16.金融以及中小微方向數據分析的想法（同盾科技）
參考答案
可以通過過去數據，分析未來走勢。例如通過過去的借款金額，通過對人群進行用戶畫像上的劃分，分別預測出未來該部分客群的借款情況。也可以通過人群的消費和畫像等維度數據，通過機器學習深度學習，對每個人設計有競爭力的還款利率。
==因為中小微沒有更加細致的數據？所以只能用以往的交易數據來預測？（4.17
17.對數據分析的看法，你怎么理解數據分析師這個職業（同盾科技、字節跳動、嗶哩嗶哩、小紅書、貝殼找房、京東）
參考答案
數據分析是通過數據的角度，發現業務的痛點和癢點，通過分析原因得出解決策略，并推動策略落地，達到提升業務質量的過程。
職業看法：我認為這個職業是非常有前景的，未來許多企業都將完成數字化轉型，對數據分析師的需要和要求也會逐漸提高，未來我也希望能夠在這一領域深耕，不斷學習提升自己的分析能力和業務水準，希望能夠成為一名優秀的數據分析師。
==從數據的角度，發現業務的痛點和癢點，分析問題，找到原因，得出決策。行業有前景，未來許多企業都將完成數字化轉型，希望能在這個領域深耕。（4.17
答案解析
主要是通過這個問題映射出自己的職業規劃，需要明確的說明自己很看好這個職業，以及未來希望能在這個行業里深耕的意愿。
18.自己想做的數據分析是什么類型之類的。（同盾科技）
參考答案
我希望做的是偏業務方向的數據分析。因為：第一，我認為數據分析是需要與業務相結合的，通過數據分析業務的痛點和癢點，推動策略，業務方向的數分也會讓我更有成就感。第二，我認為我個人也比較適合這個方向。我具有一定的快速學習能力和業務理解能力，在之前的幾份實習中我都能比較快的上手業務，也通過這幾次實習讓我找準了之后的職業發展方向。
==不管回答業務側還是技術測。都要回答兩點，第一對這個側的理解，二為什么選這個側。（4.17
答案解析
一點是說明你了解這個方向是做什么，一點是自己為什么匹配這個方向。
19.那你知不知道邏輯是數據分析師最重要的技能，你覺得它會是你日后工作致命的缺陷嗎（字節跳動）
參考答案
我也同樣認為邏輯能力是非常重要的，數據分析需要從數據中得出分析結論，需要十分嚴謹的邏輯能力才能夠讓業務方信服。但我認為我的邏輯能力還是比較強的，學習數理知識時培養了我的邏輯能力，并且在之前的實習過程中，我與業務方的溝通也較順暢，所以我并不認為這個是我的缺點，但是我認為我可以繼續提高我的邏輯能力，順便問你有推薦的書籍或方法嗎？
答案解析
說明重要性+舉例說明自己有這項能力。
20.介紹一個數據分析項目（字節跳動）
參考答案（答題模板）
先介紹項目背景：在xxx上線后，數據效果不明顯，所以需要我們對其進行分析，找到原因。
隨后介紹分析思路：我們從xxx，xxx等角度進行分析xxx指標，得到xxx的現象。
后說明分析結論和對應的解決策略。如果后續有繼續觀察策略落地的情況可以繼續說策略落地后的效果。
21. 對做數據分析做了哪些準備（拼多多）
參考答案
分業務學習、工具學習、理論學習三個層面進行回答。
業務學習：在人人都是產品經理、知乎、公眾號閱讀了大量數據分析的文章，并進行方法論總結。
工具學習：熟練掌握Sql、Python、Excel、Tableau等數據分析工具。
理論學習：對數據分析所用的統計學理論、機器學習理論有較為全面的理解掌握。
22. 說一下SVM（拼多多）
參考答案
SVM是在特征空間上找到最佳的分離超平面，使得訓練集上的正負樣本間隔最大。是用來解決二分類問題的有監督學習算法，在引入核方法后也可以解決非線性問題。
==這里說的很簡單，就是在特征空間里找到最佳的分離超平面，使訓練集的正負樣本間隔最大。是有監督的二分類問題，引入核方法后可以解決非線性。（4.17
答案解析
不需要詳細描述原理，簡要說明原理+運用場合即可。
23. 說一個無監督學習算法，闡述原理，優缺點，實際應用點（拼多多）
參考答案
k-means聚類算法。
原理：首先選擇k個點作為初始點，隨后將每個點指派到最近的質心，形成k個簇并重新計 算每個簇的質心，直到簇不發生變化或達到最大迭代次數。
優缺點：優點是處理大數據時較為高效且伸縮性較好；缺點是需要事先確定k，不適合非凸集合的聚類。
實際應用點：潛在的簇是凸面，且簇之間區別明顯，大小相近，適用于大數據。
==kmeans看了很多遍了哈，原理不說了，優缺點記一下，分別是伸縮性好和需要確定K且不適合非凸(4.17
答案解析
選取較為簡單的即可。
24. 從數據分析角度，推薦模塊怎么用指標衡量？（拼多多）
參考答案
推薦模塊主要目的是將用戶進行轉化，所以其主指標是推薦的轉化率。對于其他指標，可以從用戶、模塊功能的角度進行衡量。用戶層面：每日推薦用戶數、點擊推薦用戶數、對推薦不感興趣數等，并且可以計算各用戶數的占比情況，再具體可以看不同層級的用戶情況；模塊功能層面：各模塊的點擊人數、各模塊的點擊率、各模塊點擊后的跳轉時間等，可以看出該模塊功能是否合理有效。
==完了完了，老本行的題竟然答不上來。首先推薦模塊的主要目的就是將用戶進行轉化，所以主要指標就是推薦的轉化率。然后對于其他指標可以從兩個層面來分析，分別是用戶和模塊本身。（4.17
答案解析
從推薦的功能出發，先給出主指標，再給出其他指標。
25. 為什么想做數據分析？（從數據分析相關專業和不相關專業給出兩種答案）（滴滴）
參考答案
數據分析相關專業：1、對數據分析十分感興趣，對自己未來的職業規劃也是在數據分析這條路深耕，非常希望能夠進入該行業。2、有一定的專業水平，自己本科/碩士階段所學習到的很多統計和管理學上的知識，希望能夠學以致用。3、認為該行業十分有前景，未來是大數據時代，而數據分析能夠讓企業更明確未來的方向，是非常有發展前景的行業。
==很細節，從三個方面論述，這類活題，一定要從多方面進行論述。第一興趣，第二有一定的專業水平，第三認為該行業有前景。（4.17
不得不吐槽一句，這才是標準答案啊，跨專業考研也完全可以使用這個格式來回答。
數據分析不相關專業：1、對數據分析十分感興趣，對自己未來的職業規劃也是在數據分析這條路深耕，非常希望能夠進入該行業。2、有一定的專業水平，雖然專業并非與數據分析相關，但是為了走數據分析這條路也做了需要努力，自學了很多統計學和機器學習相關的理論知識，并且在實踐實習中將在公眾號和知乎等文章上學到的數據分析方法學以致用，并且對數據分析的工具掌握非常熟練，認為自己非常適合數據分析。3、認為該行業十分有前景，未來是大數據時代，而數據分析能夠讓企業更明確未來的方向，是非常有發展前景的行業。
26.根據數據分析去調整高峰期打車供需問題（滴滴）
參考答案
①首先明確分析目的：關鍵詞為“高峰期”、“供需問題”；供需問題即訂單使用情況。
②隨后根據訂單問題構建指標體系：訂單滿足率，高峰期時段，訂單高峰地段，平均響應時間，平均訂單時長。
③然后我們需要提出分析的問題：在各個地段的訂單滿足率如何？打車高峰期是什么時候？平均訂單完成時間有多長？
④通過數據分析回答上述問題，并對數據進行可視化，得到分析結論。
==這是給出了一個具體問題，那么首先就是確定問題，給出指標：高峰期時間，路段，響應時間等等。可視化得出結論。（4.17
答案解析
框架為：明確問題關鍵詞-->構建問題相關指標-->根據關鍵詞得到具象化問題-->通過數據分析回答問題
27.認為數據挖掘和數據分析有什么不同（中銀金科）
參考答案
①數據挖掘是在大量數據中，通過機器學習或深度學習等方法，去挖掘一些有價值或者是未知的信息，重點就在于尋找未知的模式，例如通過現狀預測未來；
②數據分析則更偏向于使用數據工具來進行數據的處理，提取出有價值的數據，需要與業務相結合，例如異常歸因分析，經營現狀分析等。
參考答案
a. 分類分析算法：對已人工打標好的樣本數據進行歸類，并且找到其分類個體的特征屬性，常用的有決策樹，隨機森林算法。
b. 聚類分析算法：對未打標的樣本數據進行歸類，并找到分類個體的特征屬性，常見的有k-means算法。
c.時間序列分析算法：對事件或對象行為隨時間變化的規律或趨勢建立模型進行分析，常見的有ARMA和ARIMA算法。
==時間序列分析這里我學的不精，找找時間補補（4.17
答案解析
考察在數據分析中，可能需要用到機器學習的場景，以及場景所對應使用的機器學習算法。
29.原專業與數據分析的哪些內容相關（三諾生物、藍月亮、銳明科技）
參考答案（通用套話）
1.?在基礎課的學習上，概率論與數理統計這門課程學習的比較好，對統計學有較為深刻的認識。
2.?在邏輯能力上，原專業也需要我們有較好的邏輯思維和結構化思維，對問題可以進行一定的拆解分析，找到問題原因。
3.?在溝通表達能力上，在原專業的學習上，也需要與他人協作溝通，才能夠取得不錯的成果。
答案解析
需要從幾個本專業和數據分析有聯系的方面分別闡述為什么自己匹配數據分析這個崗位。建議事先研究崗位JD，找出與崗位JD所匹配的素質要求，聯系自身情況，最好有事件案例說明。
30.假設我是美團的數據分析師，會構建怎樣的指標體系。（滴滴）
參考答案
美團的業務線很多，以美團商家業務線為例，我會這樣構建指標體系。
分為主指標和輔助指標：
主指標包括：收入、有效訂單數、入店轉化率和訂單轉化率。
輔助指標分為營業數據、流量數據、顧客數據。
營業數據的指標可以有營業額、活動補貼總額、顧客實付費用、實付單均價；流量數據的指標可以有曝光人數、入店人數、下單人數、曝光次數、入店次數；顧客數據的指標可以從顧客的用戶畫像入手，例如新老客戶占比、價格偏好情況等。
