数据分析常见的业务面试题_数据分析业务面试

目录

一、工作中常用的指标有哪些 

        1、用户数据指标

                        ①日新增用户数

                        ②活跃率

                        ③留存率

        2、行为数据指标

                        ①PV和UV

                        ②转发率

                        ③转化率

                        ④K因子

        3、产品数据指标

                        ①总量

                        ②人均

                        ③付费

                        ④产品

二、如何建立指标体系

        1、什么是指标体系

        2、指标体系作用

                ①监控业务情况

                ②通过拆解指标寻找当前业务问题

                ③评估业务可改进的地方，找出下一步工作的方向

        3、如何建立指标体系

                ①明确部门KPI，找到一级指标（最核心指标）

                ②了解业务运行情况，找到二级指标

                ③梳理业务流程，找到三级指标

                ④通过报表监控指标，不断更新指标体系

三、常用的分析方法有哪些

        1、5W2H分析方法

        2、逻辑树分析方法

        3、行业分析方法

        4、多维度拆解分析方法（重点）

                ①理解

                ②作用

                ③如何使用

        5、对比分析方法（重点）

                 ①理解

                  ②如何使用

        6、假设检验分析方法（重点）

                        ①理解

                        ②如何使用

        7、相关分析方法（重点）

                        ①理解

                        ②如何使用

        8、群组分析方法

                        ①理解

                        ②作用

        9、RFM分析方法（重点）

                        ①理解

                        ②作用

        10、AARRR模型分析方法（重点）

                        ①理解

                        ②作用

        11、漏斗分析方法

                        ①理解

                        ②作用

四、如何用数据分析解决问题

        1、步骤

                        ①明确问题

                        ②分析原因

                        ③提出建议 

五、电商活动复盘 

        1、步骤

                        ①总体运营

                        ②价格区间

                        ③折扣区间

六、如何进行市场分析

        1、理解

        2、常用方法

         3、如何进行市场分析

七、小结

---

一、工作中常用的指标有哪些 

        1、用户数据指标

                        ①日新增用户数

                                可以通过新增用户数判断出渠道推广的效果

                        ②活跃率

                                是活跃用户在总用户中的占比；可分为日活跃率、周活跃率、月活跃率       

                        ③留存率

                                留存率可以评估产品功能对用户的粘性

                                根据时间，留存率分为次日留存、三日留存、7日留存等

        2、行为数据指标

                        ①PV和UV

                                PV：一定时间内某个页面的浏览次数，用户每打开一个网页就算一个PV

                                UV：一定时间内访问某个页面的人数，一个用户访问多次算一次

                        ②转发率

                                转发率=转发某功能的用户数/看到该功能的用户数

                        ③转化率

                                转化率=购买产品的人数/所有到达店铺的人数

                        ④K因子

                                用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户

                                K因子=平均每个用户向多少人发出邀请*接收到邀请的人转化为新用户的转化率

        3、产品数据指标

                        ①总量

                                成交总额（GMV）=销售总额-取消订单金额-拒收订单金额-退货订单金额

                                成交数量：下单的产品数量

                                访问时长：使用APP或网站的时长

                        ②人均

                                人均付费=总收入/总用户数（客单价）

                                付费用户人均付费=总收入/付费人数

                                人均访问时长=总时长/总用户数

                        ③付费

                                付费率=付费总人数/总用户数

                                复购率：一定时间内，消费两次以上的用户数/付费人数，用于反映用户的付费频率

                        ④产品

                                从产品的角度去衡量哪些产品好，哪些产品不好。通过找出好的产品来进行重点推销，不好的产品去分析原因

                                热销产品数、好评产品数、差评产品数

二、如何建立指标体系

        1、什么是指标体系

                指标体系是从不同维度梳理业务，把指标有系统地组织起来；指标体系=指标+体系

        2、指标体系作用

                ①监控业务情况

                ②通过拆解指标寻找当前业务问题

                ③评估业务可改进的地方，找出下一步工作的方向

        3、如何建立指标体系

                ①明确部门KPI，找到一级指标（最核心指标）

                ②了解业务运行情况，找到二级指标

                ③梳理业务流程，找到三级指标

                ④通过报表监控指标，不断更新指标体系

三、常用的分析方法有哪些

        1、5W2H分析方法

                适合解决简单的商业问题，但是也不容忽视

                5W：what（是什么）、where（何地）、why（为什么）、who（是谁）、when（何时）、how（怎么做）、how much（多少钱）

        2、逻辑树分析方法

                把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开；

                例如钢琴调音师的数量

                     钢琴调音师数量=全部钢琴调音师1年的总工作时间/一位调音师每年的工作时间

                      全部钢琴调音师1年的工作总时间=有多少钢琴*钢琴每年要跳几次音*调一次得多长时间

                        一位钢琴调音师每年工作时间=一年50个星期*一周工作5天*每天工作8小时

        3、行业分析方法

                PEST方法：政策、经济、社会、技术

        4、多维度拆解分析方法（重点）

                ①理解

                        两个关键词：维度、拆解

                ②作用

                        避免辛普森悖论（考察数据整体和考察数据的不同部分得到相反的结论）

                ③如何使用

                        从指标构成来拆解

                        从业务流程来拆解

        5、对比分析方法（重点）

                 ①理解

                        通过对比分析方法，来追踪业务是否有问题

                  ②如何使用

                        和谁比：自己、行业

                        如何比：数据整体的大小（平均值、中位数）、数据整体的波动、趋势变化（折线图，从时间维度分析）

        6、假设检验分析方法（重点）

                        ①理解

                                提出假设、收集证据、得出结论

                        ②如何使用

                                从不同维度提出假设，分别收集证据验证，找到真正的原因

        7、相关分析方法（重点）

                        ①理解

                                研究两种或者两种以上的数据之间有什么关系的时候使用

                        ②如何使用

                                散点图可以直观地显示出两种数据之间的相关关系，相关系数越大，两种数据的相关程度越高

        8、群组分析方法

                        ①理解

                                按某个特征，将数据分为不同的组，然后比较各组的数据，也就是对数组分组然后来对比

                        ②作用

                                常用来分析用户留存率随时间发生了哪些变化，然后找出用户留下或者离开的原因

        9、RFM分析方法（重点）

                        ①理解

                                R：最近一次消费时间间隔

                                F：消费频率

                                M：消费金额

                        ②作用

                                针对不同的用户使用不同的运营策略，也就是精细化运营

        10、AARRR模型分析方法（重点）

                        ①理解

                                （1）获取用户：用户如何找到我们

                                （2）激活用户：用户的首次体验如何

                                （3）提高留存：用户会回来吗

                                （4）增加收入：如何转到更多钱

                                （5）推荐：用户会告诉其他人吗

                        ②作用

                                因为AARRR模型涉及用户使用产品的整个流程，所以它可以帮助分析用户行为，为产品运营制定决策，从而实现用户增长

        11、漏斗分析方法

                        ①理解

                                衡量业务流程每一步的转化效率

                                环节转化率=本环节用户数/上一环节用户数

                                整体转化率=某环节用户数/第一环节用户数

                        ②作用

                                定位问题节点，即找出问题的业务环节在哪

四、如何用数据分析解决问题

        1、步骤

                        ①明确问题

                                明确数据来源和准确性：时间、地点、数据来源

                                业务指标理解：指标含义、和谁比

                        ②分析原因

       先使用多维度拆解分析方法对问题进行拆解，将一个复杂问题细化成各个子问题，然后对拆解的每个部分使用假设验证分析方法找到哪里出了问题，分析的过程可以用对比分析方法等多个分析方法

                        ③提出建议 

 根据找到的原因，运用回归分析方法或者AARRR模型分析方法提出实质性的建议

用回归分析找出某个原因与目标的相关程度，然后集中资源解决相关程度高的

五、电商活动复盘 

        1、步骤

                        ①总体运营

                                直观展示本次活动的销售数据

                                主要关注销售额、售卖比、UV、转化率等指标

                                销售额用来和预期目标做对比

                                售卖比可以对库存进行优化

                                UV和转化率可以选出销售较好的商品

                        ②价格区间

                                把数据按价格维度来拆解，可以对本次活动的价格结构有一个整体的了解

                        ③折扣区间

                                把数据按折扣维度来拆解，可以对本次活动的折扣结构有一个整体的了解

六、如何进行市场分析

        1、理解

                        是对产品所在的市场进行系统的分析，通过分析确定产品定位、产品策略、市场策略和商业模式

        2、常用方法

                        PEST分析方法、SWOT分析方法、波士顿矩阵

                        SWOT分析方法从内部个人因素的优势和劣势、外部环境因素的机会和威胁四个维度展开分析；可以得出四种战略方向：增长战略、复合战略、防御战略、翻盘战略；

                        增长策略：外部的机会充足，自身具备优势，具有较强的竞争力

                        复合战略：虽然自身具备优势，但是市场威胁大，竞品多，需根据情况不断调整策略

                        防御战略：自身具备劣势，同时身处危险之中，容易遭受其他产品的攻击，要抵御其他竞品的攻击

                        翻盘战略：自身具备劣势，外部机会充足，应抓住机遇，需不断改善自身才能翻盘

         3、如何进行市场分析

                        （1）认清形势：了解市场环境、市场容量、竞品的市场销量、市场趋势等

                        （2）找到差距：从竞品、产品、市场舆情等维度找到目标产品与市场的差距

                        （3）明确目标和方向：确定产品定位和方向，找到目标市场，洞察目标用户

                        （4）制定可行的落地措施

七、小结

①解决问题的步骤

        明确问题：主要是数据的准确性以及指标理解

        分析原因：通常是先进行多维度拆解，然后再假设检验分析

                                多维度拆解的维度常见的有四种：指标、流程、时间、地区

                                关于用户的用R、F、M模型

                                关于实体店的拆分为人、场、货三个维度

        提出建议：在原因的基础上，通过回归分析和AARRR模型找到相关性最高的原因，然后集中资源解决