学习笔记76 数据分析常见面试题 5-03

数据分析面试会重点考查候选人两方面的能力,一个是基础的数据工具能力,最常考的就是SQL,这部分前面我们已经有4篇连载文章全面剖析了大厂的常考笔试题型,没看的同学不要错过了,可以戳:

考查的另一方面就是业务思维能力了,这一块主要是设定一些常见的业务场景,需要你给出对应的分析思路和方法,这一块对于没有数据分析经验的小伙伴们来说就很不友好了,很多面试的朋友碰到这类题都会很慌,无从下手,因为没做过,也不知道怎么分析啊!!!

不过不用怕,我收集了近几年一些大厂的面试笔试题,有笔试题也有业务题,通过这些题目的详细讲解,你应该就能掌握这类题目的解答思路了,话不多说,今天我们先来扒一扒字节跳动的面试题目吧!

一共有3道题目如下:

SQL笔试题:计算视频好评率

业务题1:使用ABTest对新算法效果进行评估

业务题2:如何评估一场活动的效果?

02 计算西瓜视频内容好评率

1)需求

西瓜视频近期开展了”2020百大人气创作者”优质内容扶持项目,鼓励用户产出优质的视频内容。现需要统计2020年11月01日至2020年11月30日期间创作的视频中,“科技”大类下“数码测评"子类的视频好评率(好评率=好评数/视频观看次数),写出sql语句进行查询。

用户观看视频后的评价详情表:content_action_info

id(视频id,主键)

create_time (创建时间,格式‘2020-11-01’)

user_id(观看者id)

content_id (视频id,外键)

content_action (视频评价,包括’点赞‘,’差评‘,‘无评价’)

视频详情表:dim_content

content_id (外键)

creator_id(创作者id)

content_category (商品类目)

content_sub_category (品牌名称)

2)解题思路

题目很简单,我们只需要明确好评率的计算公式,然后先定特定的大类和子类即可。

1.好评率=好评数/视频观看次数。

2.要求计算“科技”大类下“数码测评"子类的视频好评率,则要使用where条件筛选指定大类和子类的数据。

3.因为限定条件要指定视频内容的类别,所以要两个表做关联。

代码如下:

select

    count(1) as all_action

    sum(case when content_action='点赞' then 1 else 0 end) as like_action

    sum(case when content_action='点赞' then 1 else 0 end)/count(1) as like_rate

from content_action_info as a

join dim_content as b

on a.content_id=b.content_id

where b.content_category='科技'

  and b.content_sub_category='数码测评'

  and a.create_time between '2020-11-01' and '2020-11-30';

03 使用AB Test评估算法效果

1)需求

某个购物APP最近优化了“猜你喜欢”模块的推荐算法,希望进一步提升推荐的精准度,进而提升销售额。现在需要通过AB Test(50%用户保留原先推荐算法的为控制组,50%用户使用新的推荐算法为实验组)来对新的推荐效果进行评估。假设你是此次实验的数据分析师,请问你会如何评估控制组和实验组的表现?请按重要性列出最重要的三个指标并给出你的分析过程。

2)解题思路

指标:推荐商品的销售额、推荐商品点击率、推荐商品的转化率

分析过程:

1.设原假设为使用新的推荐算法后上述指标降低或不变,备择假设为使用新的推荐算法后上述指标增加。

2.选择显著性水平临界值为5%,并根据指标的预期提升确定样本量和试验周期。

3.样本合理分流,AB测试上线,采集数据。

4.使用T检验,计算P值,进行效果验证。

5.分析结论,如果P值小于5%,那么原假设不成立,备择假设成立,即使用新算法后指标提升。

反之无法推翻原假设,不能证明使用新算法后指标提升.

04 如何评估一场活动的效果

1)需求

某APP近期上线了一个拉新活动,并在各个渠道进行了推广投放,活动结束后,作为数据分析师,你如何评估这场活动的效果?

2)解题思路

如果要对一个活动效果进行分析,无非是要回答以下3个问题:

1、活动效果怎么样?要不要继续做?

2、如果可以继续做,活动的做的好的方面是哪些?问题或者瓶颈环节在哪?

3、针对问题环节的改进方案是什么?

具体展开来讲,可以从以下几个方面

1、活动关键指标达成分析

活动关键核心指标达成情况,比如拉新多少用户,达成多少GMV?ROI如何?

2、活动关键流程漏斗分析

活动的关键流程是什么?以及各个流程的漏斗分析,定位问题发生的环节。

3、活动的渠道、用户分析

活动在哪些渠道推送?活动推送给哪些用户?用户画像是啥样的?各渠道用户的质量/ROI如何?

4、活动策略、节奏分析

活动玩法的裂变效果如何?利益点是否有吸引力?活动整个过程节奏把控如何,前期预热、中期爆发和尾期是否过短/过长,运营应该在何时进行适当干预。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容