小弟25届，本科211，硕士双非，目前在滴滴做算法实习中。想看看同专业的前辈们的工作选择之前想做数分，但是技术门槛低，学历卷上天了。现在想数据开发，数据仓库，但是感觉没有发展前景算法就别提了，都是清北华五四😭😭 #我的求职思考# #学历对求职的影响#

# 求用户及其等级 # 最大连续回答问题的天数大于等于3天的 # 对answer_tb按用户分页开窗，以日期排序，计算最大连续回答问题的天数 # 直接在用户内开窗，lead找到下一个记录的，相减，如果是1就是1，不是1就是null，然后计数多少个1就是多少个1+1 # 开窗 WITH temp_0 AS( SELECT author_id, answer_date, LEAD(answer_date) OVER(PARTITION BY author_id ORDER BY answer_date) next_date FROM answer_tb ) # 针对差...

# 求高质量的回答中用户的层级归属 # 高质量回答：字数>=100 # 先联结两张表，筛选出高质量回答 # 再找到对应的用户，根据用户找到层级 # 联结两张表，根据高质量回答的条件筛选出对应的用户和用户等级，并使用条件语句将等级转换为文字 WITH temp_0 AS( SELECT author_id, CASE WHEN author_level IN (5,6) THEN '5-6级' WHEN author_level IN (3,4) THEN '3-4级' ...

# 求最大同时在线人数 # 经典瞬时人数计算 # 临时表0， 将进入和离开时间分别编码为1，-1 然后组合在一起 WITH temp_0 AS( SELECT course_id, in_datetime _time, 1 cnt FROM attend_tb UNION ALL SELECT course_id, out_datetime _time, -1 cnt FROM attend_tb ) # 取最值 SELECT course_id, course_name, MAX(num) max_num FROM( # 子查询根据课...

# 求每个科目的出勤率 # 出勤率=出勤（在线时长10分钟及以上）人数 / 报名人数 # 报名人数：SUM(if_sign) # 在线时长10分钟及以上 的人数：in_datetime out_datetime 差值在十分钟以上 # 联结三张表，分组求报名人数，求出勤人数 # 不行 # 还是先联结前两张表，求每科报名人数 # 再根据表3，求出勤人数 # 最后联结这两个查询 # 临时表0，查询课程id，课程名，报名人数 WITH temp_0 AS( SELECT course_id, course_name, SUM(if_sign) sign_cnt FROM cours...

# 求每个科目的平均观看时长，单位是分钟 # 先对上课情况表的时长求秒数，再联结两张表，分组求均值 # 求均值，再除以60得到分钟单位 SELECT course_name, ROUND(AVG(time_gap)/60, 2) avg_Len FROM course_tb JOIN ( # 求时差 SELECT course_id, TIMESTAMPDIFF(SECOND, in_datetime, out_datetime) time_gap FROM attend_tb ) a USING(course_id) GROUP BY course_nam...

# 求直播开始时（19：00），各科目的在线人数 # 针对时间点的，直接联结两张表，判断进入时间是否和理论开课时间相等即可 SELECT course_id, course_name, COUNT(DISTINCT user_id) online_num # COUNT(*) 也可以 FROM course_tb JOIN attend_tb USING(course_id) # 限制在直播开始时在线 WHERE in_datetime <= LEFT(course_datetime, 15) AND out_datetime >= LEFT(course_datetime, 1...

# 求每个课的转换率 # 转换率 = 报名人数/浏览人数 SELECT course_id, course_name, ROUND(SUM(if_sign) / SUM(if_vw) * 100, 2) 'sign_rate(%)' FROM course_tb JOIN behavior_tb USING(course_id) GROUP BY course_id, course_name ORDER BY course_id 联结表，分组求值即可

# 求连续2天及以上购物的用户和对应天数 # 根据用户分组，按照日期升序排列，再移动日期一个单位新增一个字段，同位置相减，天数为1则是有1+1天是连续的，因为下一条记录出来的结果是null # 直接分组是不可能的，因为只要连续两天及以上，所以一旦有一天和下一天是连续的，那是n=1，就记为n+1=2天；扩展开来，就是有n天直接是连续的，那就是n+1天 # 临时表0，根据用户和日期升序排列，使用窗口函数lead以用户分页，将日期字段往上拉一个单位，使得同记录增加一个下一天日期的字段 WITH temp_0 AS( SELECT user_id, sales_date, LEAD(sal...

# 求每款的动销率、售罄率 # 动销率：有销售的SKU数量/在售的数量 # 售罄率：GMV/(总共价值) # 联结两张表，有销售的SKU数量也就是 sales_num 的求和，在售的数量也就是 inventory - 对应商品的售出数量 的求和 # GMV也就是 总商品交易额，是 sales_price 的求和，备货值是 tag_price * inventory- 对应商品的售出数量 的求和 # 错误理解 # 分别从两张表提取所需的字段 # 临时表0，联结两张表，因为是计算各个商品的细节，所以直接对标价、库存取最大值降维，对售出数和金额取总和，这样就知道一个商品的标价、初始库存、售出...

# 求单日最大同时等车人数，同一时间有增有减，先增后减 # 前面有一道题也是这样 # 令开始打车为1，取消打车或上车时为-1。同时筛选符合日期的记录 # 要注意的是开始打车是指event_time，而取消打车是finish_time存在而start_time不存在，上车是start_time存在。采用条件选择语句新增一个字段 # 再使用union all组合 # 分城市求，在窗口函数分页排序时要先把1排到前面，也就是根据这个新增的字段正序(想说的意思是先1后-1，应该是倒序，正序的话就是先减后增了） # #临时表0，查询城市、开始时间、结束时间 # 结束时间存在两种情况，一种是取消，一种...

# 求工作日各时段（四个时段）的叫车量、平均等待接单时间和平均调度时间 # 等待接单时间：从开始打车到司机接单 # 调度时间：从司机接单到上车 # 联立两张表，筛选出工作日的记录（使用DAYOFWEEK函数） # 再根据不同时段的定义分组计算：叫车量（有记录就算叫了一次车），等待接单时间（event_time和end_time的时间间隔），调度时间（order_time和start_time的间隔，这个只计算完成了的订单，要独立出来，也就是说要新增一个字段是完成了的订单数） # 临时表0，筛选出工作日的记录。其实可以和表1合并 WITH temp_0 AS( SELECT even...

# 感觉和上一道困难题如出一辙。这道明显要简单许多 # 求近7日日均订单完成量和日均订单取消量 # 限制是国庆前三天每天的 # 尝试使用滑动窗口函数。 # 先统计最远的，2021-9-25到10-3每天的订单完成和取消量 # 再滑动统计日均完成和取消量 # 临时表，对日期分组，计算每天的成功订单数、未完成订单数 WITH temp_0 AS( SELECT DATE(order_time) dt, COUNT(fare) over_cnt, SUM(IF(fare, 0, 1)) fail_cnt FROM tb_get_car_order # 不要忘了限定时间范围 ...

# 求每个城市中评分最高的司机的三个指标 # 评分是指平均分 # 按城市分组求司机的评分均值，取最大值对应的司机 # 针对这些司机求平均评分、日均接单量和日均行驶里程数 # 未完成的接单也算作接单数； # 只有接单成功的次数，才用于计算平均评分 # 临时表，用于查询每个城市的每个司机的聚合信息 WITH temp_0 AS( # 查询城市、司机id、接单成功的总订单数、平均评分、开窗函数求每个城市的最大平均评分、跑单的天数（要去重）、订单总数（不管接没接成）、里程总数 SELECT city, driver_id, COUNT(fare) order_grade, ROUND(S...