，回到业务中去的完整闭环。
数据分析的主要流程：
-
观察现状
-
留意变化
-
多维、交叉分析
-
预测趋势
-
生成策略
-
推动落地
-
复盘效果
Q2、你认为数据分析的价值如何体现？
数据分析不是数据统计，不能仅仅停留在输出一份数据报告，给出一些数字，要给出结论，讲清楚数据背后的业务含义，数字的大小正负说明业务是好还是坏，有多好或者多坏。
明确数字背后的业务含义外，还要给出背后的原因，好的方面是否可以复用拓展，坏的方面原因是什么，应对方案是什么？要把方案推动落地到业务中执行，并且跟进执行的效果和复盘，螺旋上升，不断迭代优化。
Q3、指标的异常波动变化（例如日活下跌）如何分析？
-
确定数据来源是否可靠
-
确定指标的计算口径是否一致
-
确定是否是市场的整体趋势
-
描述性统计：下跌了多少
-
观察变化：同比下跌多少，环比下跌多少
-
评估变化/方差分析：跌幅是否在合理范围？
-
交叉分析/相关性分析：对指标进行拆解，有哪些指标可能和日活下跌有关系，有关系到什么程度
-
业务分析：这些指标的运营部门，是否有某些运营策略或者活动造成了这些指标的变化，间接导致日活下跌
-
回归分析/预测：还会跌几天？跌幅最坏到什么程度
-
风险/损失评估：日活下跌对产品的核心KPI有什么影响
-
制定策略：如何挽回损失/下次如何避免
Q4、注册类和活跃类指标，你会看哪个？
不同时期关注的指标不同，应区别对待。
产品初期：关注产品的快速增长，会重点关注注册类指标。
产品成熟期：关注用户的使用粘性、深度等，会重点关注留存和活跃类指标。
Q5、用Python设计算法实现圆周率的计算
蒙特卡洛法：一个边长为1 的正方形和他的内切圆面积比为4/pi,通过随机生成x,y∈[0,1],落在圆内的个数N除以总个数M,即N/M=pi/4，即可求出圆周率。
Q6、估算一个星巴克门店的销售额
分析CBD一家星巴克一个月的销售额有多少？
二八原则拆分，星巴克主要以饮品为主，饮品主要以咖啡为主。
1、从需求端估算：
-
饮品销量
-
每天多少人喝咖啡
-
CBD一共有多少人
-
喝咖啡的比例
-
每人每天喝几杯
-
非饮品销量
2、从供给端估算：
-
工作日供给
-
忙时供给
-
忙时每小时多少杯
-
一天多少忙时
-
闲时供给
-
闲时每小时多少杯
-
一天多少闲时
-
周末供给
-
忙时供给
-
忙时每小时多少杯
-
一天多少忙时
-
闲时供给
-
闲时每小时多少杯
-
一天多少闲时
Q7、你理解的指标是什么？有哪些组成部分？
指标是有业务含义的，体现业务变化的，不是瞎拍出来的，指标是复杂的，是有特定业务场景的。
指标口径：指标的定义，业务定义比如活跃用户数：打开APP的用户数。
指标一般与维度一起联合分析，从不同的维度看同一个指标可能会有差异和业务上的发现。
同一个指标可能会被应用与不同的业务，需要注意保证指标口径的统一，避免造成指标的歧义和误解。
Q8、指标和维度的区别和联系
指标：用于定量评估业务好坏程度的而建立。
维度：描述指标的角度，可以理解为看问题的方面。
维度不能独立存在，一般都是搭配着指标一起分析，可以分析不同维度下的同一指标，也可以多个维度交叉，分析某一个指标，可能会有一些业务上的发现。
Q9、什么是北极星指标？什么是虚荣指标？
北极星指标也被称为是第一关键指标，是指业务在当前阶段最为关注的一个指标，引导当前业务的发展。当然北极星指标也是一个比较汇总的指标，可以通过拆解拆分为各个子指标，更便于整体指标的实现和分析。
常见的虚荣指标包括累计用户数，累计销量、销额等，都是只见涨不见跌的虚荣指标。
以上就是【数分面试宝典】系列—业务面试题第1篇文章的内容，部分历史文章请移步共 粽 号【数据分析星球】，更多数据分析面试笔试的文章持续更新中，敬请期待，如果觉得不错，也欢迎分享、点赞和点在看哈~
