本文為大家總結了，面試中常會問到的10道業務側數據分析思路題，對於準備跳槽或是正在求職的你相信會有很大幫助。本篇文章，分享一些面試中常會問到的「業務側資料思維知識點」。
題目1：某產品APP需要你設計一個指標體系，你要如何做？
🌟考核點：對於指標體系設計思路的掌握程度。
業界指標體系設計的思路有很多，例如：GSM、HEART、PLUSE等。回到業務上，指標體系搭建思路可以分為以下幾步：
- 步驟一：充分了解業務目標，明確業務希望評估的場景，並將場景按照「域」進行劃分，例如：使用者域、平臺域、商業域等。
- 步驟二：各個域的內部，可以參考GSM模型思路，由上至下拆分指標，如下圖。
- 步驟三：判斷指標設計是否全面，需與業務方二次確認，達成共識。
- 步驟四：將指標設計維護進資料META當中，或者維護至指定文件，保障指標定義、計算方式的唯一性。
題目2：北極星指標是什麼？你會如何選取？
🌟考核點：對於北極星指標的理解程度。
「北極星指標」顧名思義是指可以指引產品方向的指標，又稱唯一關鍵指標。設計過程中需要遵循以下幾點原則：
- 原則一：北極星指標需與業務共同制定，雙方達成共識。
- 原則二：北極星指標一定是能反映產品/業務線健康度的指標。
- 原則三：專案/業務線北極星指標數量一般為1個。
- 原則四：北極星指標並非一成不變，產品不同週期會存在差異。
👉舉個例子
- 產品初期：重點關注拉新效果，「註冊使用者」會成為核心關注點。
- 產品穩定期：重點關注使用者消費及活躍，「留存、活躍pv、活躍時間」會成為核心關注點。
題目3：某日DAU同比大幅下降，你會如何進行問題排查？
🌟考核點：對於異動分析方法論的掌握程度，是否在實戰中有較多沉澱。
異動排查往往透過「資料結論 + 業務經驗」結合進行判斷，核心步驟如下：
- 步驟一：優先判斷「基線週期」與「當前週期」是否有明顯的異常問題，需要先和業務拉齊資料情況。如果能知曉是何原因，就可以有針對性的進行排查；但大多數情況下，業務方也很難快速定位，那麼就需要從維度層面全面排查。
- 步驟二：透過日常維度累積，結合JSD散度等方式找出「變化程度較大的維度」。
- 步驟三：根據DAU拆解維度，將各個維度值的貢獻程度計算出來。
👉技巧
如果是天對天的異動，有較大不正常跌幅情況下，往往是由於某時間點上線了什麼東西，導致的問題，這種情況透過「時間維度：小時/分鐘」往往能看出端倪。
- 步驟四：當發掘某些維度有較大異動時，同步業務同學，查詢是哪些業務改動可能會對這些維度產生影響。
👉技巧
維度之間是會相互影響的，排查需要找到最為異常的情況。例如：A維度只有一個維度值大跌，B維度全部維度值均大跌，這就很可能是A中該維度值下跌，導致的B各維度值下跌，A維度值的問題更大一些。
- 步驟五：最終根據排查，給出「資料+業務」結論，而不能是純資料結論。
👉舉個例子
- 不好的結論：DAU下跌主要是PUSH量級下跌所導致。
- 好的結論：DAU下跌主要是受到PUSH XXX策略的影響，導致PUSH使用者量下跌，是大盤下跌的主因，昨日22點已經恢復。
- 步驟六：整理問題文件、做好問題記錄、沉澱排查思路、新增排查維度。對於「問題排查 + 歷史問題檢視」會有很大幫助。
題目4：老闆需要你對未來一個月的訂單量做一個預測，你會如何去做？
🌟考核點：對於預測方法的掌握程度。
- 首先：明確訂單量過去的趨勢是否平穩，以及未來一個月當中，是否存在影響指標的特殊時點，例如：雙十一、母親節等。
- 其次：根據預測模型預測未來資料趨勢，可採用的模型方式有很多，首推Prophet模型。
題目5：拉新使用者過程中，如何量化度量不同渠道間的優劣？
🌟考核點：對於渠道調控、ROI評估方式的理解。
拉新往往是透過不同渠道組合進行的，而渠道是需要評估價效比的，也就是「投放成本 vs 使用者價值」。這就需要透過ROI的方式度量渠道間的優劣，並且隨著渠道拉新的深入，單一渠道會呈現「邊際遞減效應」。
題目6：產品近期新老使用者流失率均較高，你覺得可能是什麼原因？資料側又可以做哪些事情？
🌟考核點：對於使用者增長的理解程度。
新使用者和老使用者，無論是在產品理解上，還是使用者行為資料量級上，均存在差異。因此流失的原因也需要拆開來分析。
【新使用者】
👉可能流失原因
- 功能原因：首次註冊鏈路較長；功能設計較為複雜。
- 內容原因：產品核心內容不夠聚焦，使用者無法在短時間內發現產品價值；產品核心功能與宣傳不符，使使用者產生疑惑。
👉數據分析思路
- 針對註冊鏈路的分析：透過註冊漏斗找到流失較高的環節，調整設計框架，結合AB實驗進行評估。注意：這裡往往需要伴隨維度的拆解，不同風格對於不同使用者感知存在差異。
- 針對核心功能的分析：核心功能是否觸達到使用者，可以透過滲透率等方式進行評估；核心功能是否滿足使用者預期，可以透過留存等方式進行判斷。
【老使用者】
👉可能流失原因
- 內部原因：審美疲勞，使用者處於正常衰退期；功能/介面改版，使用者無法習慣。
- 外部原因：同類競品的影響；替代類競品的影響。
👉數據分析思路
- 流失原因分析：透過隨機森林特徵貢獻度等方式，挖掘影響使用者流失較大的特徵。例如：連續兩週消費減少時，使用者有流失風險。
- 流失使用者預警：透過模型方式，挖掘使用者是否可能會流失，並結合策略進行拉回。
題目7：產品近期某個頁面的跳出率比較高，你會如何查詢原因？
🌟考核點：對於產品功能分析的掌握程度。
頁面跳出=該頁面是使用者當前session內的最後一個頁面，跳出的原因主要分為兩種，「使用者主動跳出」和「使用者被動跳出」。
- 使用者主動跳出：該頁面使使用者產生反感，從而使得使用者跳出APP，例如：推廣頁面。可以透過頁面是否有跳出點選行為進行判斷，優先定位是主動還是被動，導致的跳出率增加。
- 使用者被動跳出：該頁面某些點位點選，吊起其他APP或者跳轉到其他頁面，這種情況會影響使用者的持續消費。可以優先透過使用者鏈路，調研該頁面使用者最後幾次行為是什麼，從使用者明細粒度總結一些規律，並透過上捲到聚合資料進行驗證。
題目8：業務希望你分析一下產品的現狀，並對未來發展給出一些建議，你會如何做？
🌟考核點：對於探索性分析思路的掌握程度。
探索性分析=進攻型分析，是指在沒有先驗想法的前提下，透過資料加以探索及發現。做這種分析的時候，思路是非常重要的，可以考慮透過「人+貨+場」結合的方式進行逐步拆解發現。
題目9：業務給你提了一個需求，你一般如何處理？結合一個案例加以說明！
🌟考核點：日常需求處理的思路及思考程度。
這裡如果你的回答是：“業務需要什麼，就給對方輸出什麼”，那你的回答，恰巧命中了面試官最不想聽到的答案。
這裡，面試官希望聽到你對一個需求的「思考+主導」能力。因此，在處理需求時，可以參考這個流程（流程不唯一，萬變不離其宗）：
- 步驟一：瞭解需求背景，明確業務方真實目的（有時業務方也是為了完成老闆需求，自己也不清楚要這個資料是為了什麼，你這樣做可以幫助他梳理清晰）。
- 步驟二：將業務需求資料化，由上至下梳理需要的資料及其口徑。預判每個資料能夠對結論產生的可能影響。注意：一定要明確口徑，並與業務方達成共識，以防返工。
- 步驟三：處理需求，根據產出的資料判斷是否可以滿足業務目標，如不可以，需要繼續思考，調整資料方向。
- 步驟四：輸出需求文件，其中涵蓋「資料產出+業務結論+業務建議」，從被動接需求，轉變成主動推動需求。
題目10：在你的工作中，會用到哪些分析方法論，去處理業務問題？
🌟考核點：對於分析方法論應用的熟練程度。
這道題相對比較開放，可以選擇一個你應用較多的分析場景。例如：歸因分析、預測分析、相關分析、因果分析、漏斗分析、鏈路分析、使用者分析等。
文章來源：小火龍說數據
原文連結：https://mp.weixin.qq.com/s/JqpZa8Xm1ZZAQ0p9xKrF7w
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
