岗位题目
数据分析相关面试题
如何分析用户流失是否由推送过于频繁导致？
判断用户流失是否由推送过于频繁导致，不能只看推送次数和留存同时变化，而要建立频次暴露、用户分层、时间先后、剂量反应和对照实验。最可靠的方法是设计推送频次 A/B Test 或 holdout，对退订、卸载、次日活跃和长期留存做联合评估。
广告收益下降时应该从哪些角度分析？
广告收益下降要先做收入公式拆解，再沿流量、库存、填充、竞价、点击转化、价格、策略和技术链路逐层排查。核心不是罗列指标，而是判断下降来自曝光规模、变现效率、广告主需求还是埋点和结算口径变化。
如果日活下降是竞品原因，怎么证明？
证明日活下降由竞品导致，需要建立时间重合、用户迁移、外部强度、受影响分组和排除内部原因五类证据。最有力的结论通常来自竞品活动或上线节奏与本产品 DAU 变化之间的差分对比，而不是单纯说竞品最近很火。
留存率下降时如何分析原因？
留存率下降要从口径、分母结构、用户质量、产品体验、供给内容、触达策略和外部环境逐层拆解。好的分析会先定位哪个 cohort、哪个生命周期和哪个用户分组在下降，再寻找导致用户没有回来的具体机制。
A/B Test 中如何判断差异是否显著？
A/B Test 判断显著性，要先明确假设、主指标、样本量和实验单位，再用合适的统计检验计算 p 值、置信区间和效应量。显著不等于值得上线，还要检查随机化、样本比例、实验污染、护栏指标和业务收益。
MySQL 最左前缀原则是什么？
最左前缀原则是联合索引按定义顺序从左到右建立有序结构，查询只有从最左列开始连续使用索引列，才能充分利用联合索引。它影响 where 条件、范围查询、排序、分组和覆盖索引设计。
A/B 实验如何设计和评估？
A/B 实验的核心是用随机分流把策略变化与其他干扰因素隔离开，再用预先定义的指标体系和统计检验判断新方案是否真的带来增益。完整回答应覆盖实验目标、假设、实验单元、分流机制、指标设计、样本量与周期、过程监控、显著性检验、分层分析、风险控制和最终决策。
订单 ID 是如何关联活动的？
订单 ID 本身不会天然关联活动，关联关系通常来自业务系统在下单链路中写入的活动标识、优惠信息、渠道参数和下单快照，再由数据仓库把埋点行为与交易事实按统一口径 join 起来。回答时要区分业务绑定、数据归因和数仓建模三层：业务上看订单明细、优惠明细、营销活动明细；数据上看 activity_id、campaign_id、coupon_id、channel、utm 参数等是否被传递和落库；分析上看归因窗口、去重规则、退款修正、跨天口径和多活动优先级。
考核某个运营活动的数据指标是哪些？
考核运营活动不能只盯成交额或参与人数，而要先明确活动目标，再按目标指标、过程漏斗、商业结果、用户沉淀、成本效率、增量效果、风险护栏、数据可信度的框架拆解。优秀回答应体现指标分层、前中后评估、对照组思维和归因意识，说明哪些指标用于判断活动是否达成目标，哪些指标用于定位问题，哪些指标用于判断是否值得复用。
供应链运营重点关注哪些指标？
供应链运营指标不能只报一串名词，核心是围绕客户拿得到、拿得快、库存不浪费、履约成本可控、资金周转健康建立指标体系。回答时应先分层说明服务、时效、库存、预测、采购、物流、财务和异常管理，再说明不同业务阶段如何选择最重要的北极星指标，并把具体动作与指标变化挂钩。
如何把相对宏观的指标拆解成一个过程指标，拟合成最终结果作为团队目标，同时搭建类似于数据化的产品，去支撑业务的场景？
这类题考察的不是单纯会不会搭指标体系，而是能否把一个宏观、滞后的业务结果，拆成可理解、可控制、可监控、可复盘的过程系统。高质量回答应围绕先定义北极星指标和结果口径，再用驱动树找到关键杠杆，选择可控过程指标，通过历史数据建模拟合结果，拆解目标到团队动作，并把指标、诊断、预警、实验和复盘产品化展开，体现数据分析既服务目标制定，也服务业务经营。
有什么运营指标？
回答“有什么运营指标”时，核心不是罗列 DAU、转化率、留存率，而是说明指标如何服务经营目标：先明确北极星目标，再按“获取、激活、留存、活跃、转化、收入、成本效率、质量风险”拆解，最后用分群、分渠道、分周期和队列视角判断问题发生在哪里。
如何说明自己对一个业务指标负责？
这道题考察的不是“你有没有做过很多事”，而是你能否把一段运营、采购或数据分析经历讲成清晰的指标经营闭环。高质量回答要说明指标是什么、为什么归你负责、你能影响哪些杠杆、做了哪些动作、如何衡量效果，以及结果中哪些可以合理归因于你。
电商业务分析应该关注哪些核心指标？
电商业务分析的核心不是罗列 GMV、订单量、转化率，而是建立一套从流量获取、用户行为、交易转化、商品供给、履约体验到长期利润的指标体系。分析时要先明确业务目标，再把指标拆成可定位问题的树状结构：规模看 GMV 和订单，效率看转化率和客单价，健康度看复购、留存和退款，经营质量看毛利、补贴效率和库存周转。真正有价值的分析，应能回答增长来自哪里、损失发生在哪一环、应该优先优化什么。
做过最酷的事情是什么，然后延伸扩展一些问题？
这是一道行为面试题，核心不是让候选人讲一个听起来很酷的故事，而是考察你是否能识别高价值问题、主动推进、用数据或用户反馈验证结果，并完成复盘。产品/数据分析方向最适合选择一个真实的业务改进、分析洞察、流程优化、用户增长、实验验证或跨团队推动案例，而不是泛泛讲兴趣爱好或个人挑战。
数据分析时如何看待短期数据和长期数据？
短期数据反映近期变化和即时反馈，长期数据反映趋势、周期和结构性规律。优秀的数据分析不会简单地说短期数据不可靠、长期数据更重要，而是根据问题类型、业务周期、样本量、指标口径和决策场景，把两类数据结合起来判断：用短期数据发现异常和验证动作，用长期数据校准方向和识别真实趋势。
如何定位慢sql，怎么优化？
定位慢 SQL 的核心不是只看执行时间，而是建立从发现、归因、验证到优化的闭环：先通过监控、慢查询日志、数据库性能视图确认慢 SQL；再结合执行计划、索引、扫描行数、锁等待、事务、数据量和业务访问模式判断瓶颈；最后用索引、SQL 改写、分页优化、表结构调整、缓存或架构拆分降低扫描量、排序量、回表量和锁竞争。
ORACLE中的SQL如何进行优化，都有哪些方式？
Oracle SQL 优化不是单纯加索引，而是先定位慢在哪里，再用执行计划、统计信息、访问路径、连接方式、SQL 改写和运行期指标形成闭环。面试中应强调以真实执行计划为依据，以业务过滤条件和数据分布为基础，以响应时间、逻辑读、物理读、CPU、等待事件等指标证明优化效果。
SQL 分析题应该如何拆解指标口径和查询逻辑？
回答这类问题不能只说加索引或看执行计划。高质量拆解应先把查询要回答的业务问题讲清楚：指标是什么、统计哪段数据、以什么粒度统计、哪些记录应被纳入或排除；再把 SQL 的逻辑链路拆成数据源、JOIN 关系、过滤条件、聚合口径、排序分页；最后进入性能定位，从慢查询日志、执行计划、索引命中、扫描行数、临时表、排序、锁等待和数据倾斜等角度判断慢在哪里。核心思路是先证明结果口径正确，再证明执行路径高效。
nosql和关系型数据库的区别？
NoSQL 和关系型数据库的核心区别不是新旧，也不是是否支持事务，而是数据模型、结构约束、查询能力、扩展路径和一致性取舍不同。关系型数据库以关系模型、固定 schema、SQL、事务和复杂查询见长，适合结构稳定、关联清晰、强一致要求高的业务；NoSQL 包括 key-value、document、column-family、graph 等类型，更强调灵活 schema、水平扩展、高吞吐和面向访问模式的数据建模。大型系统中二者经常组合使用，而不是互相替代。
压测过程中关注哪些核心指标？
压测过程中关注哪些核心指标？这道腾讯牛客题的关键是围绕“压测核心指标”讲清概念、机制、取舍和边界。压测要关注吞吐、延迟、错误率、资源利用率、饱和点和稳定性。核心指标包括 QPS/TPS、P50/P95/P99、超时率、错误码、CPU、内存、GC、磁盘 I/O、网络、连接池、队列长度和依赖服务耗时。
SQL 语句执行效率低时，如何分析并优化？
SQL 语句执行效率低时，如何分析并优化？这道腾讯牛客题的关键是围绕“SQL 查询优化与索引失效判断”讲清概念、机制、取舍和边界。SQL 慢或大批量查询要按定位、解释、改写、验证的流程处理：先从慢查询日志定位 SQL，再用 EXPLAIN/EXPLAIN ANALYZE 看访问类型、索引、扫描行数、回表、排序和临时表。
如何设计 A/B 实验评估大模型智能客服是否提升用户满意度？
这题考用数据分析方法验证大模型客服是否提升满意度，重点是实验假设、随机化单位、主指标与护栏指标、样本量、显著性和长期效果判断。
在财务经营分析中，如何用大数据和 AI 提升分析效率与准确性？
在财务经营分析中，大数据和 AI 的价值不是替代财务判断，而是提升数据整合、异常发现、预测预警、归因分析和报告生成的效率与准确性。回答应围绕经营分析链路展开：数据口径统一、自动化取数、指标监控、异常检测、预算预测、成本收入归因、报告自动化和人审机制，避免空泛谈 AI。
除了传统 RFM 模型，如何用无监督学习从海量用户行为中挖掘有商业价值的新用户分群？
这题考察的是数据分析候选人能否把无监督学习从“算法名词”落到用户分群的业务闭环。好的回答要先说明分群不是为了替代 RFM，而是从更丰富的行为、偏好、价格敏感度、生命周期和转化路径中发现可解释、可触达、可验证的人群，并用离线稳定性指标和线上业务实验共同证明分群有价值。
评价模型优劣时，传统计量模型和机器学习模型的指标有什么不同，如何按解释性、预测效果和业务风险选择？
这题考察的是数据分析候选人能否区分传统计量模型和机器学习模型的评估目标。传统计量模型更关注解释性、参数显著性、假设检验和残差诊断；机器学习模型更关注样本外预测、泛化能力、过拟合控制和业务损失。优秀回答还要说明不同业务风险下如何选指标。
在 Hive 中有一个城市百万级经纬度数据，如何做空间聚类，并兼顾距离计算、分区分桶、性能和结果验证？
这题考的是把百万级经纬度点在 Hive 环境里做成可落地的空间聚类方案，而不是只说一个算法名。好的回答要先明确聚类目标和距离口径，再选择网格、Geohash、KMeans 或 DBSCAN 等方法，并说明 Hive 里如何用分区分桶、邻域裁剪、两阶段距离计算和结果验证控制成本。核心原则是避免全量两两距离，把空间问题转成可分区、可局部比较、可抽样核验的数据处理流程。
如何缓解过拟合？
缓解过拟合要从数据、模型容量、正则化、训练策略和评估切片一起回答，核心是降低模型对训练集噪声和偶然模式的依赖。
同题还出现在 1 个公司岗位
从数据分析角度，推荐模块应如何用指标衡量效果，如何覆盖曝光、点击、转化、留存、GMV、供需和长期体验？
这题考数据分析师能否为推荐模块搭建完整指标体系：既覆盖曝光点击转化，也能解释 GMV、供需、用户体验和长期留存，而不是只报 CTR。
面对羊毛党，推荐模块应如何识别风险、调整排序策略并兼顾平台转化和正常用户体验？
这题考的是数据分析师能否把羊毛党问题放到推荐系统里处理：既识别风险和控制补贴损失，也避免误伤正常用户和损害推荐体验。
如果要对城市做聚类，会选择哪些特征，如何覆盖供需、地理、用户结构、时段、价格和运营指标？
城市聚类不是把所有城市指标堆进模型，而是先明确聚类用途，再构造可比较的城市级特征，覆盖供需、地理、用户结构、时段、价格和运营表现，并通过标准化、降维、稳定性检验和业务解释验证分群是否可用。
如何向非技术同学解释因果推断和相关分析的差异，并用出行定价策略举例？
相关分析回答的是两个现象是否一起变化，因果推断回答的是如果主动改变价格策略会造成什么结果；在出行定价中，关键是识别混杂因素、设计对照、估计干预效果，并用业务同学能理解的语言解释不应把相关当因果。
关注页上线新的排序方案时，如何通过 A/B 测试选择更优方案，并设计核心指标、护栏指标和分层分析？
关注页排序方案 A/B 测试要围绕“用户是否更有效消费关注内容”设计指标：核心看关注页消费和互动提升，护栏看负反馈、留存、整体体验、创作者曝光和系统性能，并通过分层分析、显著性检验和长期观察决定是否上线。
同题还出现在 1 个公司岗位
在样本不平衡问题中，除了修正数据集，还能有哪些方法？
样本不平衡除了修正数据集，还可以从损失函数、样本权重、阈值移动、指标选择、模型集成、概率校准和业务决策成本入手。回答要说明不同方法解决的是训练偏差、预测阈值还是评估偏差。
同题还出现在 1 个公司岗位
时间序列数据中如何检测异常值？在传感器场景下如何判断当前点是否异常？
这题考时间序列异常检测的系统思维。不能只说 3σ 或箱线图，而要结合趋势、季节性、周期、噪声、传感器物理边界和业务代价。判断当前传感器点是否异常时，应比较它与历史基线、近期窗口、同类传感器、预测区间和物理约束的偏离程度，并区分点异常、上下文异常和持续漂移。
作为数据分析师，遇到辛普森悖论导致汇总数据和分层数据结论相反时，应如何判断和处理？
这题考辛普森悖论下的数据判断能力，重点不是机械选择汇总或分层，而是先确认业务问题、分层变量是否为混杂因素，再用因果和实验思路给出可执行结论。
如何通俗解释“统计不显著”是什么意思？
这题考统计显著性的通俗解释，重点是说明“不显著不等于没效果”，而是当前样本证据不足以排除随机波动。
多变量回归结果好不好，应该看哪些指标和诊断结果？
这题考多变量回归的完整评估框架，不能只说 R²，而要从拟合优度、泛化误差、变量显著性、模型假设、共线性和业务解释一起判断。
如果 CTR 整体不变但 CVR 下降，数据分析师应如何定位原因？
这道题考察数据分析师的漏斗诊断能力。CTR 稳定但 CVR 下降，说明曝光到点击的吸引力整体没明显变差，但点击后的转化承接、点击人群质量、供给匹配、页面链路、转化回传或流量结构可能出现问题。好答案要先校验数据，再拆漏斗、切分人群、区分结构变化和真实转化率下降。
DBSCAN 的原理是什么？如何用伪代码描述其聚类过程？
这道题考察 DBSCAN 的密度聚类思想和过程表达能力。核心是用 eps 邻域和 minPts 定义核心点、边界点和噪声点，从核心点出发把密度可达的点扩展成簇；它不需要预先指定簇数，能发现任意形状簇和离群点，但对参数、距离度量和密度差异敏感。
因果推断中，无法获取随机对照数据时如何估计因果效应？
没有随机对照数据时估计因果效应，需要用观察数据方法尽量构造可比组。常见思路包括倾向评分、匹配、分层、回归控制、DID、工具变量、断点回归、DML 和敏感性分析，但结论可信度依赖假设。
同题还出现在 1 个公司岗位
Dropout 在训练和推理阶段分别如何处理，为什么测试时通常关闭随机丢弃？
这题考 Dropout 的训练和推理差异。高质量回答要说明训练期采样 Bernoulli mask，常用 inverted dropout 按 1/(1-p) 放大保留激活；推理期切到 eval 模式关闭随机丢弃，使用完整网络并保持期望一致，同时补充 MC Dropout 例外和框架常见坑。
拼多多处于流失风险期的用户，如何用自动化数据策略做召回？
这题考用户生命周期运营里的风险识别、自动化策略和实验闭环，不是简单问“给流失用户发券”。高质量回答要先定义拼多多场景下的流失风险期，再说明如何用行为、交易、品类偏好和价格敏感度打分分层，最后讲触达时机、召回权益、推荐内容、实验 holdout、召回后留存和打扰护栏。
抖音创作者投稿率短期大幅下跌时，如何做异动分析？
这题考短期异动分析能力，核心是保留“创作者投稿率”这个业务指标，并从口径验真、创作者分层、投稿链路、审核和流量激励、活动周期、创作工具故障、外部事件、内容生态供需等层面快速定位。好的回答要像抖音内容生态分析，而不是泛泛按时间地区拆。
滴滴近一周新客首单转化率下降时，第一轮诊断应如何分层排查？
这题强调“第一轮诊断”，不是马上做完整因果归因。高质量回答要在滴滴新客首单链路里快速分层排查：先验指标和埋点，再按渠道新客质量、城市时段产品线、发券和价格、叫车供需、等待时长、司机接单、取消、支付、版本异常等层级找最大断点。
拼多多美妆百亿补贴专场，如何用数据分析辅助选品？
这题考拼多多百亿补贴美妆专场的经营分析能力。答案不能只说选销量高的商品，而要围绕选品池、补贴优先级和经营护栏展开：既看人群需求、品牌信任、价格力、历史转化、搜索收藏趋势，也要算毛利和补贴 ROI、库存履约、退货差评、正品风险和售后承压。
如何基于历史数据预测 60 天后的 DAU？
这题考数据分析师如何把“预测 60 天后的 DAU”做成严谨的时间序列和业务预测问题。高质量回答要覆盖目标口径、历史数据、特征、模型、验证、预测区间、业务事件和可解释交付。
选择一款网易产品时，如何定义产品热度指标，并用数据分析找到提升方向？
这题考数据分析师能否把模糊的产品热度转成可度量、可诊断、可增长的指标体系。以网易云音乐为例，热度不能只等同于 DAU，而要同时覆盖活跃、内容消费、互动传播、留存、内容供给和商业健康。