跳转至

🎯 18-数据分析 · 高频面试题清单

配套 18-数据分析/README.md。目标:不看资料能讲出口径、方法与案例。 建议配合 教学/06-数据分析面试八股与高频题.ipynb 刷题与手撕。

使用建议

  • [ ] 第一遍:快速扫读,划出不会的题;
  • [ ] 第二遍:每题先自己想 30 秒,再对照要点;
  • [ ] 第三遍:模拟面试,把答案讲出来(讲≠想)。

一、指标口径题(15 题)

  • [ ] 1. DAU / MAU / WAU 的定义与使用场景?DAU/MAU 之比代表什么?
  • [ ] 2. 留存率有哪几种口径(新增留存 / 活跃留存 / 次日 / 7 日 / 30 日)?分母各是什么?
  • [ ] 3. 转化率的口径怎么定?「曝光→点击→下单→支付」每层漏斗各是什么转化率?
  • [ ] 4. ARPU 与 ARPPU 的区别?什么时候用哪个?
  • [ ] 5. GMV 怎么拆解?请写出流量 × 转化率 × 客单价的完整链条。
  • [ ] 6. 什么是北极星指标?怎么选?举例说明。
  • [ ] 7. LTV 与 CAC 怎么算?LTV/CAC 大于多少算健康?
  • [ ] 8. 复购率怎么定义?与「回购率」「复购频次」有什么区别?
  • [ ] 9. 什么是同期群(Cohort)?它解决什么问题?
  • [ ] 10. 同比与环比的区别?什么时候不能用同比?
  • [ ] 11. 活跃用户、新增用户、回流用户的定义?三者与 DAU 的关系?
  • [ ] 12. 埋点是什么?前端埋点 vs 后端埋点各有什么问题?
  • [ ] 13. 什么是漏斗?漏斗每层的人数口径为什么要一致?
  • [ ] 14. 指标口径不统一会带来什么问题?如何治理?
  • [ ] 15. 什么是「指标方差/波动」?为什么看日均而不是单日?

二、统计与描述题(15 题)

  • [ ] 16. 均值、中位数、众数的关系?什么时候用中位数?
  • [ ] 17. 为什么说均值对离群值敏感?举个业务例子。
  • [ ] 18. 方差和标准差衡量什么?n 与 n-1 的区别?
  • [ ] 19. IQR 是什么?1.5×IQR 规则怎么用?
  • [ ] 20. z-score 是什么?|z|>2 或 3 意味着什么?
  • [ ] 21. 什么是 CLT?为什么数据分析常用它?
  • [ ] 22. 置信区间的含义?95% 置信区间能说「有 95% 概率包含真值」吗?
  • [ ] 23. p 值的正确定义?常见误解有哪些?
  • [ ] 24. 一类错误与二类错误?功效(power)是什么?
  • [ ] 25. t 检验与 z 检验的区别?卡方检验做什么?
  • [ ] 26. 相关与因果的区别?举例说明「相关≠因果」。
  • [ ] 27. 皮尔逊相关系数与 Spearman 的区别?
  • [ ] 28. 什么是多重比较问题?Bonferroni 与 BH-FDR 的取舍?
  • [ ] 29. 正态性检验有哪些?非正态数据怎么办?
  • [ ] 30. 描述统计的完整流程是什么?(数据→清洗→描述→可视化→结论)

三、数据处理题(10 题)

  • [ ] 31. 缺失值有哪些类型(MCAR/MAR/MNAR)?各怎么处理?
  • [ ] 32. 平均值填充 vs 中位数填充 vs 前向填充,各适用什么场景?
  • [ ] 33. 重复数据怎么识别和删除?drop_duplicates 的 keep 参数?
  • [ ] 34. 离群值怎么检测?业务上怎么决定删/留/改?
  • [ ] 35. 类型转换有哪些坑(字符串数字、日期格式)?
  • [ ] 36. groupby 的原理?groupby(...).agg 与 pivot_table 的区别?
  • [ ] 37. merge 的四种 join(inner/left/right/outer)什么时候用?
  • [ ] 38. 什么是数据透视表?适用场景?
  • [ ] 39. 数据质量怎么评估?(完整性、准确性、一致性、及时性)
  • [ ] 40. 大数据量下 pandas 太慢怎么办?(类型优化、分块、向量化)

四、分析方法题(10 题)

  • [ ] 41. 留存分析为什么要用同期群?混合口径有什么问题?
  • [ ] 42. 留存曲线常见形态(L 型 / 微笑型 /)各说明什么?
  • [ ] 43. 漏斗分析怎么定位最大流失环节?下一步怎么排查?
  • [ ] 44. 渠道 AB 对比怎么做?什么是辛普森悖论?
  • [ ] 45. RFM 三个维度各代表什么?阈值怎么定(分位数/业务经验)?
  • [ ] 46. RFM 八类分层分别怎么运营?有什么局限?
  • [ ] 47. 用户分层还有哪些方法(行为分层/价值分层/生命周期)?
  • [ ] 48. 什么是欺诈/异常行为识别在数据分析中的应用?
  • [ ] 49. 指标体系怎么搭建(北极星 → 一级 → 二级 → 过程指标)?
  • [ ] 50. 什么是归因分析?简单归因 vs 多触点归因?

五、业务案例题(10 题)

  • [ ] 51. 某 App 日活下降 8%,怎么排查?(口径 → 拆解 → 假设 → 验证 → 结论)
  • [ ] 52. 新功能上线,怎么评估效果?(AB 实验 + 留存/转化/满意度)
  • [ ] 53. 大促活动做完了,怎么看活动效果?(增量 vs 自然基线)
  • [ ] 54. 某渠道增长很快但留存差,怎么分析?
  • [ ] 55. 怎么测算一个功能对 GMV 的贡献?
  • [ ] 56. 老板问「为什么这个月收入降了」,你怎么查?
  • [ ] 57. 怎么评估会员体系的价值?
  • [ ] 58. 如何做用户画像?画像怎么用于运营?
  • [ ] 59. 数据报表需求太多怎么排优先级?(影响面 / 频率 / 紧急度)
  • [ ] 60. 和业务方意见不一致怎么推进?(数据说话 + 沟通技巧)

六、SQL 手撕题(8 题)

  • [ ] 61. 按城市统计订单量与销售额(GROUP BY + SUM/COUNT)
  • [ ] 62. 找出复购用户(HAVING COUNT(*) >= 2)
  • [ ] 63. 每个用户的最大订单金额(分组 top-1)
  • [ ] 64. 各品类的销售额 top-2 城市(窗口函数 ROW_NUMBER)
  • [ ] 65. 连续登录天数(日期排序差值分组)
  • [ ] 66. 次日留存率(JOIN 活跃表 + 口径核算)
  • [ ] 67. 行列转换(行转列 / 列转行)
  • [ ] 68. 计算同比/环比(LAG 窗口函数)

七、pandas 手撕题(5 题)

  • [ ] 69. 用 pandas 复现「按城市聚合」并断言结果
  • [ ] 70. 缺失值 + 离群值一键清洗函数
  • [ ] 71. 计算每用户复购次数
  • [ ] 72. 透视表生成 城市×品类 矩阵
  • [ ] 73. 时间序列按日聚合(resample)

八、SQL 进阶题(8 题)

  • [ ] 74. ROW_NUMBER / RANK / DENSE_RANK 的区别?并列时各跳几个号?
  • [ ] 75. 窗口函数的执行顺序(WHERE → GROUP BY → HAVING → 窗口 → SELECT → ORDER BY)?
  • [ ] 76. 求每个分组内 top-N 有几种写法(窗口函数子查询 / 相关子查询)?
  • [ ] 77. 连续登录天数题目的核心技巧(日期-行号=分组键)?为什么?
  • [ ] 78. 留存率 SQL 的分母是什么?次日留存与 7 日留存的写法差异?
  • [ ] 79. 行转列除了 CASE WHEN 还有哪些方式(PIVOT / 自连接)?
  • [ ] 80. LAG/LEAD 与 FIRST_VALUE/LAST_VALUE 的区别?
  • [ ] 81. COUNT(*) vs COUNT(col) vs COUNT(DISTINCT col) 的区别?NULL 如何处理?

九、实验与统计题(10 题)

  • [ ] 82. 两比例 z 检验的统计量公式?p 值怎么解释?
  • [ ] 83. t 检验与 z 检验的适用场景区别?
  • [ ] 84. 样本量估算的公式与依赖关系(α、β、MDE、σ)?
  • [ ] 85. 什么是 AA 检验?什么是 SRM?异常时怎么处理?
  • [ ] 86. 什么是 peeking 问题?为什么事前定样本量重要?
  • [ ] 87. 显著性(p<0.05)≠ 业务可接受,为什么?看效应量和置信区间?
  • [ ] 88. 什么是辛普森悖论?在 AB 实验中怎么避免?
  • [ ] 89. 什么是护栏指标?为什么除了主指标还要看护栏指标?
  • [ ] 90. 实验分组有哪些方式(用户级/设备级)?互斥与正交?
  • [ ] 91. 长周期实验怎么做(如留存实验)?有什么坑?

十、回归与相关题(8 题)

  • [ ] 92. 皮尔逊相关系数的公式与取值范围?什么情况下失效?
  • [ ] 93. 皮尔逊 vs 斯皮尔曼?什么时候用秩相关?
  • [ ] 94. 一元线性回归的最小二乘闭式解(α、β)推导?
  • [ ] 95. 正规方程 β=(XᵀX)⁻¹Xᵀy 的推导思路?为什么要求 XᵀX 可逆?
  • [ ] 96. R² 的定义?R² 高就说明模型好吗?为什么?
  • [ ] 97. 什么是多重共线性?危害?怎么检测(VIF>10)?
  • [ ] 98. 回归系数怎么解读「控制其他变量」?量纲影响?
  • [ ] 99. 相关 ≠ 因果,举例说明;什么时候回归可以做因果判断?

十一、可视化与表达题(6 题)

  • [ ] 100. 「想表达趋势/对比/分布/关系/结构/流程」各选什么图?
  • [ ] 101. 饼图为什么被建议少用?
  • [ ] 102. 截断 Y 轴的危害?双 Y 轴什么时候禁用?
  • [ ] 103. 一张好图表的基本要素(标题/单位/图例/注释/颜色语义)?
  • [ ] 104. 如何在图表中体现「关键结论」?
  • [ ] 105. 3σ 异常检测的原理与参数?为什么窗口要前移(防污染)?

十二、职业素养与综合题(6 题)

  • [ ] 106. 数据分析和数据科学、商业分析的区别?
  • [ ] 107. 一个需求来了,你的分析流程是什么?(理解 → 口径 → 拆解 → 验证 → 呈现)
  • [ ] 108. 和业务方对指标口径有分歧怎么处理?
  • [ ] 109. 什么情况下你会拒绝一个数据分析需求?
  • [ ] 110. 你怎么保证分析结论不被「幸存者偏差」误导?
  • [ ] 111. 你在项目里最有成就感的分析是什么?(讲 STAR 结构)

十三、指标体系与埋点题(8 题)

  • [ ] 112. 什么是北极星指标?怎么选?和一级/二级/过程指标什么关系?
  • [ ] 113. OSM 模型怎么用?举例说明(目标→策略→度量)。
  • [ ] 114. AARRR 五阶段各自对应什么指标?
  • [ ] 115. 指标口径冲突怎么解决?指标字典里有哪些字段?
  • [ ] 116. 怎么保证埋点数据质量?(校验维度、前后端双埋点、命名规范)
  • [ ] 117. 数据仓库为什么分层?ODS/DWD/DWS/ADS 各做什么?
  • [ ] 118. 拿到一个全新业务,怎么在 1 周内搭出指标体系?
  • [ ] 119. 看板怎么设计?北极星放哪、下钻怎么留、预警怎么配?

十四、开放估算题与面试题(7 题)

  • [ ] 120. 估算「某城市一天卖出多少杯咖啡」?(费米问题拆解)
  • [ ] 121. 提升 1pp 转化率能带来多少收入增量?
  • [ ] 122. 估算「抖音的日活用户数」?
  • [ ] 123. 估算「一个县城一年卖出多少台电动车」?
  • [ ] 124. STAR 原则讲一个完整项目(各段 1-2 句、结果量化)
  • [ ] 125. 面试官问「你最大的缺点」,怎么答?
  • [ ] 126. 一分钟自我介绍怎么编排(三段式 + 亮点 + 岗位动机)?

附:90 秒背诵骨架

指标:DAU/MAU(粘性)、留存(分口径)、转化(分层)、ARPU/ARPPU、GMV=流量×转化×客单价、LTV/CAC>3。 统计:均值<中位数=左偏>;z-score、1.5×IQR 查离群;p 值是「H0 成立时观测到这么极端结果的概率」。 方法:同期群看结构、漏斗找流失、RFM 分层做运营、辛普森悖论看混杂、AA/SRM 查分流、peeking 抬假阳性。 SQL:ROW_NUMBER 去重、RANK 跳号、DENSE_RANK 不跳;日期-行号=连续组;留存 SQL 记牢分母。 建模:皮尔逊量线性、斯皮尔曼量单调;OLS 闭式解、R² 看拟合、VIF 查共线;回归≠因果。 体系:北极星→一级/二级→过程指标树;OSM 答「怎么评估」;AARRR 答「全生命周期」;埋点四校验(缺失/重复/命名/时间);数仓 ODS→DWD→DWS→ADS。 估算:人口 × 渗透率 × 频次 × 单价,量级合理即可;GMV=流量×转化×客单价。 案例框架:先问口径 → 拆指标 → 拆时间/渠道/版本 → 给假设 → 数据验证 → 结论与建议。

教程来源:Akun-python/autumn-recruitment。 MIT 许可证全文。