之前面试过字节数据开发，问题如下1 先自我介绍2 将你目前的项目进行简单的介绍一下，技术栈和项目难点说明一下3 离线开发建模主要是怎么设计的模型，对于数据倾斜和大任务一般怎么优化的4 对于画像你是怎么理解的，画像一般都是有哪些模型需要设计，为什么需要画像5 对于用户的转化率和重合度为啥很多公司都要做这个，你目前做过吗，对于这个你是怎么思考的6 对于数据质量监控和实时开发你这边有涉及吗，怎么做的

1、介绍项目2、项目底层数据来源，数据量，全量还是增量，计算引擎3、spark执行原理4、spark和mr最大的区别是什么5、缓慢变化维是什么，怎么处理6、维度建模(雪花模型 星型模型)，数仓开发为什么使用维度建模7、数仓的分层架构，各层之间的区别，依赖关系，维度表放在哪里8、OLAP引擎9、为什么想做数仓10、数据质量(dqc sla)11、如果没有按时产出，原因可能是什么?(我答的是任务失败导致的 比如数据倾斜面试官说还可能由于上游数据没有及时产出)sql手撕1、判断主键唯一性怎么写代码(selectuserid spuid count)2、连续登录问题

1、审核的业务流程2、怎么构建指标体系，指标体系的架构是什么?3、分层设计的思路4、宽表一定是好的吗?宽表的优点缺点5、宽表的设计原则是什么?为什么要在dwm层设计一个宽表6、数据分析都是怎么做的7、一段sql提交到客户端后是怎么执行的8、shuffle阶段的原理9、数据倾斜问题(参数调优)10、维度建模(雪花、星型)区别，优缺点，11、增全量改造的动机?12、模型的复用和拓展性13、如何减少二次查询的14、基线是干嘛的算法:最长回文子串sql:脏数据处理

1.实习介绍2.追问多线程事情处理能力3.介绍一个项目4.追问项目:设计python，特征工程，处理异常值和缺失值的方法，如何识别异常值，背后的统计学原理一追问为什么边界是 3sigama5.数据分析需要哪些能力6.考察 sql ，在共享的编译器里当场写20min7.实习时长8. 反问

1.自我介绍加拷打简历数分实习关注哪些指标？怎么构建的数据检测体系？数仓实习负责的什么内容？接触到的最大数据有多大？使用的是什么引擎？（因为数仓实习很水也没问出什么东西所以转向一些八股）2.八股题星座模型和雪花模型区别？效率差异数据冗余…链表和数组的差别？使用spark引擎做wordcount，基本的流程是什么？（类似一个项目提问，学校教过但那是十二个月以前学的了）总的来说问的很简单，和其他面经的问题比简直简单不要太多（可能是因为是实习生的原因）但是自己太菜还是有一些答得不太好3.编程题一道sql两道python的算法题sql有三小题，计算dau dnu，计算新增次留率、日活次留率，连续出勤三十天的用户统计python算法比较简单，是关于“买卖股票的最佳时机”，先遍历数组，再计算每一天卖出可能的利润，利润做比较求得利润最高的一天。

1，xpath定位的熟悉度2，淘宝/京东中遇到的反爬有哪些3，数据量是多少4，影刀RPA做过哪些事情5，对ai的依赖程度

一面是业务面，问了一些技术能力，还有场景题的测试，需要回答相应的思路。二面和终面感觉没有问什么技术方面的，主要是一些个人情况，有没有对象？家在哪里什么的？奥对到现场会让填表再做笔试题目，不过没有人看着，笔试题可以搜。但是终面过了两三周后通知没过😭不知道为何，可能因为不是硕士学历？当时写的期望薪资我写的也不高

1-之前某段实习的主要工作、具体做的事情及主要产出2-某实习中，某实验是否基于数据分析给出排序策略建议？是否做了AB实验对照？3-AB实验中灰度阶段效果好、全量放量后效果变差甚至反转，可能的原因有哪些？4-某段实习的业务背景：4.1-面向B端、G端还是C端？4.2-转化率的定义：是提升17%是课程售卖转化率还是学习机+课程的整体转化率？4.3-用户标签画像的互联网属性标签从哪里获取？5-对大模型辅助分析的认识6-是考研or保研；研究生院校的学硕人数 + 学习成绩排名7-反问：询问了该业务中的岗位定位、具体的培养机制

1-项目1：1.1-项目的背景及适配场景、团队成员1.2-项目核心思路是否独立主导1.3-如何基于业务提取项目设计思路？2-项目22.1-业务背景、目标、拆解目标、分析思路框架、最终效果介绍；2.2-核心问题是如何得出的？2.3-标杆人群如何定义？项目结论和核心影响因素怎么得出？2.4-策略效果是否验证/认证？2.5-项目中最大的成长是什么？项目有哪些可优化的地方？3-对大数据框架、数仓、数据模型有了解吗？4-对未来工作岗位、工作地点有什么期望？5-对未来行业的期望：偏向大厂/北上机会，还是其他也会考虑？6-反问：询问了具体业务、对校招生的定位

1.实习介绍2.介绍在之前实习中做过的一个项目3.拷打上面项目的细节，例如为什么要这么分层，分这几个维度打分的原因4.简历上写了PSM模型，问怎么划分处理组和对照组，如何确定这样划分的可靠性5.是否用过抖音电商，如果有一段时间直播间的点击率下降，会怎么分析6.抖音电商和淘宝京东这种电商的异同7.怎么确定给用户发券的金额8.将之前消费过、但30日未消费的用户认为是流失用户，怎么分析这些用户9.反问

1.项目介绍2.简历上AB实验项目细节拷打3.统计学知识1)假设检验原理2)假设检验步骤3)小概率事件定义4.业务问题：有无门槛5元消费券和满10-5消费券1）为什么要发两种优惠券2）如何判断两种优惠券的效果5.如果GMV下降怎么进行异动分析6.在之前实习中独立负责了项目吗？获得了什么收益?

1.实习介绍2.针对简历展开的提问3.手撕一道 sql题，有三个小问，第一个主要是考察留存率，比较常规;第二道使用row_number窗口函数，也比较常规;第三道考察高级窗口函数lag()over()，要熟悉函数使用方法的话写起来还是比较轻松的。4.考察对笛卡尔积,两个表分别有m和n行数据，进行关联的话最多和最少会产生几条数据5.询问平时使用的购物软件，以及它们和得物的使用体验上面有什么区别6.你觉得得物主要的服务主体是哪一类人

sql口述 1.计算 30日留存率的思路2.同时计算用户 14和 30天的留存率(要求仅连接一次)简历深挖:主要考察是否具备目标驱动能力对比不同时期的核心指标时，两个时期存在众多影响变量，你认为可以用哪些评估方法来看这一次的效果相较上一次是好是坏?

1.了解埋点吗2.sql:次日留存率七日留存率每个科目排行前三用户3.怎么体现你的沟通能力(跨部门沟通4.硕士研究方向5.实习经历/比赛经历6.职业规划7.随即森林，时序，逻辑回归介绍，随机森林如何调参8.能不能介绍一个从头到尾的机器学习工作9.特征工程怎么做，流程10.11、12正则化11.kmeans调整k值如何调整12.卡方检验13.ab实验中的辛普森悖论如何避免业务题:1.围绕拉新活动构建数据指标体系

sql两道代码题1.求次月留存率字段:order_id(订单ID)、uid(用户ID)、dt(日期，格式为YYYY-MM-DD)要求:计算2024年1月至2025年5月期间每个月的次月留存率。次月留存率定义:在当月下单的用户中，在下一月仍然有订单的用户占比。2.求 30日利润字段:uid(用户ID)、dt(日期，格式为YYYY-MM-DD)、profit(当日利润)注意:每个用户每天最多只有一条记录，仅当用户产生交易时才有数据要求:计算 2025年1月至2025年11月期间:每个月的新用户人均 30日利润。(新用户定义为第一次下单的时间即可）30日利润:新用户第一次下单及往后29天的利润总和。3.简历两段实习经历介绍4.gmv下降20%，如何分析

1.简历深挖1.介绍一下在最新这段实习经历里有哪些工作内容、用到了哪些工具以及时间占比2.SQL的使用在里面占到多少，一周有几天在写SQL3.做策略的时候会不会用算法做4.如何调优5.介绍一下另一段数分实习6.你做的工作价值体现在哪里2.学校经历深挖 --- 应该是想挖算法的能力你们专业有没有上过统计学、机器学习的课程，有没有相关的实践你的研究方向是什么，你具体介绍一下3.场景题:假如我们要上一个发券的功能，在直播间闪过，用户可以点击领取，做了个ab实验，现在怎么去分析这个发券行为的影响，下一次是不是要继续做

前段时间玩过小红书的面试，问题如下1，先自我介绍2 对于大数据来说说一下你做的最难的项目，难点是在哪，怎么解决的，解决了产生了哪些收益3 看你会实时，说一下数据湖的时间旅行，为啥大家在做湖仓和回溯任务会用这个4 flink的窗口触发机制，精确一致性如何保证，触发器实现原理5 starrocks的元数据知道吗，元数据是存在哪个地方，和hive的元数据有啥区别6 实时指标对于时间你这边用的是哪个，对于一个埋点日志，如果需要不同的时间维度你怎么设计这个埋点表，如何实现7，有啥需要问我的

1. 实习介绍2. 实习预期3. 如何进行产品的分析？4. 可能遇到的问题/挑战？如何解决？5. 小红书首页by week的渗透率下降如何分析？6. 用户维度如何拆分？贡献度如何计算？7. 红蓝眼镜自杀逻辑题8. [SQL] t(author_id, content_id, p_date, category_id)- 计算每个分区作者发布量前三名的作者- 计算次日留存率

1. 实习介绍2. [SQL] t(student_id, course_id, grade)- 查找每个学生最高成绩及其对应的课程，如果最高成绩并列，取course_id小的- Output(student_id, course_id, grade)3. 大众点评笔记软件优缺点4. 行为问题5. 反问