🎤 14 · 数据分析岗面试模拟与开放题¶
最后一步是「把会的东西讲出来」。本节做三件事:模拟面试官追问链、开放估算题(费米问题)、STAR 项目表达,并用手写代码把估算题算出来。
📋 本节要解决的问题¶
| # | 问题 | 方法 |
|---|---|---|
| 1 | 面试官会怎么追问? | 追问链还原 |
| 2 | 「估算抖音日活」怎么做? | 费米问题拆解 |
| 3 | 项目经历怎么讲? | STAR 结构 |
| 4 | 开放题怎么回答不跑题? | 框架先行 |
Copied!
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'PingFang SC', 'Noto Sans CJK SC', 'Arial Unicode MS']
matplotlib.rcParams['axes.unicode_minus'] = False
import numpy as np
import pandas as pd
rng = np.random.default_rng(42)
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'PingFang SC', 'Noto Sans CJK SC', 'Arial Unicode MS']
matplotlib.rcParams['axes.unicode_minus'] = False
import numpy as np
import pandas as pd
rng = np.random.default_rng(42)
1️⃣ 模拟面试:追问链还原(示例)¶
Q1:如果你发现某 App 次日留存率下降了 2 个百分点,怎么分析?
- A1(提纲):先确认口径与数据质量 → 拆新增/回流/老客留存 → 分渠道/版本/城市 → 对比历史与竞品 → 给假设验证。
- 追问 1:怎么确认不是埋点问题?→ 前后端埋点交叉、样本抽样核对、双写对比。
- 追问 2:渠道维度发现问题最大在广告渠道,然后呢?→ 查广告素材/落地页/人群包/出价策略变化,与投放同学对齐。
- 追问 3:如果版本维度显示新版本留存差,怎么进一步验证?→ 灰度放量对比、功能点漏斗下钻、用户访谈佐证。
- 追问 4:给你 3 天,输出什么?→ 根因假设 + 证据 + 上线实验方案 + 监控告警。
2️⃣ 开放估算题:费米问题拆解¶
Copied!
# 题目:估算「某城市一天的咖啡销量」
# 拆解:人口 × 咖啡人群占比 × 日均杯数
population = 25_000_000 # 某城市常住人口
coffee_ratio = 0.15 # 喝咖啡人群占比(都市白领/学生等,拍脑袋但合理)
cups_per_day = 1.2 # 该人群日均杯数
est = population * coffee_ratio * cups_per_day
print(f'估算日销量 = {population:,} × {coffee_ratio} × {cups_per_day} = {est:,.0f} 杯 ≈ {est/1e4:,.0f} 万杯')
# 验证量级:每杯 300ml,总水量
print(f'对应每日咖啡总量 ≈ {est*0.3/1000:,.0f} 吨')
print('\n➡️ 费米问题要点:拆分到可估算的因子、量级合理即可、别纠结精确值')
# 题目:估算「某城市一天的咖啡销量」
# 拆解:人口 × 咖啡人群占比 × 日均杯数
population = 25_000_000 # 某城市常住人口
coffee_ratio = 0.15 # 喝咖啡人群占比(都市白领/学生等,拍脑袋但合理)
cups_per_day = 1.2 # 该人群日均杯数
est = population * coffee_ratio * cups_per_day
print(f'估算日销量 = {population:,} × {coffee_ratio} × {cups_per_day} = {est:,.0f} 杯 ≈ {est/1e4:,.0f} 万杯')
# 验证量级:每杯 300ml,总水量
print(f'对应每日咖啡总量 ≈ {est*0.3/1000:,.0f} 吨')
print('\n➡️ 费米问题要点:拆分到可估算的因子、量级合理即可、别纠结精确值')
估算日销量 = 25,000,000 × 0.15 × 1.2 = 4,500,000 杯 ≈ 450 万杯 对应每日咖啡总量 ≈ 1,350 吨 ➡️ 费米问题要点:拆分到可估算的因子、量级合理即可、别纠结精确值
3️⃣ 开放估算题:GMV upside 估算¶
Copied!
# 题目:提升 1pp 转化率能带来多少收入增量?
# 月均 UV × 转化率 × 客单价
uv = 5_000_000 # 月 UV
conv = 0.02 # 当前转化率
aov = 150 # 客单价
gmv_now = uv * conv * aov
gmv_up = uv * (conv + 0.01) * aov
delta = gmv_up - gmv_now
print(f'当前月 GMV: {gmv_now/1e6:.1f} 百万')
print(f'转化率 +1pp 后: {gmv_up/1e6:.1f} 百万')
print(f'月增量: {delta/1e6:.1f} 百万(+{delta/gmv_now:.0%})')
assert delta == uv * 0.01 * aov
print('\n✅ 拆解到「流量 × 转化 × 客单价」即可快速估算')
# 题目:提升 1pp 转化率能带来多少收入增量?
# 月均 UV × 转化率 × 客单价
uv = 5_000_000 # 月 UV
conv = 0.02 # 当前转化率
aov = 150 # 客单价
gmv_now = uv * conv * aov
gmv_up = uv * (conv + 0.01) * aov
delta = gmv_up - gmv_now
print(f'当前月 GMV: {gmv_now/1e6:.1f} 百万')
print(f'转化率 +1pp 后: {gmv_up/1e6:.1f} 百万')
print(f'月增量: {delta/1e6:.1f} 百万(+{delta/gmv_now:.0%})')
assert delta == uv * 0.01 * aov
print('\n✅ 拆解到「流量 × 转化 × 客单价」即可快速估算')
当前月 GMV: 15.0 百万 转化率 +1pp 后: 22.5 百万 月增量: 7.5 百万(+50%) ✅ 拆解到「流量 × 转化 × 客单价」即可快速估算
4️⃣ STAR 项目表达¶
Copied!
star = pd.DataFrame([
('S 情境', '业务背景:某电商 Q3 收入下滑 15%,目标找出主因并挽回'),
('T 任务', '两周内输出归因分析并给出可执行建议'),
('A 行动', '清理 90+ 维度数据;按渠道×品类×用户三轴下钻;交叉验证广告断投假设;搭建日监控'),
('R 结果', '定位广告渠道收缩为主因,复投后次月收入回升 9%;沉淀指标字典与监控看板'),
], columns=['要素', '内容'])
print(star.to_string(index=False))
print('\n➡️ 每段 1-2 句话;R 要可量化;讲完后自问:面试官会追问哪一步?')
star = pd.DataFrame([
('S 情境', '业务背景:某电商 Q3 收入下滑 15%,目标找出主因并挽回'),
('T 任务', '两周内输出归因分析并给出可执行建议'),
('A 行动', '清理 90+ 维度数据;按渠道×品类×用户三轴下钻;交叉验证广告断投假设;搭建日监控'),
('R 结果', '定位广告渠道收缩为主因,复投后次月收入回升 9%;沉淀指标字典与监控看板'),
], columns=['要素', '内容'])
print(star.to_string(index=False))
print('\n➡️ 每段 1-2 句话;R 要可量化;讲完后自问:面试官会追问哪一步?')
要素 内容 S 情境 业务背景:某电商 Q3 收入下滑 15%,目标找出主因并挽回 T 任务 两周内输出归因分析并给出可执行建议 A 行动 清理 90+ 维度数据;按渠道×品类×用户三轴下钻;交叉验证广告断投假设;搭建日监控 R 结果 定位广告渠道收缩为主因,复投后次月收入回升 9%;沉淀指标字典与监控看板 ➡️ 每段 1-2 句话;R 要可量化;讲完后自问:面试官会追问哪一步?
5️⃣ 开放题高频清单(速答骨架)¶
- 你最近做的分析:STAR + 结论先行 + 一个量化结果
- 你怎么理解数据分析的价值:把业务问题翻译成数据问题 → 洞察 → 决策依据 → 落地验证
- 业务方要一个不合理报表:先确认真实诉求 → 给最小可用方案 → 说清口径与成本
- 指标打架怎么办:指标字典 + 单一数据源 + 拉齐口径再开会
- 怎么学新行业:业务链路 → 核心指标 → 埋点/数据 → 典型分析案例 → 专家访谈
- 你最大的缺点:选真实的、正在改进的(如:初期重技术轻业务,现在先问 why 再取数)
6️⃣ 一分钟自我介绍模板¶
面试官好,我是 X,XX 专业。过去两年我主要做三件事: ① 指标体系:为 X 业务搭建北极星→漏斗→分层指标体系,沉淀指标字典; ② 专题分析:完成 X 次专题(留存改善/收入归因/活动评估),其中 X 带来 XX 提升; ③ 工具落地:用 SQL/pandas 搭建自动化报表,把取数时间从 X 降到 Y。 目前希望深入 X 方向(如实验科学/用户增长分析),也关注贵司 XX 业务,所以投了这个岗位。
📝 自测清单¶
- 能把「留存下降/收入下滑」类问题讲出 4 层追问链
- 能用费米问题框架拆解任意估算题(人口×渗透×频次)
- 能手写 GMV 增量估算并讲清因子
- 能用 STAR 讲一个完整项目(各段 1-2 句、结果量化)
- 能背出开放题速答骨架与一分钟自我介绍