📊 18-数据分析:业务指标 / 数据处理 / 留存漏斗 / RFM / 实验回归 / 面试八股¶
数据分析岗 = 用数据回答业务问题:取数 → 清洗 → 描述 → 归因 → 实验 → 建议。 与 17-数据科学(统计推断 / AB 实验 / 因果推断)互补:本模块侧重业务分析视角—— 指标口径(DAU/留存/转化/ARPU/GMV)、数据处理与聚合(pandas/SQL)、留存同期群、 漏斗转化、RFM 用户分层、SQL 进阶取数、AB 实验业务落地、可视化规范、相关回归、 时序指标监控、综合商业案例,以及数据分析岗高频面试题。
面向秋招画像:数据分析师 / 商业分析 / 经营分析 / 策略运营 / 增长分析 岗位。 与 00-数学基础(描述统计)、05-八股与工程(SQL/工程基础)、17-数据科学(统计检验/AB 实验/因果)直接衔接。
🖼️ 配图与深化:教学 notebook 全部基于 numpy/pandas/matplotlib/scipy/sklearn/sqlite3,自包含可执行, 含断言与数值对照(手写 vs 库实现、pandas vs SQLite);绘图统一中文字体并显式
plt.show()。
知识地图(面试考察的十块)¶
数据分析考点
├── 1. 业务指标 DAU/MAU · 留存率/LTV · 转化率 · ARPU/ARPPU · GMV 拆解 · 北极星指标
├── 2. 数据处理 pandas 清洗(缺失/重复/离群/类型)· groupby/agg · 透视表 · merge
├── 3. 留存分析 同期群(Cohort)矩阵 · 留存曲线 · 留存口径与误区
├── 4. 漏斗与转化 分层转化率/流失率 · 整体转化率 · 渠道漏斗对比 · 定位短板
├── 5. 用户分层 RFM(R/F/M 打分)· 八类分层 · 分层运营动作
├── 6. SQL 与数仓 窗口函数(三种排名/top-N/连续登录/留存SQL/行列转换/LAG) · 数仓取数规范
├── 7. 实验与统计 AB 实验(z/t检验/样本量/AA/SRM/peeking) · 相关(皮尔逊/斯皮尔曼) · 回归(OLS/R²/共线性)
├── 8. 可视化 7 类常用图 · 选型原则 · 可视化陷阱 · 交付规范
├── 9. 指标体系 北极星→一级/二级→过程指标树 · OSM · AARRR · 指标字典 · 埋点校验 · 数仓分层
└── 10. 综合能力 时序指标监控(3σ预警) · 商业案例分析框架 · 面试模拟(STAR/费米估算) · 汇报表达
学习路线(推荐顺序)¶
- 打底(00):业务指标与描述性统计——均值/中位数/方差/IQR 手写 vs numpy、DAU/留存/转化/ARPU/GMV ✅
- 数据基本功(01-02):数据清洗(缺失/重复/离群/类型)→ 分组聚合与透视表(手写 groupby vs pandas、复购率、top-N)✅
- 分析方法(03-05):留存同期群矩阵与留存曲线 → 漏斗分析与转化率(定位最大流失环节)→ RFM 用户分层与运营动作 ✅
- SQL 与取数(07):窗口函数三排名 / 组内 top-N / 连续登录 / 留存 SQL / 行列转换 / 环比·同比 / 取数规范 ✅
- 实验与建模(08-10):AB 实验业务落地(z/t 检验、样本量、AA/SRM、peeking)→ 数据可视化规范 → 相关与回归分析(OLS/R²/共线性)✅
- 体系与框架(13):北极星→指标树、OSM/AARRR、指标字典、埋点质量校验、数仓分层 ✅
- 综合冲刺(06、11-12、14):时序指标监控(3σ 预警)→ 商业分析综合案例 → 面试模拟(追问链/费米估算/STAR/开放题)→ 数据分析面试八股 ✅
教学 Notebook 索引(15 篇,全部通过 nbclient 执行验证)¶
| 笔记 | 核心手写/演示 | 状态 |
|---|---|---|
| 00-业务指标与描述性统计 | 均值/中位数/方差/IQR 手写 vs numpy、离群值陷阱、DAU/留存/ARPU、GMV 拆解、直方图 | ✅ |
| 01-数据清洗与预处理 | 缺失值填充、日期统一、重复删除、z-score/IQR 离群检测、字符串清理与分箱 | ✅ |
| 02-分组聚合与透视表 | 手写 groupby vs pandas、多聚合、透视表热力图、复购率、组内 top-N | ✅ |
| 03-留存分析与同期群 | 同期群矩阵、留存曲线、A/B 版本留存对比、口径误区 | ✅ |
| 04-漏斗分析与转化率 | 相邻层/整体转化率、流失率、漏斗图、渠道漏斗对比定位短板 | ✅ |
| 05-用户画像与RFM分层 | R/F/M 打分、八类分层、价值矩阵散点、分层运营建议 | ✅ |
| 06-数据分析面试八股与高频题 | 指标 15 连问 + 统计 15 连问 + SQL 手撕(sqlite3)+ pandas 手撕 + 日活下降案例 + 业务 15 连问 | ✅ |
| 07-SQL进阶与数仓取数 | ROW_NUMBER/RANK/DENSE_RANK、组内 top-N、连续登录、留存 SQL、行列转换、LAG 环比、取数规范 | ✅ |
| 08-AB实验与显著性检验 | z 检验(两比例)、t 检验、样本量估算、AA/SRM 校验、peeking 假阳性演示、实验六步流程 | ✅ |
| 09-数据可视化与图表规范 | 折线/柱状/直方/箱线/散点/热力/漏斗七图、可视化陷阱(截断 Y 轴)、交付规范 | ✅ |
| 10-相关与回归分析 | 皮尔逊/斯皮尔曼手写 vs scipy、一元 OLS 手写 vs sklearn、正规方程多元回归、R²、多重共线性 | ✅ |
| 11-时间序列与指标监控 | 趋势/季节/噪声、移动平均、环比/同比、3σ 滚动异常检测(防窗口污染)、监控看板五维度 | ✅ |
| 12-商业分析综合案例 | 收入下滑案例:口径确认→拆解→渠道/品类下钻→假设验证→结论建议→汇报表达 | ✅ |
| 13-指标体系与埋点设计 | 北极星→指标树、OSM/AARRR、指标字典、埋点事件×属性、四类质量校验、数仓四层 | ✅ |
| 14-面试模拟与开放题 | 追问链还原、费米估算、GMV 增量估算、STAR 项目表达、开放题速答、一分钟自我介绍 | ✅ |
与其他章节衔接¶
| 本模块主题 | 前置章节 | 衔接说明 |
|---|---|---|
| 描述统计 / 分布 / 离群值 | 00-数学基础 02-概率论与统计 | 那边打概率分布、期望方差基础,本模块补业务口径与描述技巧 |
| z/t 检验 / 显著性 / 样本量 | 17-数据科学 00-统计推断与假设检验 · 01-AB实验 | 本模块讲业务视角的检验落地与六大流程,统计推导与 CUPED/GAUC 交给 17 |
| SQL 取数 / 工程基础 | 13-编程语言 · 05-八股与工程 | 数据分析师日常取数的工程基础 |
| 趋势监控 / 异常识别 | 11-时间序列 06-评估与异常检测 | 本模块用 3σ/移动平均做业务监控,序列建模与评估交给时间序列模块 |
| 业务增长 / 实验评估 | 17-数据科学 | 数据分析(业务视角)→ 数据科学(统计/因果视角)的进阶路径 |
| 回归 / 特征 | 02-机器学习 02-线性回归 | 本模块从分析角度讲 OLS 与解读,建模调参交给机器学习模块 |
面试高频题型(详见 高频面试题.md)¶
- 指标口径类:DAU/MAU、留存率(分母陷阱)、转化率、ARPU/ARPPU、GMV 拆解、北极星指标
- 数据处理类:缺失值处理方式与取舍、离群值判据(z-score/IQR)、去重、透视表、top-N
- 分析方法类:同期群怎么算、漏斗怎么定位流失、RFM 怎么打分分层、辛普森悖论
- SQL 类:三种排名区别、组内 top-N、连续登录、留存 SQL、行列转换、LAG 环比
- 实验类:样本量、AA/SRM、peeking、护栏指标、显著性 vs 效应量
- 回归类:皮尔逊 vs 斯皮尔曼、OLS 闭式解、R²、多重共线性、回归 ≠ 因果
- 指标体系类:北极星怎么选、OSM/AARRR、指标字典与口径冲突、埋点质量校验、数仓分层
- 开放题类:费米估算(人口×渗透×频次)、GMV 增量估算、STAR 项目表达、追问链
- 案例类:日活下降怎么排查、收入下滑怎么定位、活动效果怎么评估、新功能怎么验证
验收标准¶
- [ ] 能口述完整指标口径:DAU/MAU、留存率、转化率、ARPU、GMV,并说清各自「分母」与易错点
- [ ] 能手写均值/中位数/方差/IQR 并与 numpy 对照,识别离群值陷阱
- [ ] 能用 pandas 完成一整套清洗(缺失/重复/离群/类型)并断言结果
- [ ] 能手写 groupby(分组→聚合→合并)并说明它与透视表的区别
- [ ] 能算出同期群留存矩阵、画出留存曲线,并解释口径误区
- [ ] 能定位漏斗最大流失环节,并用渠道对比找出短板层
- [ ] 能独立完成 RFM 打分与八类分层,并给出运营动作
- [ ] SQL 手撕 6 题(三排名/top-N/连续登录/留存/行列转换/环比)能现场完成
- [ ] 能手写两比例 z 检验与 t 检验,能讲清样本量依赖关系与 peeking 陷阱
- [ ] 能手写皮尔逊 r 与一元 OLS,能讲清 R² 与多重共线性
- [ ] 能画出七种常用图表并识别可视化陷阱
- [ ] 能用 3σ 滚动窗口做异常检测并解释防污染处理
- [ ] 能从北极星推导指标树,能用 OSM/AARRR 回答「怎么评估某功能」
- [ ] 能设计埋点事件×属性并手写四类质量校验
- [ ] 能讲清数仓四层职责与常见追问
- [ ] 能按「口径→拆解→下钻→验证→建议」框架完成商业案例分析
- [ ] 能用费米问题拆解估算题,能用 STAR 讲项目,能应对追问链
- [ ] 高频题清单 110+ 题;pandas/SQL 手撕可现场完成