数据分析面试题-面试话术

1数据分析流程

第一步与业务方沟通问题明确分析目标
第二步对目标进行拆解可以采用两步分析法也可以采用人货场分析法通过数据定位问题源头
第三步与产品、运营和技术沟通找到问题原因。

2游戏内数据分析涉猎的少如何证明自己有能力胜任学习话术

虽然我对游戏数据分析的经验较少但是我认为对于应届生而言更重要的是学习能力以及对该行业的热情。
我的学习能力不错举例说明最好结合实习的例子其次是在学校学习的例子等
并且我非常热爱网络游戏自身职业规划也和游戏相关希望能在这个行业里深耕
最后我认为数据分析的方法是相通的我学习的其他数据分析方法论也可以应用其中。

3对于游戏而已重要的指标

从游戏自身出发核心玩法的参与度游戏留存等从游戏玩家出发ARPUDAU留存率从游戏性能出发闪退率卡顿率等。最重要的是游戏的渗透率

4数据分析的理解是什么如何学习数据分析的职业看法

理解
数据分析是通过数据的角度发现业务的痛点和痒点通过分析原因得出解决策略并推动策略落地达到提升业务质量的过程。
学习
主要通过课外阅读以及实习来学习数据分析在在“人人都是产品经理”网站、公众号文章、知乎文章等学习到的数据分析方法论通过实习的方法实践出来。
职业看法
我认为这个职业是非常有前景的未来许多企业都将完成数字化转型对数据分析师的需要和要求也会逐渐提高未来我也希望能够在这一领域深耕不断学习提升自己的分析能力和业务水准希望能够成为一名优秀的数据分析师。

5数据分析常用软件、必备技能

取数和处理数据的工具Sql、Excel、Python、SPSS等
数据可视化工具Tableau、power BI等

技能
数据处理技能SQL、Excel、Python
数据可视化技能Python、Tableau、PPT
沟通协调技能与其他团队沟通以及将数据分析结果呈现的能力。

业务学习在人人都是产品经理、知乎、公众号阅读了大量数据分析的文章并进行方法论总结。
工具学习熟练掌握Sql、Python、Excel、Tableau等数据分析工具。
理论学习对数据分析所用的统计学理论、机器学习理论有较为全面的理解掌握。

6数据分析应该具备的能力

快速学习能力、数据化思维、较强的业务逻辑化能力、数据敏感度、沟通协作能力
1数据分析师需要接触不同的业务在学习新的业务中我们需要快速学习能力来提高我们工作的效率
2数据化思维能够帮助数据分析师提高数据敏感度对异常数据有敏感的识别能力
3业务逻辑化能力能够让我们与业务方沟通时更加顺畅数据分析并非独立完成的是需要与其他人协同产出的。

7简述SVM

SVM是在特征空间上找到最佳的分离超平面使得训练集上的正负样本间隔最大。是用来解决二分类问题的有监督学习算法在引入核方法后也可以解决非线性问题。

8为什么想做数据分析

感兴趣+有能力+行业有前景
1、对数据分析十分感兴趣对自己未来的职业规划也是在数据分析这条路深耕非常希望能够进入该行业。2、有一定的专业水平自己本科/硕士阶段所学习到的很多统计和管理学上的知识希望能够学以致用。3、认为该行业十分有前景未来是大数据时代而数据分析能够让企业更明确未来的方向是非常有发展前景的行业。

9实际问题根据数据分析去调整高峰期打车供需问题

解答明确问题关键词–>构建问题相关指标–>根据关键词得到具象化问题–>通过数据分析回答问题
详解

1. 首先明确分析目的关键词为“高峰期”、“供需问题”供需问题即订单使用情况。
2. 随后根据订单问题构建指标体系订单满足率高峰期时段订单高峰地段平均响应时间平均订单时长
3. 然后我们需要提出分析的问题在各个地段的订单满足率如何打车高峰期是什么时候平均订单完成时间有多长
4. 通过数据分析回答上述问题并对数据进行可视化得到分析结论。

10数据挖掘和数据分析有什么不同

数据挖掘是在大量数据中通过机器学习或深度学习等方法去挖掘一些有价值或者是未知的信息重点就在于寻找未知的模式例如通过现状预测未来
数据分析则更偏向于使用数据工具来进行数据的处理提取出有价值的数据需要与业务相结合例如异常归因分析经营现状分析等。

11专业与数据分析的哪些内容相关

基础知识+逻辑思维能力+沟通表达
1在基础课的学习上概率论与数理统计这门课程学习的比较好对统计学有较为深刻的认识。
2在逻辑能力上原专业也需要我们有较好的逻辑思维和结构化思维对问题可以进行一定的拆解分析找到问题原因。
3在沟通表达能力上在原专业的学习上也需要与他人协作沟通才能够取得不错的成果。

12业务–假设我是美团的数据分析师会构建怎样的指标体系。

美团的业务线很多以美团商家业务线为例我会这样构建指标体系。
分为主指标和辅助指标
主指标包括收入、有效订单数、入店转化率和订单转化率。
辅助指标分为营业数据、流量数据、顾客数据。
营业数据的指标可以有营业额、活动补贴总额、顾客实付费用、实付单均价流量数据的指标可以有曝光人数、入店人数、下单人数、曝光次数、入店次数顾客数据的指标可以从顾客的用户画像入手例如新老客户占比、价格偏好情况等。

13实习中日常工作内容以及工具时间占比

日常工作数据提取、数据处理、与业务方沟通、数据实验、数据报表制作、数据分析报告。
工具时间占比数据清洗方面sql占绝大部分时间50%-60%python和excel做数据处理也会占据部分时间10-20%数据实验实验流量工具5%-10%数据可视化数据报表工具tableau)15%-20%。

14对数据分析不同分支的岗位理解

数据分析主要分支有偏业务的数据分析和偏技术的数据分析。就我个人的理解我认为偏业务的数据分析师可以通过数据的角度发现业务的痛点和痒点通过分析原因得出解决策略并推动策略落地达到提升业务质量的过程这也是我希望深耕的路径偏技术的数据分析师更偏向于用机器学习或其他前沿的模型对业务进行建模预测或分析对代码和算法的要求会更高点。