数据分析面试会重点考查候选人两方面的能力，一个是基础的数据工具能力，最常考的就是 SQL，这部分前面我们已经有系列笔记全面剖析了大厂的常考笔试题型。
考查的另一方面就是业务分析思维了，这一块主要是设定一些常见的业务场景，需要你给出对应的分析思路和方法，这一块对于没有数据分析经验的小伙伴们来说就很不友好了，很多面试的朋友碰到这类题都会很慌，无从下手，因为没做过，也不知道怎么分析啊！！！
不过不用怕，我们收集了近几年一些大厂的面试业务题，通过这些题目的详细讲解，你应该就能掌握这类题目的解答思路了
常见的业务题
Q1、你是怎么理解数据分析的？流程如何？
数据分析是基于对业务的理解，发现业务中的问题或潜在增长点，形成分析思路，并利用数据
分析工具进行分析，给出结论和解决方案，并协调各方推动方案落地，解决问题，回到业务中去的完整闭环。
数据分析的主要流程：观察现状
留意变化
多维、交叉分析预测趋势
生成策略推动落地复盘效果
Q2、你认为数据分析的价值如何体现？
数据分析不是数据统计，不能仅仅停留在输出一份数据报告，给出一些数字，要给出结论，讲清楚数据背后的业务含义，数字的大小正负说明业务是好还是坏，有多好或者多坏。
明确数字背后的业务含义外，还要给出背后的原因，好的方面是否可以复用拓展，坏的方面原因是什么，应对方案是什么？要把方案推动落地到业务中执行，并且跟进执行的效果和复盘，螺旋上升，不断迭代优化。
Q3、指标的异常波动变化（例如日活下跌）如何分析？
确定数据来源是否可靠
确定指标的计算口径是否一致确定是否是市场的整体趋势 描述性统计：下跌了多少
观察变化：同比下跌多少，环比下跌多少
评估变化/方差分析：跌幅是否在合理范围？
交叉分析/相关性分析：对指标进行拆解，有哪些指标可能和日活下跌有关系，有关系到什么程度
业务分析：这些指标的运营部门，是否有某些运营策略或者活动造成了这些指标的变化，间接导致日活下跌
回归分析/预测：还会跌几天？跌幅最坏到什么程度
风险/损失评估：日活下跌对产品的核心 KPI 有什么影响制定策略：如何挽回损失/下次如何避免
Q4、注册类和活跃类指标，你会看哪个？
不同时期关注的指标不同，应区别对待。
产品初期：关注产品的快速增长，会重点关注注册类指标。
产品成熟期：关注用户的使用粘性、深度等，会重点关注留存和活跃类指标。
Q5、用 Python 设计算法实现圆周率的计算
蒙特卡洛法：一个边长为 1 的正方形和他的内切圆面积比为 4/pi,通过随机生成 x,y∈[0,1],落在圆内的个数N 除以总个数 M,即 N/M=pi/4，即可求出圆周率。
Q6、估算一个星巴克门店的销售额
分析 CBD 一家星巴克一个月的销售额有多少？
二八原则拆分，星巴克主要以饮品为主，饮品主要以咖啡为主。 1、从需求端估算：
饮品销量
每天多少人喝咖啡 CBD 一共有多少人喝咖啡的比例
每人每天喝几杯非饮品销量
2、从供给端估算：
工作日供给忙时供给
忙时每小时多少杯一天多少忙时
闲时供给
闲时每小时多少杯一天多少闲时
周末供给 忙时供给
忙时每小时多少杯一天多少忙时
闲时供给
闲时每小时多少杯一天多少闲时
Q7、你理解的指标是什么？有哪些组成部分？
指标是有业务含义的，体现业务变化的，不是瞎拍出来的，指标是复杂的，是有特定业务场景的。
指标口径：指标的定义，业务定义比如活跃用户数：打开APP 的用户数。
指标一般与维度一起联合分析，从不同的维度看同一个指标可能会有差异和业务上的发现。 同一个指标可能会被应用与不同的业务，需要注意保证指标口径的统一，避免造成指标的歧义和误解。
Q8、指标和维度的区别和联系
指标：用于定量评估业务好坏程度的而建立。
维度：描述指标的角度，可以理解为看问题的方面。
维度不能独立存在，一般都是搭配着指标一起分析，可以分析不同维度下的同一指标，也可以
多个维度交叉，分析某一个指标，可能会有一些业务上的发现。
Q9、什么是北极星指标？什么是虚荣指标？
北极星指标也被称为是第一关键指标，是指业务在当前阶段最为关注的一个指标，引导当前业务的发展。当然北极星指标也是一个比较汇总的指标，可以通过拆解拆分为各个子指标，更便于整体指标的实现和分析。
常见的虚荣指标包括累计用户数，累计销量、销额等，都是只见涨不见跌的虚荣指标。
Q10、什么是指标体系？如何建立？业务应用场景？
定义：
一个指标不能叫体系，多个不相关的指标也不能叫体系，一个指标体系是多个相关的指标有机结合起来，具有严格的逻辑和分层体系。
建立方法：
根据业务特点和生命周期选择第一关键指标或者叫北极星指标；
贴合业务需求将第一关键指标进行逐层拆解，可以按流程拆，按时间区域拆，按公式加减乘除拆等；
从上致下：从顶层战略或从 KPI 拆解；
从下至上：叶子指标向上汇总成整体指标；应用场景：
监控关键指标变化趋势，判断业务走势；逐层拆解，定位业务异常原因；
通过数据驱动业务迭代；
Q11、什么是 A/B test？核心原理和应用场景？
定义：
基于小样本的后验方法，通过设置对照组和实验组，对变量进行试验，通过假设检验对不同组
的结果进行检验，以检验变量是否对结果造成显著影响，从而选取最合理的方法。核心逻辑：
核心是通过随机合理分流，设置对照组和实验组，通过控制变量法，在保证两组用户除待验证变量不同外，其他变量分布均一致。分别对两组施加不同的变量，观察两组用户在一段时间内的表现，通过假设检验分析结果是否有显著差异，从而判断改动是否有效可执行。
应用场景：
常应用于产品功能、算法策略迭代。
