據(jù)分析筆試通關(guān)指南：SQL、Python、Excel與業(yè)務(wù)分析全攻略)
前陣子幫一位準(zhǔn)備跳槽的朋友做模擬面試他在簡(jiǎn)歷上寫了“熟練使用SQL、Python、Excel”結(jié)果一套筆試題做下來(lái)SQL窗口函數(shù)寫不對(duì)Excel的數(shù)據(jù)透視表只敢拖字段不敢動(dòng)計(jì)算字段業(yè)務(wù)分析題更是通篇空話。他很沮喪地問(wèn)我“數(shù)據(jù)分析筆試到底考什么為什么感覺(jué)所有題都眼熟但下筆就是拿不準(zhǔn)”這個(gè)問(wèn)題其實(shí)很有代表性。數(shù)據(jù)分析崗位的筆試和程序員刷LeetCode不一樣它考的不只是語(yǔ)法和算法而是“數(shù)據(jù)敏感度業(yè)務(wù)邏輯工具熟練度”的組合。我在過(guò)去幾年里刷過(guò)不少數(shù)據(jù)分析的筆試題也幫部門出過(guò)面試題站在“出題人”和“做題人”兩個(gè)角度反復(fù)看過(guò)這些卷子。今天這篇內(nèi)容就是把我在實(shí)際刷題、出題、閱卷過(guò)程中沉淀下來(lái)的經(jīng)驗(yàn)整理出來(lái)題目類型、解題思路、踩坑點(diǎn)、復(fù)習(xí)優(yōu)先級(jí)都盡量講透適合準(zhǔn)備找數(shù)據(jù)分析實(shí)習(xí)或全職崗位的同學(xué)收藏起來(lái)按章節(jié)慢慢看。1. 筆試不是考你學(xué)了多少工具是考你的分析基本功很多備考的人有一個(gè)誤區(qū)覺(jué)得數(shù)據(jù)分析筆試就是拼工具技巧SQL學(xué)得越偏門越好Python庫(kù)背得越多越穩(wěn)。實(shí)際上我閱卷時(shí)最在意的不是“你用了什么高級(jí)函數(shù)”而是“你的思路是否完整、結(jié)果是否經(jīng)得起追問(wèn)”。1.1 一張?jiān)嚲肀澈蟛刂N能力維度數(shù)據(jù)分析筆試通常不會(huì)只考一類題目它會(huì)刻意覆蓋三個(gè)維度數(shù)據(jù)操作能力SQL、Python、Excel這類工具題考察你能不能把原始數(shù)據(jù)變成可以直接分析的表格。這類題占大頭但考察點(diǎn)通常集中在“高頻核心操作”上而非冷門函數(shù)。邏輯推理能力給你一份業(yè)務(wù)數(shù)據(jù)報(bào)表讓你找異常、做歸因、給建議。這道題沒(méi)有標(biāo)準(zhǔn)答案但閱卷人能從你的回答里看出你有沒(méi)有分析套路能不能把業(yè)務(wù)問(wèn)題轉(zhuǎn)化成數(shù)據(jù)問(wèn)題。業(yè)務(wù)理解能力圍繞指標(biāo)定義、實(shí)驗(yàn)設(shè)計(jì)、場(chǎng)景假設(shè)出題。比如“某App的次日留存率下降了5個(gè)百分點(diǎn)你如何排查”這種題看似開(kāi)放實(shí)際上考察的是你對(duì)完整分析流程的熟悉程度。這三種能力在試卷中的比例取決于公司和崗位級(jí)別。校招卷子里工具題偏多社招卷子業(yè)務(wù)題偏多資深崗甚至全是開(kāi)放題因?yàn)榈搅四莻€(gè)層級(jí)SQL寫得好不好已經(jīng)不是核心賣點(diǎn)了。1.2 不同公司出題風(fēng)格的差異化我把兩類有代表性的出題風(fēng)格放在一起對(duì)比方便你判斷備考重點(diǎn)公司類型題型分布典型特點(diǎn)復(fù)習(xí)優(yōu)先級(jí)互聯(lián)網(wǎng)大廠50% SQL 30% 業(yè)務(wù)題 20% 開(kāi)放題題量大、數(shù)據(jù)表結(jié)構(gòu)復(fù)雜考察處理大規(guī)模數(shù)據(jù)的思路SQL窗口函數(shù)、業(yè)務(wù)指標(biāo)體系、AB實(shí)驗(yàn)傳統(tǒng)行業(yè)/外企30% Excel 30% Python 40% 商業(yè)案例更看重商業(yè)敏感度Excel操作題分值高案例題常結(jié)合行業(yè)背景Excel函數(shù)、Python數(shù)據(jù)處理、商業(yè)思維方式創(chuàng)業(yè)公司/中小廠40% Python 40% 項(xiàng)目題 20% 情景題偏向?qū)嶋H工作內(nèi)容可能直接甩一份臟數(shù)據(jù)讓你清洗分析pandas清洗、分析報(bào)告撰寫需要強(qiáng)調(diào)的是行業(yè)背景對(duì)考題影響很大。如果你投的是電商公司指標(biāo)題大概率圍繞GMV、轉(zhuǎn)化率、復(fù)購(gòu)率展開(kāi)如果是內(nèi)容平臺(tái)關(guān)注重點(diǎn)就變成DAU、使用時(shí)長(zhǎng)、留存。投遞前花半小時(shí)看看這家公司的產(chǎn)品形態(tài)和數(shù)據(jù)指標(biāo)比悶頭刷題管用得多。1.3 從招聘JD反推復(fù)習(xí)范圍這里分享一個(gè)我一直用的方法把崗位JD里的關(guān)鍵詞全部摘出來(lái)對(duì)照著規(guī)劃復(fù)習(xí)范圍。比如JD里寫了“熟悉Spark”那你至少要會(huì)簡(jiǎn)單的DataFrame操作和RDD概念寫了“熟悉R語(yǔ)言”大概率是醫(yī)學(xué)統(tǒng)計(jì)或科研背景的崗位統(tǒng)計(jì)檢驗(yàn)的內(nèi)容要重點(diǎn)看。這個(gè)方法看起來(lái)很土但真的能幫你把有限的備考時(shí)間花在刀刃上。2. SQL題別死在“看起來(lái)會(huì)”的語(yǔ)法細(xì)節(jié)上SQL是數(shù)據(jù)分析筆試的第一關(guān)也是拉開(kāi)差距的地方。很多人在LeetCode上刷了幾百道題覺(jué)得自己“會(huì)SQL”但筆試時(shí)一緊張窗口函數(shù)忘記怎么寫PARTITION BY自連接思路轉(zhuǎn)不過(guò)來(lái)照樣拿不到分。2.1 高頻考點(diǎn)的“必會(huì)清單”我把真正高頻的考點(diǎn)梳理成了一份清單你可以對(duì)照自測(cè)窗口函數(shù)ROW_NUMBER()、RANK()、DENSE_RANK()、LAG()、LEAD()、SUM() OVER()分組聚合GROUP BY HAVING注意聚合前后的過(guò)濾條件寫在哪里多表關(guān)聯(lián)INNER JOIN、LEFT JOIN的區(qū)別關(guān)聯(lián)條件寫錯(cuò)會(huì)導(dǎo)致數(shù)據(jù)翻倍行轉(zhuǎn)列/列轉(zhuǎn)行CASE WHEN GROUP BY的經(jīng)典組合或者UNION的寫法時(shí)間函數(shù)DATE_FORMAT、DATE_DIFF、DATE_SUB這些按不同數(shù)據(jù)庫(kù)語(yǔ)法掌握連續(xù)問(wèn)題連續(xù)登錄天數(shù)、連續(xù)簽到天數(shù)這類題幾乎每場(chǎng)筆試都會(huì)出現(xiàn)2.2 “連續(xù)登錄N天”的完整拆解以最經(jīng)典的“統(tǒng)計(jì)2024年1月連續(xù)登錄7天及以上的用戶”為例我見(jiàn)過(guò)太多人寫到一半卡住。最常見(jiàn)的錯(cuò)誤寫法是SELECT user_id, COUNT(DISTINCT login_date) AS login_days FROM login_log WHERE login_date BETWEEN 2024-01-01 AND 2024-01-31 GROUP BY user_id HAVING login_days 7;這個(gè)寫法只能算出“總登錄天數(shù)大于等于7”但無(wú)法判斷是否“連續(xù)”。比如用戶只在1號(hào)、3號(hào)、5號(hào)……隔天登錄累計(jì)天數(shù)可能超過(guò)7天但他并沒(méi)有連續(xù)登錄過(guò)。這就是典型的邏輯偷換。正確的解法是利用“日期減去行號(hào)”的連續(xù)區(qū)間原理WITH t1 AS ( SELECT user_id, login_date, ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS rn FROM login_log WHERE login_date BETWEEN 2024-01-01 AND 2024-01-31 ), t2 AS ( SELECT user_id, login_date, DATE_SUB(login_date, INTERVAL rn DAY) AS grp_date FROM t1 ) SELECT user_id, COUNT(*) AS continuous_days FROM t2 GROUP BY user_id, grp_date HAVING COUNT(*) 7;核心思路是如果登錄日期是連續(xù)的那么登錄日期減去行號(hào)后得到的日期應(yīng)該相同。比如用戶1號(hào)登錄行號(hào)1減去1天得到上個(gè)月31號(hào)2號(hào)登錄行號(hào)2減去2天仍然得到上個(gè)月31號(hào)。這些“相同日期”的行就構(gòu)成了一段連續(xù)區(qū)間分組統(tǒng)計(jì)數(shù)量即可。2.3 窗口函數(shù)和自連接的取舍“連續(xù)登錄”這類題還有另一種解法用LAG窗口函數(shù)SELECT user_id, login_date, LAG(login_date) OVER (PARTITION BY user_id ORDER BY login_date) AS prev_date FROM login_log;拿到前一行的日期后判斷當(dāng)前日期與前一行日期的差值是否為1再通過(guò)累加標(biāo)記分組。這種思路在處理“計(jì)算連續(xù)天數(shù)最大值”的時(shí)候比日期減行號(hào)更靈活因?yàn)槟憧梢葬槍?duì)單行做判斷。兩種方法我都建議練熟筆試時(shí)哪條順手用哪條。另外要提醒一個(gè)特別隱蔽的坑使用LEFT JOIN做留存計(jì)算時(shí)關(guān)聯(lián)后沒(méi)有保留未回訪的用戶導(dǎo)致次日留存率計(jì)算錯(cuò)誤。比如要算“注冊(cè)用戶的次日留存”如果用INNER JOIN關(guān)聯(lián)登錄表只有次日回訪的用戶才會(huì)出現(xiàn)在結(jié)果集里分子分母就都錯(cuò)了。正確做法是先算出每日新增用戶數(shù)再LEFT JOIN回訪用戶保留無(wú)回訪記錄的用戶行分母才是完整的注冊(cè)用戶數(shù)。3. Python編程題拿全分的“三件套”是處理、聚合、表達(dá)Python在數(shù)據(jù)分析筆試?yán)锏谋戎乇绕渌麔徫桓卟簧俚疾旆秶鄬?duì)固定pandas數(shù)據(jù)處理、numpy計(jì)算、簡(jiǎn)單的數(shù)據(jù)可視化。它不像算法崗那樣考動(dòng)態(tài)規(guī)劃更難的是“在有限時(shí)間內(nèi)寫出能跑通、結(jié)果正確的腳本”。3.1 數(shù)據(jù)處理題先想清楚空值和類型再動(dòng)手?jǐn)?shù)據(jù)分析筆試的Python題很多都從“清洗數(shù)據(jù)”切入比如“給定一份訂單明細(xì)表含字段order_id、user_id、order_amount、order_date請(qǐng)統(tǒng)計(jì)每個(gè)用戶的月消費(fèi)總金額并找出每月消費(fèi)金額TOP3的用戶?！边@題第一眼看上去很簡(jiǎn)單實(shí)際做題時(shí)很多人會(huì)忽略三個(gè)隱藏考點(diǎn)order_date是字符串需要先轉(zhuǎn)成datetime才能提取月份order_amount可能存在空值直接groupby求和會(huì)把整組結(jié)果變成NaN排序和取TOP3時(shí)要考慮并列情況。我的參考寫法import pandas as pd # 類型轉(zhuǎn)換與空值處理 df[order_date] pd.to_datetime(df[order_date]) df[order_amount] pd.to_numeric(df[order_amount], errorscoerce).fillna(0) # 提取月份并聚合 df[order_month] df[order_date].dt.to_period(M) monthly_agg df.groupby([order_month, user_id], as_indexFalse)[order_amount].sum() # 按月份分組計(jì)算排名并篩選TOP3 monthly_agg[rank] monthly_agg.groupby(order_month)[order_amount].rank( methoddense, ascendingFalse ) result monthly_agg[monthly_agg[rank] 3].sort_values([order_month, rank])這里用rank(methoddense)是因?yàn)槿绻麅蓚€(gè)用戶消費(fèi)金額一樣應(yīng)該并列同一名次而不是跳過(guò)名次導(dǎo)致取不到三個(gè)用戶。能不能在筆試?yán)锵氲竭@一層就是拿滿分和拿基礎(chǔ)分的區(qū)別。3.2 groupby-agg-merge三步走另一類高頻題是“多個(gè)DataFrame拼接分析”。比如給你一張用戶注冊(cè)表user_table和一張訂單表order_table要求統(tǒng)計(jì)“每個(gè)注冊(cè)用戶的首次下單時(shí)間”。很多新手會(huì)嘗試用循環(huán)一行行去找實(shí)際上兩行merge就搞定了# 先找出每個(gè)用戶最早的下單時(shí)間 first_order order_table.groupby(user_id, as_indexFalse)[order_date].min() first_order.columns [user_id, first_order_date] # 關(guān)聯(lián)到用戶表 result user_table.merge(first_order, onuser_id, howleft)用LEFT JOIN而不是INNER JOIN的邏輯和SQL里一樣否則沒(méi)有下過(guò)單的注冊(cè)用戶會(huì)被過(guò)濾掉統(tǒng)計(jì)口徑就不完整了。這類題的通用解法永遠(yuǎn)是先用groupby做細(xì)化聚合再和其他表關(guān)聯(lián)幾乎不需要寫復(fù)雜的自定義函數(shù)。3.3 可視化題別把圖畫得“只有自己看得懂”部分筆試會(huì)要求你用matplotlib或seaborn畫圖題目本身不難但閱卷時(shí)最常見(jiàn)的扣分點(diǎn)是“圖沒(méi)有標(biāo)題、沒(méi)有軸標(biāo)簽、沒(méi)有圖例”。繪圖題的評(píng)分規(guī)則其實(shí)很樸素至少讓一個(gè)沒(méi)看過(guò)數(shù)據(jù)的人能看懂這張圖在說(shuō)什么。我建議養(yǎng)成這樣一個(gè)習(xí)慣性的繪圖模板import matplotlib.pyplot as plt # 假設(shè)df為按月份聚合的GMV數(shù)據(jù) plt.figure(figsize(10, 5)) plt.plot(df[month], df[gmv], markero, linestyle--, labelGMV) plt.title(2024年各月份GMV變化趨勢(shì)) plt.xlabel(月份) plt.ylabel(GMV萬(wàn)元) plt.grid(alpha0.3) plt.legend() plt.tight_layout() plt.show()這套模板很簡(jiǎn)單但能保證你的圖在外觀上達(dá)到及格線。真正想加分的話在圖上標(biāo)注異常點(diǎn)、使用不同顏色區(qū)分不同用戶群都能讓閱卷人覺(jué)得你不只是會(huì)調(diào)接口而是真理解數(shù)據(jù)背后的業(yè)務(wù)含義。3.4 numPy和pandas的分工一定要說(shuō)清楚面試官喜歡在筆試后面試時(shí)追問(wèn)“numpy和pandas有什么區(qū)別”表面是工具題實(shí)際考察你是否理解“基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)”和“業(yè)務(wù)數(shù)據(jù)抽象”的分層關(guān)系。我的回答思路是numpy處理的是同質(zhì)的數(shù)值數(shù)組適合做矩陣運(yùn)算pandas在numpy之上提供了Series和DataFrame加上行索引和列名更適合做表格式數(shù)據(jù)的清洗與聚合。筆試遇到這種概念題不需要長(zhǎng)篇大論抓住“底層數(shù)組vs帶標(biāo)簽的表格”“數(shù)值計(jì)算vs數(shù)據(jù)清洗”這對(duì)關(guān)鍵差異就能得分。4. Excel題外行覺(jué)得簡(jiǎn)單內(nèi)行比的是建模思路很多技術(shù)背景的同學(xué)看不起Excel題覺(jué)得它是“表哥表姐”才需要掌握的工具。真正做過(guò)筆試題會(huì)發(fā)現(xiàn)Excel題答題時(shí)間短、操作繁瑣、容錯(cuò)率低反而是翻車重災(zāi)區(qū)。4.1 數(shù)據(jù)透視表亮出你的“計(jì)算字段”能力Excel操作題通常不會(huì)只讓你拖字段它更高頻的考察點(diǎn)是“計(jì)算字段”。比如“有一張銷售流水表包含產(chǎn)品類別、銷售區(qū)域、銷售額、成本請(qǐng)用數(shù)據(jù)透視表統(tǒng)計(jì)各區(qū)域各品類的毛利率?！逼胀忌鷷?huì)先加總銷售額和成本再在透視表旁邊用公式算毛利率。更穩(wěn)妥的做法是直接在透視表里插入計(jì)算字段選中透視表→分析→字段、項(xiàng)目和集→計(jì)算字段名稱填“毛利率”公式填(銷售額-成本)/銷售額。這樣做的優(yōu)勢(shì)是透視表篩選維度變化時(shí)毛利率會(huì)自動(dòng)重新計(jì)算不會(huì)出現(xiàn)旁邊公式引用范圍對(duì)不上的問(wèn)題。4.2 函數(shù)組合題VLOOKUP和SUMIFS的固定搭配Excel函數(shù)題里VLOOKUP出鏡率極高但命題人越來(lái)越喜歡繞彎子。比如“有訂單表和產(chǎn)品表訂單表只有產(chǎn)品編號(hào)需要按產(chǎn)品編號(hào)帶出產(chǎn)品單價(jià)并計(jì)算訂單金額?！焙?jiǎn)單做法是VLOOKUP(產(chǎn)品編號(hào), 產(chǎn)品表區(qū)域, 產(chǎn)品單價(jià)所在列號(hào), FALSE)筆試真正埋坑的地方在于產(chǎn)品表區(qū)域必須用絕對(duì)引用$否則下拉填充時(shí)區(qū)域會(huì)位移導(dǎo)致部分行返回#N/A。我判卷時(shí)見(jiàn)過(guò)不少考生公式思路完全正確就因?yàn)橥思?符號(hào)丟了整道題的分。如果題目要求“根據(jù)訂單日期和產(chǎn)品類別兩個(gè)條件求和”就輪到SUMIFS出場(chǎng)SUMIFS(銷售額列, 日期列, 起始日期, 日期列, 結(jié)束日期, 類別列, 零食)注意兩個(gè)細(xì)節(jié)條件里日期要放在英文雙引號(hào)里并拼接單元格引用日期條件和文本條件的寫法不一樣別混用。4.3 讓表格“會(huì)說(shuō)話”排版也算分有一些Excel題目不考函數(shù)也不考透視表而是直接丟給你一張亂糟糟的源表要求“整理成適合分析的格式”。這種題考的是做表習(xí)慣標(biāo)題行加粗并凍結(jié)首行、去除合并單元格、日期格式統(tǒng)一為YYYY-MM-DD、空值用“NA”標(biāo)出而不是留白、為數(shù)據(jù)區(qū)域添加自動(dòng)篩選。這些操作技術(shù)含量不高但代表了你的數(shù)據(jù)整理意識(shí)。筆試時(shí)不要跳過(guò)這類看似“沒(méi)什么技術(shù)含量”的題目它們往往是區(qū)分“會(huì)不會(huì)做表”和“有沒(méi)有好習(xí)慣”的隱形標(biāo)尺。4.4 分清Excel和SQL/Python的邊界還有一類概念題會(huì)問(wèn)“Excel適合處理多大的數(shù)據(jù)量為什么”答案要點(diǎn)是Excel單表處理幾萬(wàn)行沒(méi)問(wèn)題到了幾十萬(wàn)行以上卡頓和公式奔潰的風(fēng)險(xiǎn)會(huì)明顯上升這時(shí)應(yīng)該切換為SQL或Python用它們?cè)跀?shù)據(jù)庫(kù)層面或者內(nèi)存中完成數(shù)據(jù)處理。這道題不存在標(biāo)準(zhǔn)答案閱卷人真正想聽(tīng)到的是你能根據(jù)數(shù)據(jù)量級(jí)選擇合適的工具而不是被某一款工具綁架。5. 業(yè)務(wù)分析題指標(biāo)體系、歸因邏輯與AB實(shí)驗(yàn)的“張口就來(lái)”如果說(shuō)工具題決定筆試能否及格業(yè)務(wù)分析題就決定你能不能進(jìn)入下一輪。這類題不會(huì)給你現(xiàn)成的公式和函數(shù)而是把你扔進(jìn)一個(gè)真實(shí)的商業(yè)場(chǎng)景里看你的反應(yīng)。5.1 指標(biāo)體系題別一上來(lái)就提GMV和DAU“請(qǐng)為一款電商App搭建核心指標(biāo)體系?！庇龅竭@種題如果你回答“主要關(guān)注GMV、訂單量、轉(zhuǎn)化率”大概率只能拿一半分。閱卷人想看的不是孤立的指標(biāo)羅列而是指標(biāo)間的層級(jí)關(guān)系。我的回答框架分三層北極星指標(biāo)電商不是GMV而是“有效訂單量”或“購(gòu)買用戶數(shù)”。因?yàn)镚MV包含取消、退貨、刷單容易被活動(dòng)數(shù)據(jù)注水真正決定業(yè)務(wù)健康度的是產(chǎn)生真實(shí)交易的購(gòu)買人數(shù)與訂單數(shù)。過(guò)程指標(biāo)圍繞用戶生命周期拆解即“獲客→激活→留存→轉(zhuǎn)化→傳播”的AARRR模型。每一個(gè)環(huán)節(jié)設(shè)計(jì)一個(gè)或兩個(gè)核心指標(biāo)新增用戶數(shù)、注冊(cè)轉(zhuǎn)化率、次留率、首單轉(zhuǎn)化率、復(fù)購(gòu)率、分享率。精細(xì)化指標(biāo)下沉到商品和渠道層面比如各品類動(dòng)銷率、各渠道的ROI、高價(jià)值用戶占比等。這一層是為后續(xù)歸因和策略迭代服務(wù)的?；卮饡r(shí)最好帶一句“這套指標(biāo)體系會(huì)配合日?qǐng)?bào)/周報(bào)/月報(bào)更新不同層級(jí)的管理者看不同層級(jí)的指標(biāo)”這句話能讓面試官覺(jué)得你有落地思維。5.2 歸因分析題GMV下降了你怎么排查“某電商平臺(tái)本周GMV環(huán)比下降了10%請(qǐng)分析可能的原因。”這是我見(jiàn)過(guò)最高頻的業(yè)務(wù)分析題沒(méi)有之一。它的答題模板幾乎可以固化成條件反射先拆解公式GMV 流量 × 轉(zhuǎn)化率 × 客單價(jià)分別計(jì)算這三個(gè)指標(biāo)本周與上周的環(huán)比變化找出波動(dòng)最大的那一項(xiàng)如果是流量下降繼續(xù)拆渠道自然流量、搜索流量、廣告流量、活動(dòng)流量各自的變化如果是轉(zhuǎn)化率下降看是不是商品結(jié)構(gòu)變化、價(jià)格調(diào)整、評(píng)論區(qū)輿情、競(jìng)品促銷如果是客單價(jià)下降看是低價(jià)商品占比提升還是普遍降價(jià)結(jié)合時(shí)間節(jié)點(diǎn)看是否受節(jié)假日、季節(jié)性因素影響比如大促后的自然回落往往不是異常。這整套流程的核心是“先整體后部分、先數(shù)據(jù)后業(yè)務(wù)、先內(nèi)因后外因”。無(wú)論題目背景是什么行業(yè)這個(gè)歸因邏輯都能直接套用。5.3 AB實(shí)驗(yàn)題辛普森悖論是必考心魔AB實(shí)驗(yàn)是高級(jí)一點(diǎn)的業(yè)務(wù)題常見(jiàn)問(wèn)法包括“如何設(shè)計(jì)實(shí)驗(yàn)”“如何判斷實(shí)驗(yàn)結(jié)果是否顯著”?？疾熘匦囊呀?jīng)從“你知道什么是P值”上升到“你能不能在真實(shí)業(yè)務(wù)里做判斷”。我印象最深的一道題是“實(shí)驗(yàn)組整體轉(zhuǎn)化率低于對(duì)照組但按照用戶新老分層后每一層都是實(shí)驗(yàn)組更高請(qǐng)問(wèn)可能是什么原因”這就是典型的辛普森悖論總體趨勢(shì)與分組趨勢(shì)相反。根本原因是實(shí)驗(yàn)組和對(duì)照組中“新老用戶占比不一致”而新用戶的轉(zhuǎn)化率天生低于老用戶。如果實(shí)驗(yàn)組里新用戶占比過(guò)高就會(huì)把整體轉(zhuǎn)化率拉低。答題要點(diǎn)有兩個(gè)第一判斷實(shí)驗(yàn)結(jié)果時(shí)必須先看分層再看總體第二做實(shí)驗(yàn)分流時(shí)要把新老用戶、高活低活用戶分開(kāi)均勻分流否則結(jié)論會(huì)被結(jié)構(gòu)差異污染。5.4 業(yè)務(wù)發(fā)散題給一家烘焙連鎖店搭指標(biāo)這幾年筆試越來(lái)越喜歡出“跨行業(yè)業(yè)務(wù)題”比如“給一家烘焙連鎖店設(shè)計(jì)經(jīng)營(yíng)分析指標(biāo)體系”。這類題看著陌生其實(shí)考的還是那套框架。我的答法是先從門店維度拆單店日均銷售額、坪效、人效再?gòu)漠a(chǎn)品維度拆各品類銷售額占比、單品毛利率、滯銷品占比最后從用戶維度拆復(fù)購(gòu)率、會(huì)員占比、客單價(jià)。只要能展現(xiàn)出“自上而下拆解再自下而上匯總”的思維方式具體指標(biāo)是什么反而不是最重要的。6. 開(kāi)放題和項(xiàng)目復(fù)盤題結(jié)構(gòu)化表達(dá)比堆量重要到了這個(gè)環(huán)節(jié)工具題已經(jīng)不太能拉開(kāi)差距了閱卷人更關(guān)注你面對(duì)開(kāi)放性問(wèn)題的時(shí)候能不能有邏輯地表達(dá)觀點(diǎn)。6.1 開(kāi)放題的回答框架結(jié)論先行數(shù)據(jù)支撐行動(dòng)收尾開(kāi)放題沒(méi)有任何標(biāo)準(zhǔn)答案但回答的“形狀”是有高下之分的。低分回答通常是想到哪說(shuō)到哪先扯背景再說(shuō)一個(gè)淺層原因最后草草收尾。高分回答通常是“結(jié)論先行→列出依據(jù)→給出行動(dòng)建議→指出所需數(shù)據(jù)”四段式。舉個(gè)例子題目問(wèn)“某內(nèi)容社區(qū)的用戶日均使用時(shí)長(zhǎng)下滑你怎么分析”。低分回答“可能是內(nèi)容質(zhì)量下降了需要加強(qiáng)審核?！备叻只卮稹拔业慕Y(jié)論是該社區(qū)的核心用戶創(chuàng)作積極性下降導(dǎo)致內(nèi)容供給不足。依據(jù)一從內(nèi)容供給側(cè)看日均新增作品數(shù)環(huán)比下降10%其中優(yōu)質(zhì)創(chuàng)作者發(fā)布的占比下降更明顯依據(jù)二從消費(fèi)側(cè)看人均瀏覽內(nèi)容條數(shù)沒(méi)有明顯變化但完播率下降5%建議圍繞頭部創(chuàng)作者做召回激勵(lì)和內(nèi)容扶持為了驗(yàn)證這個(gè)結(jié)論還需要拉取創(chuàng)作者發(fā)布頻率的分布、最近活躍創(chuàng)作者占比等數(shù)據(jù)?！笨吹讲顒e了嗎高分回答里每一步都帶著具體的數(shù)據(jù)口徑和假設(shè)即便數(shù)據(jù)是編的也顯得你有分析框架。6.2 項(xiàng)目復(fù)盤題別把項(xiàng)目過(guò)程念成流水賬項(xiàng)目題通常不會(huì)直接讓你“介紹你做過(guò)的項(xiàng)目”而是追問(wèn)“你在項(xiàng)目中最難忘的異常發(fā)現(xiàn)是什么”。很多人會(huì)從頭到尾復(fù)述一遍項(xiàng)目流程比如“我當(dāng)時(shí)抓取了數(shù)據(jù)、清洗了數(shù)據(jù)、做了可視化……”這完全是在報(bào)流水賬。真正能拿分的講法是只挑一個(gè)完整的數(shù)據(jù)分析閉環(huán)來(lái)講——先說(shuō)明分析背景再說(shuō)你的假設(shè)然后說(shuō)你用了什么數(shù)據(jù)、什么方法驗(yàn)證最后說(shuō)驗(yàn)證結(jié)果是打臉了還是落地了帶來(lái)了什么業(yè)務(wù)影響。如果能把這個(gè)閉環(huán)里“踩坑、糾偏、再驗(yàn)證”的過(guò)程如實(shí)講出來(lái)比吹十個(gè)項(xiàng)目的效果都好。6.3 遇到不會(huì)的口徑或工具怎么盡量得分開(kāi)放卷子偶爾會(huì)有你沒(méi)見(jiàn)過(guò)工具名詞比如“用Spark做一份日志數(shù)據(jù)分析”但你只練過(guò)pandas。我的建議是不要空著先把思路寫清楚拆分?jǐn)?shù)據(jù)源、按時(shí)間粒度聚合、統(tǒng)計(jì)關(guān)鍵事件占比、輸出可視化結(jié)論。即使不寫具體代碼閱卷人也能看到你有分析方案。很多情況下分析思路的正確性比完整的Spark語(yǔ)法更重要因?yàn)閷?shí)際工作里你會(huì)有時(shí)間和文檔去查API但你的方法論肯定不是臨時(shí)能補(bǔ)的。6.4 統(tǒng)計(jì)概念題假設(shè)檢驗(yàn)和回歸別只背結(jié)論最近幾年的筆試題越來(lái)越喜歡問(wèn)統(tǒng)計(jì)基礎(chǔ)比如“P值是什么”“置信區(qū)間什么含義”“如何判斷兩個(gè)變量相關(guān)”。這類題看起來(lái)基礎(chǔ)但翻車率很高因?yàn)楹芏嗤瑢W(xué)只會(huì)背“P0.05拒絕原假設(shè)”這句話卻說(shuō)不清P值到底是什么意思。答題時(shí)可以這樣說(shuō)P值是在“原假設(shè)為真”的前提下觀察到當(dāng)前或更極端結(jié)果的概率。它表示數(shù)據(jù)與原假設(shè)的兼容程度而不是“原假設(shè)為真的概率”。這個(gè)概念澄清比單純背定義更能體現(xiàn)統(tǒng)計(jì)功底。7. 刷題之外的“最后一公里”錯(cuò)題復(fù)盤與作答策略學(xué)會(huì)題目本身的解法只是第一步真正讓你筆試表現(xiàn)穩(wěn)定的是刷題之外的那套“應(yīng)試習(xí)慣”。7.1 做題順序決定你的心態(tài)我個(gè)人的習(xí)慣是先花兩分鐘通讀全卷把題目按“工具題、業(yè)務(wù)題、開(kāi)放題”分類再根據(jù)分值分配時(shí)間。通常我會(huì)先做最有把握的Excel或SQL基礎(chǔ)題快速拿分建立信心中間做Python編程題這類題計(jì)算量適中可以在狀態(tài)最好的時(shí)候集中精力最后留足時(shí)間給業(yè)務(wù)分析題和開(kāi)放題因?yàn)檫@類題需要寫很多文字寫慢了會(huì)占掉大量時(shí)間。不要一上來(lái)就死磕難題。如果一道SQL題十分鐘還沒(méi)想出來(lái)果斷先跳過(guò)做完后面會(huì)的再回頭。數(shù)據(jù)分析筆試的及格線通常不高拿穩(wěn)基礎(chǔ)題就贏了大半。7.2 錯(cuò)題本怎么做才不算白做刷題的過(guò)程中一定要建錯(cuò)題本但別直接把題目和正確答案復(fù)制粘貼進(jìn)去。我的做法是每道錯(cuò)題記錄四欄——錯(cuò)題原題、我的錯(cuò)誤答案、錯(cuò)誤原因語(yǔ)法記錯(cuò)/思路偏差/業(yè)務(wù)背景不懂/時(shí)間不夠、正確思路的一句話總結(jié)?？记安豢丛}只看錯(cuò)誤原因和思路總結(jié)。比如“日期減行號(hào)能判斷連續(xù)性”“LEFT JOIN保留無(wú)匹配行”“透視表計(jì)算字段用于占比指標(biāo)”這些都是濃縮后的解題直覺(jué)。7.3 筆試題里的分析思路面試還能復(fù)用一個(gè)經(jīng)常被忽略的點(diǎn)是筆試結(jié)束不意味著題目作廢。你完全可以把筆試題里的業(yè)務(wù)場(chǎng)景、指標(biāo)體系和歸因邏輯整理成自己的“分析素材庫(kù)”面試被問(wèn)到“你平時(shí)怎么分析業(yè)務(wù)”時(shí)直接引用筆試題目里的框架來(lái)回答比你臨時(shí)組織語(yǔ)言要流暢得多。我有一次面試被問(wèn)到“怎么評(píng)估一個(gè)促銷活動(dòng)是否成功”直接借用了筆試?yán)锏囊坏阑顒?dòng)效果評(píng)估題的回答框架對(duì)比活動(dòng)前后GMV、剔除自然增長(zhǎng)基線、看用戶結(jié)構(gòu)增量、評(píng)估利潤(rùn)影響。面試官當(dāng)場(chǎng)點(diǎn)頭。7.4 保持手感每天15分鐘就夠備考階段不一定要每天做整套卷子但建議每天至少拿出15分鐘保持手感。今天寫一道窗口函數(shù)的SQL明天練習(xí)10分鐘pandas聚合后天用Excel看一遍數(shù)據(jù)透視表的操作路徑。數(shù)據(jù)分析筆試和任何技能考試一樣手感斷了就需要花雙倍時(shí)間重新?lián)炱饋?lái)持續(xù)的低強(qiáng)度輸入比考前突擊更可靠。最后說(shuō)一點(diǎn)我個(gè)人體會(huì)比較深的事情數(shù)據(jù)分析筆試表面上在考工具和邏輯本質(zhì)上在考一個(gè)人“遇見(jiàn)陌生問(wèn)題時(shí)能不能保持結(jié)構(gòu)化思考”的底層能力。我不止一次看到SQL寫得溜、Python代碼漂亮的候選人在業(yè)務(wù)分析題上東拉西扯最后敗下陣來(lái)。反過(guò)來(lái)那些筆試成績(jī)穩(wěn)定的人往往都是把“拆解-驗(yàn)證-表達(dá)”這條鏈路練成了肌肉記憶的人。希望這份整理能幫你在下一次筆試前少一點(diǎn)迷茫多一分把握。 數(shù)據(jù)分析筆試通關(guān)指南：SQL、Python、Excel與業(yè)務(wù)分析全攻略
前陣子幫一位準(zhǔn)備跳槽的朋友做模擬面試他在簡(jiǎn)歷上寫了“熟練使用SQL、Python、Excel”結(jié)果一套筆試題做下來(lái)SQL窗口函數(shù)寫不對(duì)Excel的數(shù)據(jù)透視表只敢拖字段不敢動(dòng)計(jì)算字段業(yè)務(wù)分析題更是通篇空話。他很沮喪地問(wèn)我“數(shù)據(jù)分析筆試到底考什么為什么感覺(jué)所有題都眼熟但下筆就是拿不準(zhǔn)”這個(gè)問(wèn)題其實(shí)很有代表性。數(shù)據(jù)分析崗位的筆試和程序員刷LeetCode不一樣它考的不只是語(yǔ)法和算法而是“數(shù)據(jù)敏感度業(yè)務(wù)邏輯工具熟練度”的組合。我在過(guò)去幾年里刷過(guò)不少數(shù)據(jù)分析的筆試題也幫部門出過(guò)面試題站在“出題人”和“做題人”兩個(gè)角度反復(fù)看過(guò)這些卷子。今天這篇內(nèi)容就是把我在實(shí)際刷題、出題、閱卷過(guò)程中沉淀下來(lái)的經(jīng)驗(yàn)整理出來(lái)題目類型、解題思路、踩坑點(diǎn)、復(fù)習(xí)優(yōu)先級(jí)都盡量講透適合準(zhǔn)備找數(shù)據(jù)分析實(shí)習(xí)或全職崗位的同學(xué)收藏起來(lái)按章節(jié)慢慢看。1. 筆試不是考你學(xué)了多少工具是考你的分析基本功很多備考的人有一個(gè)誤區(qū)覺(jué)得數(shù)據(jù)分析筆試就是拼工具技巧SQL學(xué)得越偏門越好Python庫(kù)背得越多越穩(wěn)。實(shí)際上我閱卷時(shí)最在意的不是“你用了什么高級(jí)函數(shù)”而是“你的思路是否完整、結(jié)果是否經(jīng)得起追問(wèn)”。1.1 一張?jiān)嚲肀澈蟛刂N能力維度數(shù)據(jù)分析筆試通常不會(huì)只考一類題目它會(huì)刻意覆蓋三個(gè)維度數(shù)據(jù)操作能力SQL、Python、Excel這類工具題考察你能不能把原始數(shù)據(jù)變成可以直接分析的表格。這類題占大頭但考察點(diǎn)通常集中在“高頻核心操作”上而非冷門函數(shù)。邏輯推理能力給你一份業(yè)務(wù)數(shù)據(jù)報(bào)表讓你找異常、做歸因、給建議。這道題沒(méi)有標(biāo)準(zhǔn)答案但閱卷人能從你的回答里看出你有沒(méi)有分析套路能不能把業(yè)務(wù)問(wèn)題轉(zhuǎn)化成數(shù)據(jù)問(wèn)題。業(yè)務(wù)理解能力圍繞指標(biāo)定義、實(shí)驗(yàn)設(shè)計(jì)、場(chǎng)景假設(shè)出題。比如“某App的次日留存率下降了5個(gè)百分點(diǎn)你如何排查”這種題看似開(kāi)放實(shí)際上考察的是你對(duì)完整分析流程的熟悉程度。這三種能力在試卷中的比例取決于公司和崗位級(jí)別。校招卷子里工具題偏多社招卷子業(yè)務(wù)題偏多資深崗甚至全是開(kāi)放題因?yàn)榈搅四莻€(gè)層級(jí)SQL寫得好不好已經(jīng)不是核心賣點(diǎn)了。1.2 不同公司出題風(fēng)格的差異化我把兩類有代表性的出題風(fēng)格放在一起對(duì)比方便你判斷備考重點(diǎn)公司類型題型分布典型特點(diǎn)復(fù)習(xí)優(yōu)先級(jí)互聯(lián)網(wǎng)大廠50% SQL 30% 業(yè)務(wù)題 20% 開(kāi)放題題量大、數(shù)據(jù)表結(jié)構(gòu)復(fù)雜考察處理大規(guī)模數(shù)據(jù)的思路SQL窗口函數(shù)、業(yè)務(wù)指標(biāo)體系、AB實(shí)驗(yàn)傳統(tǒng)行業(yè)/外企30% Excel 30% Python 40% 商業(yè)案例更看重商業(yè)敏感度Excel操作題分值高案例題常結(jié)合行業(yè)背景Excel函數(shù)、Python數(shù)據(jù)處理、商業(yè)思維方式創(chuàng)業(yè)公司/中小廠40% Python 40% 項(xiàng)目題 20% 情景題偏向?qū)嶋H工作內(nèi)容可能直接甩一份臟數(shù)據(jù)讓你清洗分析pandas清洗、分析報(bào)告撰寫需要強(qiáng)調(diào)的是行業(yè)背景對(duì)考題影響很大。如果你投的是電商公司指標(biāo)題大概率圍繞GMV、轉(zhuǎn)化率、復(fù)購(gòu)率展開(kāi)如果是內(nèi)容平臺(tái)關(guān)注重點(diǎn)就變成DAU、使用時(shí)長(zhǎng)、留存。投遞前花半小時(shí)看看這家公司的產(chǎn)品形態(tài)和數(shù)據(jù)指標(biāo)比悶頭刷題管用得多。1.3 從招聘JD反推復(fù)習(xí)范圍這里分享一個(gè)我一直用的方法把崗位JD里的關(guān)鍵詞全部摘出來(lái)對(duì)照著規(guī)劃復(fù)習(xí)范圍。比如JD里寫了“熟悉Spark”那你至少要會(huì)簡(jiǎn)單的DataFrame操作和RDD概念寫了“熟悉R語(yǔ)言”大概率是醫(yī)學(xué)統(tǒng)計(jì)或科研背景的崗位統(tǒng)計(jì)檢驗(yàn)的內(nèi)容要重點(diǎn)看。這個(gè)方法看起來(lái)很土但真的能幫你把有限的備考時(shí)間花在刀刃上。2. SQL題別死在“看起來(lái)會(huì)”的語(yǔ)法細(xì)節(jié)上SQL是數(shù)據(jù)分析筆試的第一關(guān)也是拉開(kāi)差距的地方。很多人在LeetCode上刷了幾百道題覺(jué)得自己“會(huì)SQL”但筆試時(shí)一緊張窗口函數(shù)忘記怎么寫PARTITION BY自連接思路轉(zhuǎn)不過(guò)來(lái)照樣拿不到分。2.1 高頻考點(diǎn)的“必會(huì)清單”我把真正高頻的考點(diǎn)梳理成了一份清單你可以對(duì)照自測(cè)窗口函數(shù)ROW_NUMBER()、RANK()、DENSE_RANK()、LAG()、LEAD()、SUM() OVER()分組聚合GROUP BY HAVING注意聚合前后的過(guò)濾條件寫在哪里多表關(guān)聯(lián)INNER JOIN、LEFT JOIN的區(qū)別關(guān)聯(lián)條件寫錯(cuò)會(huì)導(dǎo)致數(shù)據(jù)翻倍行轉(zhuǎn)列/列轉(zhuǎn)行CASE WHEN GROUP BY的經(jīng)典組合或者UNION的寫法時(shí)間函數(shù)DATE_FORMAT、DATE_DIFF、DATE_SUB這些按不同數(shù)據(jù)庫(kù)語(yǔ)法掌握連續(xù)問(wèn)題連續(xù)登錄天數(shù)、連續(xù)簽到天數(shù)這類題幾乎每場(chǎng)筆試都會(huì)出現(xiàn)2.2 “連續(xù)登錄N天”的完整拆解以最經(jīng)典的“統(tǒng)計(jì)2024年1月連續(xù)登錄7天及以上的用戶”為例我見(jiàn)過(guò)太多人寫到一半卡住。最常見(jiàn)的錯(cuò)誤寫法是SELECT user_id, COUNT(DISTINCT login_date) AS login_days FROM login_log WHERE login_date BETWEEN 2024-01-01 AND 2024-01-31 GROUP BY user_id HAVING login_days 7;這個(gè)寫法只能算出“總登錄天數(shù)大于等于7”但無(wú)法判斷是否“連續(xù)”。比如用戶只在1號(hào)、3號(hào)、5號(hào)……隔天登錄累計(jì)天數(shù)可能超過(guò)7天但他并沒(méi)有連續(xù)登錄過(guò)。這就是典型的邏輯偷換。正確的解法是利用“日期減去行號(hào)”的連續(xù)區(qū)間原理WITH t1 AS ( SELECT user_id, login_date, ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS rn FROM login_log WHERE login_date BETWEEN 2024-01-01 AND 2024-01-31 ), t2 AS ( SELECT user_id, login_date, DATE_SUB(login_date, INTERVAL rn DAY) AS grp_date FROM t1 ) SELECT user_id, COUNT(*) AS continuous_days FROM t2 GROUP BY user_id, grp_date HAVING COUNT(*) 7;核心思路是如果登錄日期是連續(xù)的那么登錄日期減去行號(hào)后得到的日期應(yīng)該相同。比如用戶1號(hào)登錄行號(hào)1減去1天得到上個(gè)月31號(hào)2號(hào)登錄行號(hào)2減去2天仍然得到上個(gè)月31號(hào)。這些“相同日期”的行就構(gòu)成了一段連續(xù)區(qū)間分組統(tǒng)計(jì)數(shù)量即可。2.3 窗口函數(shù)和自連接的取舍“連續(xù)登錄”這類題還有另一種解法用LAG窗口函數(shù)SELECT user_id, login_date, LAG(login_date) OVER (PARTITION BY user_id ORDER BY login_date) AS prev_date FROM login_log;拿到前一行的日期后判斷當(dāng)前日期與前一行日期的差值是否為1再通過(guò)累加標(biāo)記分組。這種思路在處理“計(jì)算連續(xù)天數(shù)最大值”的時(shí)候比日期減行號(hào)更靈活因?yàn)槟憧梢葬槍?duì)單行做判斷。兩種方法我都建議練熟筆試時(shí)哪條順手用哪條。另外要提醒一個(gè)特別隱蔽的坑使用LEFT JOIN做留存計(jì)算時(shí)關(guān)聯(lián)后沒(méi)有保留未回訪的用戶導(dǎo)致次日留存率計(jì)算錯(cuò)誤。比如要算“注冊(cè)用戶的次日留存”如果用INNER JOIN關(guān)聯(lián)登錄表只有次日回訪的用戶才會(huì)出現(xiàn)在結(jié)果集里分子分母就都錯(cuò)了。正確做法是先算出每日新增用戶數(shù)再LEFT JOIN回訪用戶保留無(wú)回訪記錄的用戶行分母才是完整的注冊(cè)用戶數(shù)。3. Python編程題拿全分的“三件套”是處理、聚合、表達(dá)Python在數(shù)據(jù)分析筆試?yán)锏谋戎乇绕渌麔徫桓卟簧俚疾旆秶鄬?duì)固定pandas數(shù)據(jù)處理、numpy計(jì)算、簡(jiǎn)單的數(shù)據(jù)可視化。它不像算法崗那樣考動(dòng)態(tài)規(guī)劃更難的是“在有限時(shí)間內(nèi)寫出能跑通、結(jié)果正確的腳本”。3.1 數(shù)據(jù)處理題先想清楚空值和類型再動(dòng)手?jǐn)?shù)據(jù)分析筆試的Python題很多都從“清洗數(shù)據(jù)”切入比如“給定一份訂單明細(xì)表含字段order_id、user_id、order_amount、order_date請(qǐng)統(tǒng)計(jì)每個(gè)用戶的月消費(fèi)總金額并找出每月消費(fèi)金額TOP3的用戶?！边@題第一眼看上去很簡(jiǎn)單實(shí)際做題時(shí)很多人會(huì)忽略三個(gè)隱藏考點(diǎn)order_date是字符串需要先轉(zhuǎn)成datetime才能提取月份order_amount可能存在空值直接groupby求和會(huì)把整組結(jié)果變成NaN排序和取TOP3時(shí)要考慮并列情況。我的參考寫法import pandas as pd # 類型轉(zhuǎn)換與空值處理 df[order_date] pd.to_datetime(df[order_date]) df[order_amount] pd.to_numeric(df[order_amount], errorscoerce).fillna(0) # 提取月份并聚合 df[order_month] df[order_date].dt.to_period(M) monthly_agg df.groupby([order_month, user_id], as_indexFalse)[order_amount].sum() # 按月份分組計(jì)算排名并篩選TOP3 monthly_agg[rank] monthly_agg.groupby(order_month)[order_amount].rank( methoddense, ascendingFalse ) result monthly_agg[monthly_agg[rank] 3].sort_values([order_month, rank])這里用rank(methoddense)是因?yàn)槿绻麅蓚€(gè)用戶消費(fèi)金額一樣應(yīng)該并列同一名次而不是跳過(guò)名次導(dǎo)致取不到三個(gè)用戶。能不能在筆試?yán)锵氲竭@一層就是拿滿分和拿基礎(chǔ)分的區(qū)別。3.2 groupby-agg-merge三步走另一類高頻題是“多個(gè)DataFrame拼接分析”。比如給你一張用戶注冊(cè)表user_table和一張訂單表order_table要求統(tǒng)計(jì)“每個(gè)注冊(cè)用戶的首次下單時(shí)間”。很多新手會(huì)嘗試用循環(huán)一行行去找實(shí)際上兩行merge就搞定了# 先找出每個(gè)用戶最早的下單時(shí)間 first_order order_table.groupby(user_id, as_indexFalse)[order_date].min() first_order.columns [user_id, first_order_date] # 關(guān)聯(lián)到用戶表 result user_table.merge(first_order, onuser_id, howleft)用LEFT JOIN而不是INNER JOIN的邏輯和SQL里一樣否則沒(méi)有下過(guò)單的注冊(cè)用戶會(huì)被過(guò)濾掉統(tǒng)計(jì)口徑就不完整了。這類題的通用解法永遠(yuǎn)是先用groupby做細(xì)化聚合再和其他表關(guān)聯(lián)幾乎不需要寫復(fù)雜的自定義函數(shù)。3.3 可視化題別把圖畫得“只有自己看得懂”部分筆試會(huì)要求你用matplotlib或seaborn畫圖題目本身不難但閱卷時(shí)最常見(jiàn)的扣分點(diǎn)是“圖沒(méi)有標(biāo)題、沒(méi)有軸標(biāo)簽、沒(méi)有圖例”。繪圖題的評(píng)分規(guī)則其實(shí)很樸素至少讓一個(gè)沒(méi)看過(guò)數(shù)據(jù)的人能看懂這張圖在說(shuō)什么。我建議養(yǎng)成這樣一個(gè)習(xí)慣性的繪圖模板import matplotlib.pyplot as plt # 假設(shè)df為按月份聚合的GMV數(shù)據(jù) plt.figure(figsize(10, 5)) plt.plot(df[month], df[gmv], markero, linestyle--, labelGMV) plt.title(2024年各月份GMV變化趨勢(shì)) plt.xlabel(月份) plt.ylabel(GMV萬(wàn)元) plt.grid(alpha0.3) plt.legend() plt.tight_layout() plt.show()這套模板很簡(jiǎn)單但能保證你的圖在外觀上達(dá)到及格線。真正想加分的話在圖上標(biāo)注異常點(diǎn)、使用不同顏色區(qū)分不同用戶群都能讓閱卷人覺(jué)得你不只是會(huì)調(diào)接口而是真理解數(shù)據(jù)背后的業(yè)務(wù)含義。3.4 numPy和pandas的分工一定要說(shuō)清楚面試官喜歡在筆試后面試時(shí)追問(wèn)“numpy和pandas有什么區(qū)別”表面是工具題實(shí)際考察你是否理解“基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)”和“業(yè)務(wù)數(shù)據(jù)抽象”的分層關(guān)系。我的回答思路是numpy處理的是同質(zhì)的數(shù)值數(shù)組適合做矩陣運(yùn)算pandas在numpy之上提供了Series和DataFrame加上行索引和列名更適合做表格式數(shù)據(jù)的清洗與聚合。筆試遇到這種概念題不需要長(zhǎng)篇大論抓住“底層數(shù)組vs帶標(biāo)簽的表格”“數(shù)值計(jì)算vs數(shù)據(jù)清洗”這對(duì)關(guān)鍵差異就能得分。4. Excel題外行覺(jué)得簡(jiǎn)單內(nèi)行比的是建模思路很多技術(shù)背景的同學(xué)看不起Excel題覺(jué)得它是“表哥表姐”才需要掌握的工具。真正做過(guò)筆試題會(huì)發(fā)現(xiàn)Excel題答題時(shí)間短、操作繁瑣、容錯(cuò)率低反而是翻車重災(zāi)區(qū)。4.1 數(shù)據(jù)透視表亮出你的“計(jì)算字段”能力Excel操作題通常不會(huì)只讓你拖字段它更高頻的考察點(diǎn)是“計(jì)算字段”。比如“有一張銷售流水表包含產(chǎn)品類別、銷售區(qū)域、銷售額、成本請(qǐng)用數(shù)據(jù)透視表統(tǒng)計(jì)各區(qū)域各品類的毛利率?！逼胀忌鷷?huì)先加總銷售額和成本再在透視表旁邊用公式算毛利率。更穩(wěn)妥的做法是直接在透視表里插入計(jì)算字段選中透視表→分析→字段、項(xiàng)目和集→計(jì)算字段名稱填“毛利率”公式填(銷售額-成本)/銷售額。這樣做的優(yōu)勢(shì)是透視表篩選維度變化時(shí)毛利率會(huì)自動(dòng)重新計(jì)算不會(huì)出現(xiàn)旁邊公式引用范圍對(duì)不上的問(wèn)題。4.2 函數(shù)組合題VLOOKUP和SUMIFS的固定搭配Excel函數(shù)題里VLOOKUP出鏡率極高但命題人越來(lái)越喜歡繞彎子。比如“有訂單表和產(chǎn)品表訂單表只有產(chǎn)品編號(hào)需要按產(chǎn)品編號(hào)帶出產(chǎn)品單價(jià)并計(jì)算訂單金額?！焙?jiǎn)單做法是VLOOKUP(產(chǎn)品編號(hào), 產(chǎn)品表區(qū)域, 產(chǎn)品單價(jià)所在列號(hào), FALSE)筆試真正埋坑的地方在于產(chǎn)品表區(qū)域必須用絕對(duì)引用$否則下拉填充時(shí)區(qū)域會(huì)位移導(dǎo)致部分行返回#N/A。我判卷時(shí)見(jiàn)過(guò)不少考生公式思路完全正確就因?yàn)橥思?符號(hào)丟了整道題的分。如果題目要求“根據(jù)訂單日期和產(chǎn)品類別兩個(gè)條件求和”就輪到SUMIFS出場(chǎng)SUMIFS(銷售額列, 日期列, 起始日期, 日期列, 結(jié)束日期, 類別列, 零食)注意兩個(gè)細(xì)節(jié)條件里日期要放在英文雙引號(hào)里并拼接單元格引用日期條件和文本條件的寫法不一樣別混用。4.3 讓表格“會(huì)說(shuō)話”排版也算分有一些Excel題目不考函數(shù)也不考透視表而是直接丟給你一張亂糟糟的源表要求“整理成適合分析的格式”。這種題考的是做表習(xí)慣標(biāo)題行加粗并凍結(jié)首行、去除合并單元格、日期格式統(tǒng)一為YYYY-MM-DD、空值用“NA”標(biāo)出而不是留白、為數(shù)據(jù)區(qū)域添加自動(dòng)篩選。這些操作技術(shù)含量不高但代表了你的數(shù)據(jù)整理意識(shí)。筆試時(shí)不要跳過(guò)這類看似“沒(méi)什么技術(shù)含量”的題目它們往往是區(qū)分“會(huì)不會(huì)做表”和“有沒(méi)有好習(xí)慣”的隱形標(biāo)尺。4.4 分清Excel和SQL/Python的邊界還有一類概念題會(huì)問(wèn)“Excel適合處理多大的數(shù)據(jù)量為什么”答案要點(diǎn)是Excel單表處理幾萬(wàn)行沒(méi)問(wèn)題到了幾十萬(wàn)行以上卡頓和公式奔潰的風(fēng)險(xiǎn)會(huì)明顯上升這時(shí)應(yīng)該切換為SQL或Python用它們?cè)跀?shù)據(jù)庫(kù)層面或者內(nèi)存中完成數(shù)據(jù)處理。這道題不存在標(biāo)準(zhǔn)答案閱卷人真正想聽(tīng)到的是你能根據(jù)數(shù)據(jù)量級(jí)選擇合適的工具而不是被某一款工具綁架。5. 業(yè)務(wù)分析題指標(biāo)體系、歸因邏輯與AB實(shí)驗(yàn)的“張口就來(lái)”如果說(shuō)工具題決定筆試能否及格業(yè)務(wù)分析題就決定你能不能進(jìn)入下一輪。這類題不會(huì)給你現(xiàn)成的公式和函數(shù)而是把你扔進(jìn)一個(gè)真實(shí)的商業(yè)場(chǎng)景里看你的反應(yīng)。5.1 指標(biāo)體系題別一上來(lái)就提GMV和DAU“請(qǐng)為一款電商App搭建核心指標(biāo)體系?！庇龅竭@種題如果你回答“主要關(guān)注GMV、訂單量、轉(zhuǎn)化率”大概率只能拿一半分。閱卷人想看的不是孤立的指標(biāo)羅列而是指標(biāo)間的層級(jí)關(guān)系。我的回答框架分三層北極星指標(biāo)電商不是GMV而是“有效訂單量”或“購(gòu)買用戶數(shù)”。因?yàn)镚MV包含取消、退貨、刷單容易被活動(dòng)數(shù)據(jù)注水真正決定業(yè)務(wù)健康度的是產(chǎn)生真實(shí)交易的購(gòu)買人數(shù)與訂單數(shù)。過(guò)程指標(biāo)圍繞用戶生命周期拆解即“獲客→激活→留存→轉(zhuǎn)化→傳播”的AARRR模型。每一個(gè)環(huán)節(jié)設(shè)計(jì)一個(gè)或兩個(gè)核心指標(biāo)新增用戶數(shù)、注冊(cè)轉(zhuǎn)化率、次留率、首單轉(zhuǎn)化率、復(fù)購(gòu)率、分享率。精細(xì)化指標(biāo)下沉到商品和渠道層面比如各品類動(dòng)銷率、各渠道的ROI、高價(jià)值用戶占比等。這一層是為后續(xù)歸因和策略迭代服務(wù)的?；卮饡r(shí)最好帶一句“這套指標(biāo)體系會(huì)配合日?qǐng)?bào)/周報(bào)/月報(bào)更新不同層級(jí)的管理者看不同層級(jí)的指標(biāo)”這句話能讓面試官覺(jué)得你有落地思維。5.2 歸因分析題GMV下降了你怎么排查“某電商平臺(tái)本周GMV環(huán)比下降了10%請(qǐng)分析可能的原因。”這是我見(jiàn)過(guò)最高頻的業(yè)務(wù)分析題沒(méi)有之一。它的答題模板幾乎可以固化成條件反射先拆解公式GMV 流量 × 轉(zhuǎn)化率 × 客單價(jià)分別計(jì)算這三個(gè)指標(biāo)本周與上周的環(huán)比變化找出波動(dòng)最大的那一項(xiàng)如果是流量下降繼續(xù)拆渠道自然流量、搜索流量、廣告流量、活動(dòng)流量各自的變化如果是轉(zhuǎn)化率下降看是不是商品結(jié)構(gòu)變化、價(jià)格調(diào)整、評(píng)論區(qū)輿情、競(jìng)品促銷如果是客單價(jià)下降看是低價(jià)商品占比提升還是普遍降價(jià)結(jié)合時(shí)間節(jié)點(diǎn)看是否受節(jié)假日、季節(jié)性因素影響比如大促后的自然回落往往不是異常。這整套流程的核心是“先整體后部分、先數(shù)據(jù)后業(yè)務(wù)、先內(nèi)因后外因”。無(wú)論題目背景是什么行業(yè)這個(gè)歸因邏輯都能直接套用。5.3 AB實(shí)驗(yàn)題辛普森悖論是必考心魔AB實(shí)驗(yàn)是高級(jí)一點(diǎn)的業(yè)務(wù)題常見(jiàn)問(wèn)法包括“如何設(shè)計(jì)實(shí)驗(yàn)”“如何判斷實(shí)驗(yàn)結(jié)果是否顯著”?？疾熘匦囊呀?jīng)從“你知道什么是P值”上升到“你能不能在真實(shí)業(yè)務(wù)里做判斷”。我印象最深的一道題是“實(shí)驗(yàn)組整體轉(zhuǎn)化率低于對(duì)照組但按照用戶新老分層后每一層都是實(shí)驗(yàn)組更高請(qǐng)問(wèn)可能是什么原因”這就是典型的辛普森悖論總體趨勢(shì)與分組趨勢(shì)相反。根本原因是實(shí)驗(yàn)組和對(duì)照組中“新老用戶占比不一致”而新用戶的轉(zhuǎn)化率天生低于老用戶。如果實(shí)驗(yàn)組里新用戶占比過(guò)高就會(huì)把整體轉(zhuǎn)化率拉低。答題要點(diǎn)有兩個(gè)第一判斷實(shí)驗(yàn)結(jié)果時(shí)必須先看分層再看總體第二做實(shí)驗(yàn)分流時(shí)要把新老用戶、高活低活用戶分開(kāi)均勻分流否則結(jié)論會(huì)被結(jié)構(gòu)差異污染。5.4 業(yè)務(wù)發(fā)散題給一家烘焙連鎖店搭指標(biāo)這幾年筆試越來(lái)越喜歡出“跨行業(yè)業(yè)務(wù)題”比如“給一家烘焙連鎖店設(shè)計(jì)經(jīng)營(yíng)分析指標(biāo)體系”。這類題看著陌生其實(shí)考的還是那套框架。我的答法是先從門店維度拆單店日均銷售額、坪效、人效再?gòu)漠a(chǎn)品維度拆各品類銷售額占比、單品毛利率、滯銷品占比最后從用戶維度拆復(fù)購(gòu)率、會(huì)員占比、客單價(jià)。只要能展現(xiàn)出“自上而下拆解再自下而上匯總”的思維方式具體指標(biāo)是什么反而不是最重要的。6. 開(kāi)放題和項(xiàng)目復(fù)盤題結(jié)構(gòu)化表達(dá)比堆量重要到了這個(gè)環(huán)節(jié)工具題已經(jīng)不太能拉開(kāi)差距了閱卷人更關(guān)注你面對(duì)開(kāi)放性問(wèn)題的時(shí)候能不能有邏輯地表達(dá)觀點(diǎn)。6.1 開(kāi)放題的回答框架結(jié)論先行數(shù)據(jù)支撐行動(dòng)收尾開(kāi)放題沒(méi)有任何標(biāo)準(zhǔn)答案但回答的“形狀”是有高下之分的。低分回答通常是想到哪說(shuō)到哪先扯背景再說(shuō)一個(gè)淺層原因最后草草收尾。高分回答通常是“結(jié)論先行→列出依據(jù)→給出行動(dòng)建議→指出所需數(shù)據(jù)”四段式。舉個(gè)例子題目問(wèn)“某內(nèi)容社區(qū)的用戶日均使用時(shí)長(zhǎng)下滑你怎么分析”。低分回答“可能是內(nèi)容質(zhì)量下降了需要加強(qiáng)審核?！备叻只卮稹拔业慕Y(jié)論是該社區(qū)的核心用戶創(chuàng)作積極性下降導(dǎo)致內(nèi)容供給不足。依據(jù)一從內(nèi)容供給側(cè)看日均新增作品數(shù)環(huán)比下降10%其中優(yōu)質(zhì)創(chuàng)作者發(fā)布的占比下降更明顯依據(jù)二從消費(fèi)側(cè)看人均瀏覽內(nèi)容條數(shù)沒(méi)有明顯變化但完播率下降5%建議圍繞頭部創(chuàng)作者做召回激勵(lì)和內(nèi)容扶持為了驗(yàn)證這個(gè)結(jié)論還需要拉取創(chuàng)作者發(fā)布頻率的分布、最近活躍創(chuàng)作者占比等數(shù)據(jù)?！笨吹讲顒e了嗎高分回答里每一步都帶著具體的數(shù)據(jù)口徑和假設(shè)即便數(shù)據(jù)是編的也顯得你有分析框架。6.2 項(xiàng)目復(fù)盤題別把項(xiàng)目過(guò)程念成流水賬項(xiàng)目題通常不會(huì)直接讓你“介紹你做過(guò)的項(xiàng)目”而是追問(wèn)“你在項(xiàng)目中最難忘的異常發(fā)現(xiàn)是什么”。很多人會(huì)從頭到尾復(fù)述一遍項(xiàng)目流程比如“我當(dāng)時(shí)抓取了數(shù)據(jù)、清洗了數(shù)據(jù)、做了可視化……”這完全是在報(bào)流水賬。真正能拿分的講法是只挑一個(gè)完整的數(shù)據(jù)分析閉環(huán)來(lái)講——先說(shuō)明分析背景再說(shuō)你的假設(shè)然后說(shuō)你用了什么數(shù)據(jù)、什么方法驗(yàn)證最后說(shuō)驗(yàn)證結(jié)果是打臉了還是落地了帶來(lái)了什么業(yè)務(wù)影響。如果能把這個(gè)閉環(huán)里“踩坑、糾偏、再驗(yàn)證”的過(guò)程如實(shí)講出來(lái)比吹十個(gè)項(xiàng)目的效果都好。6.3 遇到不會(huì)的口徑或工具怎么盡量得分開(kāi)放卷子偶爾會(huì)有你沒(méi)見(jiàn)過(guò)工具名詞比如“用Spark做一份日志數(shù)據(jù)分析”但你只練過(guò)pandas。我的建議是不要空著先把思路寫清楚拆分?jǐn)?shù)據(jù)源、按時(shí)間粒度聚合、統(tǒng)計(jì)關(guān)鍵事件占比、輸出可視化結(jié)論。即使不寫具體代碼閱卷人也能看到你有分析方案。很多情況下分析思路的正確性比完整的Spark語(yǔ)法更重要因?yàn)閷?shí)際工作里你會(huì)有時(shí)間和文檔去查API但你的方法論肯定不是臨時(shí)能補(bǔ)的。6.4 統(tǒng)計(jì)概念題假設(shè)檢驗(yàn)和回歸別只背結(jié)論最近幾年的筆試題越來(lái)越喜歡問(wèn)統(tǒng)計(jì)基礎(chǔ)比如“P值是什么”“置信區(qū)間什么含義”“如何判斷兩個(gè)變量相關(guān)”。這類題看起來(lái)基礎(chǔ)但翻車率很高因?yàn)楹芏嗤瑢W(xué)只會(huì)背“P0.05拒絕原假設(shè)”這句話卻說(shuō)不清P值到底是什么意思。答題時(shí)可以這樣說(shuō)P值是在“原假設(shè)為真”的前提下觀察到當(dāng)前或更極端結(jié)果的概率。它表示數(shù)據(jù)與原假設(shè)的兼容程度而不是“原假設(shè)為真的概率”。這個(gè)概念澄清比單純背定義更能體現(xiàn)統(tǒng)計(jì)功底。7. 刷題之外的“最后一公里”錯(cuò)題復(fù)盤與作答策略學(xué)會(huì)題目本身的解法只是第一步真正讓你筆試表現(xiàn)穩(wěn)定的是刷題之外的那套“應(yīng)試習(xí)慣”。7.1 做題順序決定你的心態(tài)我個(gè)人的習(xí)慣是先花兩分鐘通讀全卷把題目按“工具題、業(yè)務(wù)題、開(kāi)放題”分類再根據(jù)分值分配時(shí)間。通常我會(huì)先做最有把握的Excel或SQL基礎(chǔ)題快速拿分建立信心中間做Python編程題這類題計(jì)算量適中可以在狀態(tài)最好的時(shí)候集中精力最后留足時(shí)間給業(yè)務(wù)分析題和開(kāi)放題因?yàn)檫@類題需要寫很多文字寫慢了會(huì)占掉大量時(shí)間。不要一上來(lái)就死磕難題。如果一道SQL題十分鐘還沒(méi)想出來(lái)果斷先跳過(guò)做完后面會(huì)的再回頭。數(shù)據(jù)分析筆試的及格線通常不高拿穩(wěn)基礎(chǔ)題就贏了大半。7.2 錯(cuò)題本怎么做才不算白做刷題的過(guò)程中一定要建錯(cuò)題本但別直接把題目和正確答案復(fù)制粘貼進(jìn)去。我的做法是每道錯(cuò)題記錄四欄——錯(cuò)題原題、我的錯(cuò)誤答案、錯(cuò)誤原因語(yǔ)法記錯(cuò)/思路偏差/業(yè)務(wù)背景不懂/時(shí)間不夠、正確思路的一句話總結(jié)?？记安豢丛}只看錯(cuò)誤原因和思路總結(jié)。比如“日期減行號(hào)能判斷連續(xù)性”“LEFT JOIN保留無(wú)匹配行”“透視表計(jì)算字段用于占比指標(biāo)”這些都是濃縮后的解題直覺(jué)。7.3 筆試題里的分析思路面試還能復(fù)用一個(gè)經(jīng)常被忽略的點(diǎn)是筆試結(jié)束不意味著題目作廢。你完全可以把筆試題里的業(yè)務(wù)場(chǎng)景、指標(biāo)體系和歸因邏輯整理成自己的“分析素材庫(kù)”面試被問(wèn)到“你平時(shí)怎么分析業(yè)務(wù)”時(shí)直接引用筆試題目里的框架來(lái)回答比你臨時(shí)組織語(yǔ)言要流暢得多。我有一次面試被問(wèn)到“怎么評(píng)估一個(gè)促銷活動(dòng)是否成功”直接借用了筆試?yán)锏囊坏阑顒?dòng)效果評(píng)估題的回答框架對(duì)比活動(dòng)前后GMV、剔除自然增長(zhǎng)基線、看用戶結(jié)構(gòu)增量、評(píng)估利潤(rùn)影響。面試官當(dāng)場(chǎng)點(diǎn)頭。7.4 保持手感每天15分鐘就夠備考階段不一定要每天做整套卷子但建議每天至少拿出15分鐘保持手感。今天寫一道窗口函數(shù)的SQL明天練習(xí)10分鐘pandas聚合后天用Excel看一遍數(shù)據(jù)透視表的操作路徑。數(shù)據(jù)分析筆試和任何技能考試一樣手感斷了就需要花雙倍時(shí)間重新?lián)炱饋?lái)持續(xù)的低強(qiáng)度輸入比考前突擊更可靠。最后說(shuō)一點(diǎn)我個(gè)人體會(huì)比較深的事情數(shù)據(jù)分析筆試表面上在考工具和邏輯本質(zhì)上在考一個(gè)人“遇見(jiàn)陌生問(wèn)題時(shí)能不能保持結(jié)構(gòu)化思考”的底層能力。我不止一次看到SQL寫得溜、Python代碼漂亮的候選人在業(yè)務(wù)分析題上東拉西扯最后敗下陣來(lái)。反過(guò)來(lái)那些筆試成績(jī)穩(wěn)定的人往往都是把“拆解-驗(yàn)證-表達(dá)”這條鏈路練成了肌肉記憶的人。希望這份整理能幫你在下一次筆試前少一點(diǎn)迷茫多一分把握。