9-13号 一面数据 + 字节跳动 一面 复盘
我发这篇面经的目的,并不只是让大家了解一些面经题目,而是更希望我们可以交流一些问题的看法。😁😁
一面数据 (20分钟)(数据分析实习生)
1.自我介绍
2.项目介绍
3.业务题:假如某家公司的老板打算推出一种新的饮料品类,你应该如何评估 是否应该推出该饮料?
我会从机会选择、机会评估两个方面来考虑
机会选择方面
①团队是否具备相应资源、能力、竞争优势?
②该饮料是否与公司战略一致,是否符合公司的愿景、使命?
③盈利模式是否可行,有商业前途?
机会评估方面
①用户需求:用户的需求是怎么样的?
②市场吸引力:市场规模有多大?增长趋势如何?利润空间有多大?
③竞品方面:竞争强度大吗?相比于竞争对手是否有竞争优势?
③竞品方面:竞争强度大吗?相比于竞争对手是否有竞争优势?
④财务分析:能赚钱吗?实现财务收益的风险有多大?
4.反问(工作的业务有哪些?)
字节跳动(30分钟)(飞书职位数据分析实习生)
1.自我介绍
2.项目介绍 并提问如果你的同龄人也做这个项目,你的优势在哪里?
3.XGB和随机森林的区别?
我的回答是:
①随机森林采用的是bagging算法各分类器之间没有依赖关系。 xgb使用的是boosting算法,各分类器之间有依赖关系。
②XGB会根据特征的重要性进行排序 随机森林是随机选取特征。
③随机森林不能处理缺失值 XGB可以自动处理缺失值。
④对于最终的输出结果而言,随机森林采用多数投票等;而xgboost则是将所有结果累加起来,或者加权累加起来。
⑤随机森林计算量少 计算速度也更快 并且需要的参数也少,XGB需要的参数多,运行速度较慢。
②XGB会根据特征的重要性进行排序 随机森林是随机选取特征。
③随机森林不能处理缺失值 XGB可以自动处理缺失值。
④对于最终的输出结果而言,随机森林采用多数投票等;而xgboost则是将所有结果累加起来,或者加权累加起来。
⑤随机森林计算量少 计算速度也更快 并且需要的参数也少,XGB需要的参数多,运行速度较慢。
4.业务题,假如某一天使用飞书视频的用户极剧下降,你应该如何分析
第一步,向业务方确认数据的统计口径,极剧下降是下降百分之多少?是同比下降还是环比下降?数据是否存在SQL的取数逻辑错误?并且寻找一个标准来判断,这个标准可以是历史数据的标准,也可以是同行业的标准,根据标准来判断用户数量下降是否是一个问题,因为现状≠问题,现状+标准=问题。如果它是一个问题,那么进行下一步。
第二步,分析用户数量的历史数据,并计算同环比,确认数据是否存在周期性、季节性变化.
第三步,从用户维度分析。将用户分为新用户和老用户,如果是新用户数量下降了,那么是不是渠道引流做的不好,需要考虑是来自哪个渠道的新用户下降了?可以通过计算各个渠道新用户来源的影响系数,或者使用归因分析中的末次归因模型来分析渠道出现的问题。如果是老用户的数量下降了,那么可以根据用户最近一次登录时间、使用飞书视频的次数、性别、年龄、职业、地域,使用K-means聚类模型对用户分层分析,确定是哪一部分用户群体数量下降了。
第四步,
从产品方面分析,飞书这类办公软件主要是面向于TOB用户 也就是商业机构的用户,而TOC用户的数量比较少,所以一般来说飞书视频的用户数量大量减少的话,一般是因为一些规模较大的企业放弃使用飞书而转向于其他办公平台比如:teams或者钉钉。可以进行竞品分析,来比较飞书视频和其他办公软件的区别,当用户使用一次飞书视频时候,也可以向用户发放调查问卷,来深挖TOB用户流失的原因。
从运营角度分析,上个月是否举行过相关推广活动?或者本月是否开展过推广活动,假如推广效果不好,导致用户大量流失。竞品是否开展了推广活动?
从技术方面分析,最近是否发生过版本更迭,或者用户打开APP出现秒退或者卡顿?导致用户体验不佳造成流失。
第五步,pest宏观环境分析(因飞书视频无盈利点,不考虑从经济上分析):
政治上,最近国家是否出台了不利于本产品相关政策?
社会上,疫情得到控制,线上办公的需求是否会减少?。
从技术方面分析,最近是否发生过版本更迭,或者用户打开APP出现秒退或者卡顿?导致用户体验不佳造成流失。
第五步,pest宏观环境分析(因飞书视频无盈利点,不考虑从经济上分析):
政治上,最近国家是否出台了不利于本产品相关政策?
社会上,疫情得到控制,线上办公的需求是否会减少?。
科技上,自身产品的科技含量和质量水平,是否长时间没有提高?
5.SQL题,已知table表中有id,date字段 求出表中用户登录前三次的时间,求出每日新增用户数量,
row_number()窗口函数,写完之后将代码复制粘贴到飞书视频里的聊天框中
6.为什么打算投实习岗,当你被录取时会准备秋招吗?
7.反问:这个飞书文档实习生岗位打算招多少人?(2个)
#数据分析##实习##面经##数据分析工程师##面试题目##字节跳动##数据分析师#