Catalog：Clicktojumptothecorrespondingposition
=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=.=
一、提升活跃率问题
“我去面试一个企业，人家说，我有1亿注册用户，月活跃2500万，他们想把剩下7500万非活跃的变成活跃的，问我有什么办法，我怎么说？？？关键是我不了解他们的业务啊！”
错误答法：
还有一个错误答法：2500万的活跃用户算低吗？
有这种思维是好的，但是在面试的时候不能直接怼回去，数据分析师永远不要做判官，我们只提供分析方法，老板才是判官
示例答法：
①拿出一张纸画出结构
问面试官：
您好，确认一下您的问题啊，看看我理解的对不对，就是咱们现在有一亿的注册用户，活跃的用户是2500万，在活跃用户以外还有很大的空间，我们想扩大活跃空间，对不对？
目的：
我们不了解公司情况，对方又必须我们回答，我们要把节奏托下来，为我们自己争取更多的说话机会，而且重复问题是一种很专业的表现（尊重对方、专业性高）
②统一口径
您说有2500万的活跃用户，那怎么样算是活跃？是打开一次app，还是使用一次产品？或者是消费一次呢？
有一亿的注册用户，是有一亿个客户表格信息？还是有一亿个系统记录ID，再或者是开通了你们某项功能呢？
③询问业务
画出结构图
那么我们是只考虑用户的活跃率问题，考不考虑用户的付费问题呢？
④给出结论
2.构建了用户结构之后，我们可以将不同类用户的生命周期刻画出来，然后发现各类用户是在什么节点增长、流失的，可以在相应的节点作出一些动作。
技巧介绍：
同时，可视化可以展示我们的能力与信心
并且，即使这个问题我们不太清楚答案，一个流程走下来，也显得80%环节是清晰的！这能大大缓解提问者的焦虑，为我们挣得主动
二、总裁PPT问题
问：你是一个大型多元集团
下边互联网金融公司的数据分析师，今天是9月1日，9月30日你的集团总裁要在一个行业会议上发表《新零售下互联网金融的人工智能发展》
错误答法：三天以后把PPT拿来了！！！
示例答法：只是问你会怎么做？
①搞清楚各个部门谁是牵头人，谁负责这个事情？出锅了谁背？谁牵头意味着找谁推动这个事情
②搞清楚谁审批，是我一层一层向上汇报，还是大家一起开个会现场决定？
③搞清楚都有哪些部门参与
④确认项目各个部门的负责人，找谁推动，审批等
⑥确认分工，专业的人干专业的事情
背后含义：
这就是一个企业里项目立项到落地的全过程
所以说到底主要的考点就是项目意识
启示录：
1.数据分析工作=/=写代码=/=自己写代码
2.在企业内工作，就有领导，有领导的领导，有领导的领导的领导，主动向领导请示项目质量，有问题及时向领导多沟通
4.切记，向领导请示目标，向项目组确认进度，向同事寻求帮助，向下属分配任务，自己围绕目标输出成果。
5.为什么你觉得自己缺乏经验，因为你做的只是其中一环！如果你觉得自己缺乏经验，动向上下平级沟通，补全项目链条！
三、地产中介培训问题
一地产中介，准备培训新进的二手房中介，以提升中介能力，最终目标是想让每个中介每月能促成3笔交易。
问：用哪些指标可以衡量培训效果？
一般回答：
可以统计3单完成率的增幅、每个人培训前后的单数对比、培训完成后平均单数的增加绝对量对比等
深入回答：
①先思考人均3单的目标是怎么来的？为什么不是4单，5单，或者8单，就偏偏是3单？
②查看成交比例结构，看看有多少人是有成交的，没有成交的人占多少比重
③细分成交数据结构，观察在已经成交的人里，成交1单、2单的人数……，已经每个成交单数层级贡献的总单数
可能业务部门只是算了个平均成交单数发现是2.1单，于是就设定了3单的目标
我们细分结构以后发现其实无成交的人占绝大部分，总单数里也是少有的销售王牌贡献的单数
所以，目标的完成难度就显而易见，当我们发现这种问题的时候就可以对症下药，针对无成交的人设定目标，针对成交1单的人设定完成目标，而不是笼统的对比总指标。
一个非常深层次的问题：
控制领导期望很重要：
1.量化考核指标
2.从简单的做起
3.逐步输出成果
4.不断进步迭代
5.弱化复杂问题的权重
四、客户价值指标定义问题
问题：
解答思路：
先将字段分解，然后给出选项，并且从易到难排序，先推简单的，载推难的
主要考点：
启示录：（解题思路）
养成下面这个好习惯，不止面试，日常工作都很受益
1.审题
先审题，不要一看到问题就想着上模型
2.确认口径
如何计算这个问题，确保口径正确
3.分解问题
如果问题包含好几个名词或者指标，需要做分解
4.给选项
在面试特别重要，多给几个选项，优先推荐其中一个，给自己留下后路
越是主动给选项，越容易控制领导期望
5.找领导确认
不要自己埋头干，多和领导确认沟通
6.分步骤完成
落地逐步做，简单的先做，逐步给领导展现成果
五、销量下降问题
面试某外卖平台，HR问：“我们在上海地区的交易额比较差，分析下原因”怎么答？
这是一个典型的为什么的问题，在回答此类问题时，答案一定是原因1可能是、原因2可能是、原因3可能是……
不是这个答案的就答跑题了，HR和领导都喜欢直面回答问题
审题：
比较差--是一个形容词，那么就要问比较差的标杆是谁？多差算差？好的标准是什么？
是什么：
问题是越来越严重还是有向好的趋势？
为什么：
给的原因最好是可以对应到部门，比如用户、产品、竞品等，不要给什么用户活跃低了，因为用户活跃低了好像和每个部门有关
分析问题三大问：
1.是什么？（确认数据）
2.为什么？（寻找原因）
3.做什么？（给出建议）
这是个典型的“是什么+为什么”问题，是什么被隐藏掉了，很多人容易掉坑！
参考答案：
3.明确这是不是个问题，业绩下降是季节性波动，还是内部调整所致
4.从商户视角和用户视角分析，是商户问题还是用户问题，
①如果是商户问题是哪个区域的商户问题，是不是集中在某个区域，因为竞争对手产生的影响或是天气等客观因素，还是内部运营问题。
②或者是否集中在某群用户，比如老客流失的很多，或者这是个处于成长期的平台，新客很重要但新客增长开始放缓了。针对不同的客群，找不同的部门，是推广没做好，还是会员部没做好。
六、流失原因问题
某旅游电商平台，领导面试，问：“不用调研的方式，从数据上如何看出用户为什么流失？”
解题思路：
但是上面这个思路不能解决上面的问题，因为这个问题的背景是旅游电商，不是电商零售的背景，所以需要补充背景知识，但是上面的框架是可以用的
这是个典型的“为什么”问题、为什么=/=做什么！脑子一定要清醒
解题要点：
分解原因最理想的是MECE，但是很难做到
分解原因最好按部门KPI进行分解，方便跟进解决问题
这个答案是个万能解，因为它是符合MECE原则的
实际上，知道原因后可以对症下药解决问题，降低流失率，但不代表已经流失的会滚回来，这是两个问题！
如果有做什么，那么就会复杂的多
以流失挽留为例，知道了为什么流失，不代表就可以因为所以给答案
因为有可能流失原因我们是无能为力的，有可能是难以改进的
做流失挽留，要一看是否有价值挽留，二看是否有手段挽留，三看是否ROI好看，最后只能在有限范围内做挽留。
七、物流费用问题
你在一个电商公司，主营海淘母婴，家居，美容，保健品，数码家电，副食品。公司在华东，华中，西南有三个货仓。
目前门槛是满88元包邮，但总有身边朋友及用户抱怨门槛高。
问：满88包邮是否太高？是否需要调整？建议怎么调？
题后思考：
见到“有人说”先搞清谁说！
见到“高、低、大、小、多、少”先树标杆！
见到“怎么做”先区分基于现状还是基于预测
要预测，业务部门先给动作，分析部门再给测算！
八、数据盈利问题
面试公司是运营商的乙方，提供企业通信领域服务，也基于运营商数据提供一些分析服务，面试官是用人部门领导。现问题如下：
问，在如下两种情况下，如何通过上述数据获利：1.童装店怎么盈利？2.银行怎么盈利？
这就是考验数据分析师的基本功，如何通过字段看出背后的业务含义
这样衍生划分以后，我们就可以有许多信息可以解读了，比如白天的时候是在步行街还是CBD上班，晚上是在那个档次的住宅区居住等
再比如，节假日是在国内风景区，还是国外旅游等，相应的都可以进行业务上的操作
隐藏坑点：
考察要点：
加工字段需要一级级向上提炼
不一级一级提炼容易考虑不完善，容易丢失一些想法
即使同一个字段，不同的加工方式也会产生新的含义
与其总想着拿新数据（大部分时候难度很大）不如想着如何利用资源
当你总觉得数据不够时，你缺的不是数据模型、缺的不是模型，你缺的是思考深度。
九、新房销售问题
你的公司主要做新房销售，现手头数据有当年的业务员人数，业务员业绩数据。领导在纠结是否要停止在某市的业务，因为感觉该市的新房销售数量会逐步减少。
问：如何用数据分析支持这个判断？
问题坑点：
1.如何用数据分析支持这个判断？
领导要的不是科学结论，而是支持！
2.现手头数据有当年的业务员人数，业务员业绩数据。
认真想想，手头的数据真的足够吗？
例如：当我们解读单个的业绩数据时是解读不出什么的
但是如果加上两把尺子，就可以很好的解读了
所以这个问题里面是缺少数据的，缺少了标尺，我们要试着补全数据
3.你的公司主要做新房销售
认真想想，新房和二手房有什么区别？
其实新房反而使问题变得简单，新房的周期是非常长的，所以在本年有多少新房开盘我们是可以获取到的，这是一个存量竞争的问题
如果我们公司的新房量都已经很少了，那自然销量也会下降，所以需要通过现有数据去推算我们需要的数据
新房少的论据，要给出，可以获取外部数据，爬虫，搜索引擎，行业报告等
可以推算出对手的楼盘占有量，用总量-我们的楼盘量进行推算，还可以给出对手盘的身份，看看我们是否有竞争力
将销售按照销售业绩进行等级划分，查看是否存在没有王牌销售的情况，适当提升销售奖励等
沟通！沟通！还是沟通！
如果领导都不信我们，我们凭什么升职加薪？
如果领导需求都搞不明白，你凭什么能理解消费者？理解市场？
为什么你做了很多日报月报，但是分析能力没有提高？
为什么你做了很多年分析，却感觉没有深入一个行业？
题目里缺了的两根线，有试图补齐过吗？
十、网红模式问题
作为数据分析部门，请给出你的观点
问题思路：
这是一个正儿八经的讨论吗？
反方用户审美疲劳又怎么样呢？疲劳的用户是我们的重要客户吗？疲劳的定义是什么？一个月不购买还是一个月不看直播？某电商平台虚假宣传和我们有什么关系？我做营销就会忽视供应链吗？
所以可以发现，正反方出了可量化的论点外，其余的基本都是扯皮
在决定做不做的时候，我们一定要让业务部门拿方案出来，这样我们才能用数据去分析问题，我连你请的明星是哪个都不知道，我分析什么？
考察要点:
字段、字段、还是字段
数据分析师参与讨论问题，必须具体到某一个字段
当我们的业务方在讨论一个具体问题的时候，如果他不落实到一个数字上，不落实到一个可考核的指标上的话，这就是一句废话，有可能反感，反感又怎么样了？会不会影响销售呢？
在没有收集到数据之前不轻易下结论，可以给假设
题后思考:
到底什么是一个真正的问题
可以量化，可以记录，可以对比的才是真正的问题
很多时候，数据分析师思考问题，可量化，可记录，可对比意味者我们必须要有一个字段记录了这个信息，并且这个信息可以和内部其他数据对比
如果发现我们讨论的问题还没有细致到这个问题的时候，不要轻易下结论。
实际工作中，相当多的问题根本就是扯皮、泼脏水、YY，没有看到数据前，所有的理由都是扯皮。
十一、网站销售数据
题目坑点：没有坑点，但是坑倒了无数人
所有人一眼就看到了周末低，平时高，然后同学们就认真作答了因为周末低，低就是不好，高就是好的，所以就开始研究把低的要搞高。
是不是低了就i是有问题，高了就是没问题，9月6--9月10这几天高的值难度就是真正的高吗？
9月6号意味者什么，连续5天这个线是平着走的意味着什么，为什么会有一根线平时高，周末低？
①什么样的产品工作日高周末低？
产品可以分为三大类
这才是正常的产品线，题目告诉我们是电商女性B2C，那么为什么销售图长得这么像商用B2B呢？
办公室女性需求很多，题目之说有5种，并没有具体说哪5种......
②周内连续5天平着走正常不正常？
正常消费趋势：
每年过年前(1月份)比较高，3月份过完年比较高，4、5、6月基本平着走，7、8月稍微有一点起色
9月接近四季度要开始冲量了、冲业绩了，10月有一个国庆假期销量可能低一点，11、12月一定是业绩网上很飙的
所以题目给出的数据反映出有问题的，9月6号开始冲量了怎么可能平着走？
③看产品结构
通过堆积图观察问题所在
对比同类产品在周内周末的销量趋势，发现问题所在
如果5类产品的趋势都是在周内高，周末低，那就说明我们的产品品类不够完善
如果有产品周内高，周末更高，那么应该引进更多此种类的产品
④观察其他数据，以观现状
往前多看几周数据，看看周内平着走是否健康，如果发现前几周也是平着走，那问题大了去了，一个企业该冲量的时候上不去，不就面临倒闭么
先判断是不是运营的问题，看新客户、老客户、流失率等
下一步看产品，通过第三步的产品结构发现问题，是否用户需求没有挖掘还是用户推广的问题等
运营计划：
考察要点:先看大趋势再看细节
先看群体，再入细节
解析销售，人（用户）、货（产品）、场（渠道）永远好用
销售额=用户量*转化率*客单价的公式要经常记得，找原因要对应去找
十二、公众号活跃数据问题
看波动趋势小技巧：将每周平均值算出来，用每天的数除以平均值，这样把大家拉到一根线上，可以看他的波动幅度和波动趋势
①我们发现整体趋势是往上的，但是这种增长合理吗？推广渠道新进了多少用户呢？
②周一周五是明显的谷底，这种波动性是合理的吗？前几周的数据如何呢？
综合考虑：
考察要点:（先看大趋势再看细节）
继续先看整体，再入细节
不要对日报曲线习以为常，那样会错过很多分析机会
主动收集波动浮动背后的走势，（图像应该长什么样子？、周与周有没有异同？月与月、年与年呢？不同的点发生了什么？背后有什么业务含义？）对于提升分析能力至关重要
十三、APP活跃数据问题
这种情况下是活跃度崩盘的情况，所以需要哪低看哪！
考察要点:先看大问题再看细节
不要遇到问题就想着一堆维度，分析速度快慢也是能力的体现
解读波动是数据分析的基本功，然而解读波动也是需要经验积累的，多多努力，比如用户活跃降低80%在电商行业是个大事，但是在保健品行业就是正常的
十四、网游用户流失问题
是什么？
用户留存率不够，用户留存率不够
为什么？
所以确认了app类型，对于我们怎么看他的用户留存率非常重要
②有流量导入，但DAU很低
求证数据，查看用户到底漏在了哪一个阶段，即用户流失的具体形式、以及流失用户是从哪个渠道来的。
例如：如果第二天用户就流失，那么需要考虑是不是新手指引没有做好，渠道投放是不是选择错误，是不是在垃圾渠道投放的等等，具体问题具体分析
这个时候可以去上模型，上漏斗模型，看活跃转化。
考察要点:抓住问题本质
是什么
为什么·做什么
一步步来，缺什么补什么
十五、电商市场拓展问题
发现问题：
一般问题要不出现在开头、要不出现在结尾，开头是（为了......）的形式，结尾是（以......）的形式，所以本题要解决的问题是：以提升业务员的收入
收入=房间数×转化率×房间单价
先看整体水平，先算一下全国收入的平均数，然后分两拨，哪些比平均数低，在具体看哪些城市比平均值低，好的能做到多少
整体立一个标杆，到时候考核就有标准。
差的标识出来，差的少做，好的多做，那么好的多做多少？
即加量=>需要加多少？
假如砍了100家不好的店，这100家的入住率为10%，那么就需要补10家好的店
但如果补的店没人来怎么办，这个时候就需要测算预计订房的用户有多少
未做但有潜力做的：
考察要点:正面回答问题
好多同学绕到入住率上去了，然而入住率是否和收入画等号呢
理论上直接把差的房型淘汰掉，也能提高入住率哈
围绕问题组织答案!
题后思考∶如何把一个具体的业务动作转化为数据问题
业务员是怎么找的怎么识别好坏
业务员有多少精力每天能跑多少点
业务员有多少资本谈判还能加什么筹码
迈不开腿，张不开嘴的数据分析师，就等着月薪6000取数取一辈子吧
十六、报表意见收集问题
领导准备清理报表，为明年增删改做准备，让发个问卷问一下各部门意见
问:问卷如何设计，如何发
看起来似乎很简单，但是直接问:“你还用不用”多简单
但是，有人填吗
有人填有人不填怎么办
领导填的和员工填的不一样怎么办
给老板呈现问卷：
内部统计思路：
考察要点:内外部数据结合
实际上，常用的数据经常包含系统记录数据与用户自填数据两部分呢
系统数据多，但不活跃用户，无交易用户占大多数
粗暴丢掉某些群体的数据都会引发错误判断
根据目标组织数据，最大程度合理利用数据
我们分析的数据真的那么可靠吗
整体结构比娇嫩的模型更能反映问题
数据质量提升本身是个无止境的工作
不考虑数据质量的算法都是耍流氓
十七、战败用户的问题
问题：瓜子二手车，面试直接问︰如何挽留战败用户
是滴!正确反应是先问∶什么是战败用户，要先核对统计口径。
因为用户流失是分若干个阶段的，而且二手车的行业基本是一锤子买卖，基本一买之后就是3、5年，之后瓜子二手车还在不在都是问题
解题思路：流程
到底用户是在哪个步骤流失的
话说到底人家有几个步骤啊
需要自己下载个app试上一试自己就知道了
搞清楚流程，是定位问题的关键
纵向流程：
横向流程：
考察要点:流程理解
为什么漏斗图那么流行，经常用
因为漏斗图是一种符合MECE原则的诊断问题的模式
先定义清楚是什么才能进—步探讨为什么、做什么
探讨是什么，站在全局角度思考，免得被带歪节奏
题后思考:皮，是什么被扯起来的
大部分扯皮源自指东说西、抓小放大、顾一忘二、
指东说西∶你谈人员服务，他谈产品设计
抓小放大︰你说服务不好顾客会流失，他说就有服务不好也买的
顾一忘二:你说这里有三个问题，他说都是扯得我看就一个本质问题
所以，想不扯皮，把全流程划上，每一步问题有哪些问题，预计影响多少都标上去，是最靠谱的办法。
十八、渠道商提货问题
B2B企业，有5000家下游经销商的提货数据，没有经销商的销售数据，没有最终用户信息，是滴，只有提货数据，问怎么分析
考察要点:理解业务模式
理解B2B的业务模式是根本，希望大家通过本例，有了一定的认识