01 数分笔试与面试
春招刚刚结束，日常实习的投递也已经拉开了序幕，虽然夏天快要来了，但是仍然还是感受到了求职过程中拔凉拔凉的心情。在竞争激烈的数据分析岗位求职中，面试和笔试是无法避免的关卡，它们是你数分知识的一个总结，更是展现你专业能力和解决问题的能力的临门一脚。今天，我们就来聊聊数据分析求职中面试和笔试，并分享一些经典题目和应对策略，帮助大家在环境不好的情况下拿到自己心仪的Offer。
一般来说很多公司会先有笔试环节，笔试通过之后才会有面试环节。但也不一定，有的公司会把面试环节和笔试环节融合到一起。在面试的时候问一些笔试中考察的问题。但是无论在是什么样的形式，面试和笔试考察的点还是有一些区别的。
在笔试中，最重要的当然是SQL题啦！SQL作为数据分析的重要工具，掌握好它对你的求职至关重要。所以，务必多练习，熟练掌握各种SQL语句，让自己在笔试中游刃有余！
在面试中，最重要的考察点就是业务题了！招聘方希望通过这些题目了解你对业务的理解和解决问题的能力。所以，不要只盯着技术，多关注业务场景，形成自己的独特见解，这会让你在面试中脱颖而出！
SQL题：挑战复杂的表连接和窗口函数
SQL题目的难度往往取决于题目设定的复杂程度，而复杂的表连接和窗口函数是其中的重要部分。招聘方希望通过这些题目考察你对数据的处理和分析能力，以及解决实际问题的能力。
表连接是SQL中常用的操作之一，通过连接不同的数据表，我们可以获取更加丰富和准确的数据。在实际的数据分析工作中，经常需要处理多个数据源，因此对于不同类型的表连接操作必须熟练掌握。
窗口函数是SQL中的高级功能之一，它可以对查询结果进行更加灵活和复杂的处理。常见的窗口函数包括排名函数、累积函数等，它们可以帮助我们进行数据的分组、排序和统计，从而更好地理解数据的特征和趋势。
举个例子，一个复杂的SQL题目可能是：“现有一张记录用户进入和离开直播间时间明细信息的表，请计算直播间的最大在线人数。”
在解答这类问题时，需要你灵活运用各种表连接和窗口函数，编写出高效且准确的SQL语句。这不仅考验了你的SQL技术功底，更考验了你解决问题的思维和方法。
业务题：考察业务理解和分析思路方法
业务题是面试中最重要的考察点之一。招聘方希望通过这些题目了解你对行业的理解程度，以及解决实际业务问题的能力。这些题目通常是基于真实的业务场景，要求你结合数据进行分析，给出合理的解决方案。
举个例子，假设你申请的是O2O行业的数据分析岗位，一个常见的业务题目可能是：“最近一段时间内美团外卖的订单量出现了异常波动，请分析可能导致订单异常的因素，并提出策略和方案。”
在回答这类问题时，除了展现出你对数据分析方法的熟练掌握外，更要注重你的业务洞察力和解决问题的能力。因此，所以需要平时多了解一些行业动态，积累业务知识，形成自己独特的思考方式，同时多刷一些类似的业务题，总结一下回答这些问题的方法和套路。
02 笔试面试题举例
我们分别举一个常见的笔试题和面试题来作为说明。
字节笔试题：直播间最大在线人数
现有各直播间的用户访问记录表（live_events）如下，表中每行数据表达的信息为，一个用户何时进入了一个直播间，又在何时离开了该直播间。
现要求统计各直播间最大同时在线人数，期望结果如下:
解题思路：
对于同时在线人数问题，可以把数据进行处理后，然后将出入时间变成一个字段，同时打上标记为1或-1，分别表示进入或离开直播间，同时使用sum()函数累加这个字段，得到当前时间的直播间在线人数，最后再求各个时间上的在线人数最大值为峰值人数。
对数据进行处理：in_datetime dt, out_datetime dt 设置为时间日期字段，同时打上进入、离开分别标记为1，-1
union在一起
selectlive_id,in_datetimeasdt,1asflagfromlive_eventsunionallselectlive_id,out_datetimeasdt,-1asflagfromlive_events使用sum over()开窗，窗口范围首行到当前行，按照直播间分区并按照时间进行排序，即计算累加值（此时数据表示了每一个时刻的在线总人数）
求最大的人数：按照直播间分组，求最大在线人数
最终SQL详见我的求职圈，有总结的各大厂的面试，笔试题。
美团业务题：外卖订单异常分析
最近一段时间内美团外卖的订单量出现了异常波动，请分析可能导致订单异常的因素，并提出策略和方案。
参考答案（无标准答案，仅供参考）：1.确认问题是否真实存在：1. 数据质量检查：对订单数据进行质量检查，确保数据的准确性和完整性。有时订单异常可能是由于数据记录错误或缺失引起的。2. 分析订单数量的变化趋势：首先，需要对订单数量进行时间序列分析，观察订单量的波动情况。可以通过绘制订单数量的折线图、计算均值和方差等统计指标来了解订单量的变化情况。3. 考虑季节性影响：检查订单数量是否受到季节性的影响，例如假期、周末等因素。通过对比不同时间段的订单数量，可以确定是否存在季节性波动，并了解是否需要针对季节性因素进行调整。4. 考虑促销活动影响：如果在异常波动期间进行了促销活动，需要评估促销活动对订单数量的影响。可以通过比较促销前后的订单量、促销渠道的转化率等指标，分析促销活动的效果。5. 考虑外部市场竞争因素：分析竞争对手在相同时间段内的活动和优惠情况，了解竞争对手的影响程度。可能存在竞争对手的促销活动或者其他因素导致用户选择离开美团平台。6. 统计学确认是否异常：利用统计方法或机器学习算法，如季节性分解、Z-score标准化、聚类分析等，确定是否是异常波动。2.分析思路：从各个不同的维度进行拆解1. 产品因素：- 菜品品质：分析不同菜品的销售情况，查看菜品口碑评分和用户评价数据，看是否存在品质问题影响订单量。- 菜品种类：分析不同菜品类别的销售情况，了解用户对不同菜系的偏好，看是否有菜品类别需求不足导致订单波动。2. 营销活动：- 促销策略：分析不同促销活动的效果，包括满减、折扣、优惠券等，是否是优惠券等使用失败导致。- 会员优惠：分析会员权益和优惠活动的使用情况，了解会员参与率和活动效果，是否是会员优惠使用不了影响了订单量。3. 运营效率：- 订单处理效率：分析订单处理的时效性，是否订单处理太久是否影响了用户体验，取消了订单。- 供应链管理：分析供应链的稳定性和效率，供应链是否导致了部分菜品缺货或配送延迟，影响订单量。4. 技术因素：- 平台技术bug：分析美团平台的稳定性和性能，了解技术bug是否影响了订单的下单和支付流程。- 用户体验：分析平台的用户界面设计和交互体验，了解是否存在用户操作流程不畅或页面加载缓慢等问题，影响订单量。5. 客户服务：- 投诉处理：分析客户投诉和反馈情况，了解是否存在服务质量问题导致订单量波动。- 售后支持：分析售后服务的及时性和效果，了解售后支持是否影响了用户对美团的平台的评价，进而影响订单量。6. 用户行为因素：通过分析用户行为数据，了解用户的购买习惯和消费偏好是否发生了变化。可以分析用户转化率、购买频率、购买金额等指标，以及用户流失情况，找出影响订单异常的用户行为因素，进而进行针对性的用户触达和运营。3.对应的策略：1. 产品因素：- 提升菜品品质和口碑：督促商家加强原材料质量管理，优化烹饪工艺，提高菜品口感和品质。- 增加菜品种类和多样性：根据用户需求和市场趋势，督促商家推出更多种类的菜品，满足不同用户的口味需求。- 调整菜品价格定位：根据市场竞争和用户消费习惯，推荐商家合理定价，提供价格适中的菜品，增加用户购买意愿。- 定期推出新菜品：根据市场调研和用户反馈，督促商家不断创新，推出新菜品，吸引用户尝鲜和增加订单量。2. 营销活动：- 设计吸引人的促销活动：根据不同节日和促销节点，推出满减、折扣、赠品等优惠活动，吸引用户下单。- 提升会员权益：增加会员专属优惠和特权，提高会员参与度和忠诚度，促进会员消费。3. 运营效率：- 优化订单处理流程：简化订单处理流程，提高操作效率，加快订单处理速度，减少用户等待时间。- 提升供应链管理效率：加强供应链管理，确保原材料供应充足，配送渠道畅通，保证订单及时配送。4. 技术支持：- 稳定平台性能：加强技术团队建设，优化系统架构，确保平台稳定性和性能，避免技术故障对订单产生影响。- 改进用户界面设计：根据用户反馈和行为分析，优化用户界面设计和交互体验，提升用户使用体验。5. 客户服务：- 加强投诉处理机制：建立完善的投诉处理流程，及时响应用户投诉，解决用户问题，提升用户满意度。- 提升售后支持服务：优化售后服务流程，加强售后支持团队培训，提供专业、高效的售后服务，增强用户信任度。