4.2.9 费米估算类题目解析   1.      怎么估算上海外卖员的数量？   【参考答案】   外卖员的数量 =每天订单总数/每人每天可配送的订单数   每天的总订单数=目标用户数/点单频度=上海市总人数\times点外卖人数占比/5 = 2500万\times0.4/5=200万每天的总订单数=目标用户数/点单频度=上海市总人数×点外卖人数占比/5=2500万×0.4/5=200万   每人每天可配送的订单数=每天工作时间/完成一个订单需要的时间=每天工作时间/（骑手到商家的时间+排队等待时间+配送时间+用户等待时间）=每天工作时间/（...

4.2.8 业务指标类题目解析   1.      短视频业务需要哪些指标？哪三个指标最重要？   【参考答案】   1)     短视频本身的数据，比如短视频发布时间、视频时长、发布渠道。这个都是视频发布后即有的固定属性。   2)     短视频消费测相关的数据，比如累计播放量、点赞率、完播率。   3)     短视频供给侧相关数据，投稿用户数、连续投稿用户数、优质投稿人涨粉率等。我认为最重要的三个指标有：播放量、点赞量...

4.2.7 AB test类题目解析   1.      在abtest的应用 p值的意义，第一类和第二类错误的定义是什么？   【参考答案】   AB实验实际上是建立在假设检验的基础上的，P值就是在原假设成立的前提下，出现原假设以及更极端现象的概率，定义了第一类错误的具体程度，第一类错误α叫弃真错误或显著性水平，即原假设为真时却被我们拒绝的概率；   第二类错误β叫采伪错误，即原假设为伪我们没有拒绝的概率。在一定样本量的情况下，减小一类错误必然会增大另一类错误，在实践中我们一般会优先控制第一类错误，因为原假设是非常明确的      【解题思路...

1.      Python数据处理的常用函数   【参考答案】   数据处理主要用的就是pandas里面的函数。   去重：drop_duplicates()   填充缺失值:fillna()   处理某列:apply(), lambda函数   替换函数：replace()      2.      python 斐波那契数列   【参考答案】   def fib(self, n: int) -> int:         &...

4.2.5 机器学习与数据挖掘题目解析   1.      K-means、 K-means 算法的优缺点。   【参考答案】   优点：当潜在的簇形状是凸面，簇与簇之间较明显，且簇大小相近时，结果较理想。对于处理大数据，该算法高效且伸缩性较好。   缺点：要事先确定k；对于初始簇中心敏感，常以局部最优结束，对孤立点敏感，不适于发现非凸的簇或大小差别大的簇。      2.      rfm模型介绍一下？    【参考答案】   RFM模型根据客户活跃程度和交易金额的贡献，进行客户价值细分的 一...

4.2.3 数据分析类题目解析   1.      说一说数据分析流程。   【参考答案】   第一步：与业务方沟通问题，明确分析目标；第二步：对目标进行拆解，可以采用两步分析法，也可以采用人货场分析法，通过数据定位问题源头；第三步：与产品、运营和技术沟通，找到问题原因。   【解题思路】   本题考查数据分析的结构化思路，需要对数据分析有大致的了解，并能够用结构化的语言描述。      2.      游戏内数据分析涉猎的少，如何证明自己有能力胜任？    【参考答案】   虽然我对游戏数据分...

4.2.2 SQL题目解析   1.      sql如何进行优化？   【参考答案】   SQL优化看运行环境，可以分为mysql和Hive，前者是数据库查询优化，后者基于MapReduce。互联网分析师更多是基于Hive查询数据，所以下文针对Hive如何优化进行分析。   1)     理解数据仓库的分层和数据粒度是首要的。因为相⽐于与数据库是为了数据的储存，更新而设计的，数据仓库则是更多为了数据的查询。针对具体的业务需求，选择合适的数据粒度，是sql优化的基础。例如选择用户粒度的Hive表，比起访问...

4.2.1 数理基础类题目解析   1、逻辑推理类题目   【题目案例】   甲、乙两地相距S，火车A以20的速度从甲开向乙，火车B以15的速度从乙开向甲，A上有一只小鸟以30的速度和A同时出发，小鸟碰到另一辆火车的时候立刻调头，问：火车AB相遇的时候，小鸟飞了多少距离？       【参考答案】   S*(10/21)      【解题思路】   在小鸟开始飞行至火车AB相遇的时间轴中有两个关键节点：小鸟与火车B相遇，火车AB相遇。以下从这两个关键节点进行分析求解。   （1）小鸟与火车B相遇   小鸟与火车B相遇时，小鸟总飞行时长为S/(30+15)=S/45，其飞行距离为S(30/45)...

4.1 数据分析校招概况   4.1.1 整体现状分析   “数据分析师”虽然是一个岗位，但下面的分支千差万别。宏观来看，数据分析的工作方向可以分为两类：技术向和业务向。   技术向的数据分析偏向数据挖掘和算法，包括数据工程师、数据挖掘、数据科学家等。这类岗位对算法/机器学习的要求较高，需要熟悉各算法的运行机制并进行优化，需要有很好的数学/统计/计算机基础。同时，一些公司会把此岗位归结于算法或数据开发岗而不是数据分析师，所以在数据分析校招岗位中较少。      而业务向的数据分析偏向产品/运营，职称上来看包括业务分析、经营分析、商业分析等。通常，业务数据分析师会和产品或者运营合作，通过数据提取...

秋招运营面经：vivo，oppo，百度，360，快手大家好，感谢牛客网的信息和讨论，还有各种大佬的面经带给我的帮助，目前秋招已经成功上岸，手握6个offer，有一些自己的小感悟心得，来跟大家分享面试经验~首先，我的面经是针对非技术类岗位， 运营岗位为核心，还有 管培生。先介绍一下本人的背景：211本硕，管理类专业背景，秋招核心坐标 武汉运营和管理类岗位大多数秋招基本流程如下：简历+笔试 ，群面，一面，二面，（或三面/总监面），hr面1.认真整理实习经历：如果是和我一样，以运营和管理类岗位为目标，那么实习经历在简历筛选这块会比较重要，特别是超过3个月的实习经历会更有价值。简历这块希望大家可以认真...

产品运营岗超长春招面经总结|已拿美团/京东/携程offer   作者： 猴猴今天学习了吗？？      【交代一下本人的情况】   妹子，大三，某不知名211，计算机相关专业，有一段饿了么的产品运营实习经历，社团经历较丰富。      【网申】   2月底开始投递第一家阿里，4月初结束投递，一共投了30多家互联网公司（大部分运营，极少部分产品or市场）和几家快消公司。   加了一个内推群，发起人大概是一些人帅心善的大厂研发小哥哥们，戳他们就能内推，我一个非技术的妹子也是占到了便宜！再次感谢内推的各位大佬们。   内推还是很重要的，我真的死不要脸的各种扒关系找内推。但是不要只靠内推，要多种方法一...

1、运营管理类题目   运营管理类问题，会给设定一个真实的工作场景，来考核你的工作处理能力。我们除了要是一个会思考问题的有专业能力的候选人，同时会解决日常工作上的问题，有强执行力，也是非常重要的。   这类问题就更加的真实，大家需要去回顾自己之前作为学生干部或社团负责人，在解决具体问题时都是怎么决策的。和业务问题一样，我们也是需要找到背后的原因，找到他们的诉求，根据事实来找到解决方案。      【题目案例】   你是抖音大V的管理负责人，微信群每天很多问题，如何才能解决所有人的问题。      【解题思路】   做过日常社群，或者经常答疑等相关实习工作的同学应该深有感触，一方面是在吐槽怎么有...

1、费米估算问题   费米问题，通常是包括关于给定限定信息的有可能计算的数量的猜想的验证。   这类题看起来觉得已知条件太少，离答案太遥远，但实际上，我们通过对变量的分析，拆解成一个可算的公式，并通过一些合理的假设来赋予一些初始值，那么估算的问题就可以得到解决。      这类问题考验的就是同学的逻辑思维能力，批卷老师不会太在意最终的结果是否有偏差，当然偏差小是最好的，但核心是看你怎么拆解这个问题，提出合理假设，并给出整个演算过程的。      【题目案例】   估算在春节前倒数第三天，首都国际机场一天的人流量。      【解题思路】   此类估算问题一般都可从供需两个角度来思考，一般情况下...

文案类题目是在运营求职过程中，最基础的基本功，文案类题目的考察能力一般是：     对行业和业务的理解   对运营思维和方法论的沉淀   输出文笔能力            文案类题目很靠平时的积累和思考，甚至你在面试中的自我介绍也是文案，所以可以借着这个机会好好的准备，来达到文案技能的提升，这里给大家推荐两种提升技能的练习途径：   （1）分类型题目去练习；（2）结合真实项目场景去练习；   下面将分类不同的文案题目给大家详细讲解，大家在学习后可以到牛客网产品运营题库随机抽选几道文案类题目进行练习和巩固。      1、文案-描述类题目   描述类题目中描述的产品或事物可能是千变万化的，这里...