停止内耗，减少焦虑。。。

实习&项目

1.监控哪些指标？

2.最重要的指标是那几个？

3.如何做异动指标分析？

4.模型构建了哪些特征？

5.最后发现哪些特征比较有意义？

6.数据处理问题：类不平衡怎么处理的？欠/过采样

8.为什么GBDT精度比决策树高？

sql & python

on作和where有什么区别？
各种类型的join有什么区别
where和having有什么区别？

上面的回答在这里

不用 distinct 语法怎么实现去重功能？

group by 补充 distinct 和 group by 在去重时的区别：

①distinct 是把内容存储在hash结构，然后把 key 拿出来，空间换取时间；

② group by 是分组统计，时间换取空间；

③数据越离散，DISTINCT 需要消耗的空间越大，效率也就越低。
分布式问题

有了解过hadoop么？数据倾斜时如何发生的？

spark为啥比hive快？所有条件下都成立么？

比较spark、hive、MySQL查询的区别

分布式了解多少，做过的分布式或多线程相关的吗
Python

Python里一般用什么包

pandas: value_counts/duplicated/dropna/shape/apply/df.groupby(by = 按某列分组).agg({"列名":"函数"})/merge

PyODPS: python执行sql任务读取数据

...

统计理论&机器学习

AB实验

·    1为啥用t检验？知道哪些统计学检验？
·    2如何理解p值
·    3哪些指标？服从什么分布？为什么服从？
·    4样本量怎么确定
·    5实验对照组样本怎么选择
·    6.维度爆炸怎么解决（正交/互斥）
·    7.如果实际情况和实验结果不符，为什么？
·    8.一般流程总结
·    9.实验中遇到过什么困难，怎么解决的

Z T 卡方 F检验
出现样本观察结果或者更极端的概率
指标包括 gmv 交易额 gaap 毛利额 ctr 点击率。每位用户周期内的 gmv 呈现右偏分布；原因是部分用户（比如大药店）的极端行为，如大金额订单，给实验的评价指标带来决定性的变化，所以有必要对异常用户的数据进行过滤。分布可以画直方图箱线图/看分位点/等距分箱算比例/分布检验
显著性水平0.05，需要提升的gmv比例1% 利用区间估计里计算样本量的公式 —— 可用来计算实验周期数
用户登录次序划分ABABAB...，从而分为AB两组作为实验组和对照组。注意必须保证一个用户仅处于一个组，需要处理同一用户拥有不同账号的问题（利用IP地址，设备等检测）
实验和实验之间交叉，用户同时数据多个实验，要求实验和实验之间不会相互影响，可以缩小实验周期（我的简单分流不涉及到这里）
①分流不均衡，需要进行有效性检验 AA test/ DID ②样本量问题不足以显著 ③新奇效应，可以只看新增用户 ④试验周期选择，考虑用户活跃间隔期（连续两次购买的时间间隔），以保证实验组用户都被策略触达
确定实验目的-关键指标和辅助指标-确定样本量-时间周期-分流-有效性检验-开展试验-异常处理-检验-分析结果
困难
- ①同一用户的不同账号问题，包括连锁店问题，这些用户之间是相互联系的，可能导致实验组和对照组不独立，并且我们不希望他们看到不同的价格，涉及到分流的处理；
- ②试验周期的选择，按照什么周期去加总，考虑连续两次购买的时间间隔，按照周来加总；
- ③异常用户/大金额订单的过滤；
- ④利用DID方法减少趋势性和周期性波动影响，即用试验后的数据-试验前的数据的差值作为数据。

预处理

偏态数据如何处理：变换/离散化/异常值筛选之前写过
缺失值如何处理：删除/插补/离散化/random生成之前写过

机器学习

MAE 和 RMSE 作为metric的应用场景是什么？

知道哪些正则化？

知道哪些损失函数？

K-means聚类过程

随机森林的随机性体现在？

SVM的核函数的定义和作用？

LR回归公式的推导

LDA？

向量间的相似性计算方法

朴素贝叶斯?

业务分析

1.评估某个改版

有在微信内看过公众号文章么？微信订阅号改版，文章底部有相关文章推荐，你会怎么评估？

核心点：数据分析（转化率、核心指标的变动情况）+ A/B test

1、是推荐的效果。需要文章的曝光log，文章曝光后的点击log，简单计算转化率。

2、是大盘阅读效果。需要有A/B test，对比无推荐/有推荐的用户，最终的阅读量是否有明显差异。需要有用户阅读文章的log。

2. 常见模型

AARRR模型？获取-激活（活跃起来？）- 留存 - 转化收益 - 推荐传播

3. 指标变动分析

3.1 微信支付某天的支付总量同比发生5%的下降，你会怎么查找原因？

之前写过

3.2 文章推荐转化率高，大盘阅读量没有提升或者有提升，你觉得原因是什么？

指标拆解，阅读量来自：订阅公众号点击量+朋友圈或者群聊分享点击量+推荐点击量，如果推荐的转化率高，可能是用户减少了看订阅列表和朋友圈的文章，毕竟用户日常阅读时间有限。

4. 费米问题

如何估计白天某个小时深圳空中有多少飞机？

假设深圳一千万，每天旅客流量大概10万，假设每架飞机载客100人，则每天机场起飞降落1000架飞机
航班时间早6-晚10点（每天16个小时），假设飞机起飞或者降落在深圳停留半小时
那么每个小时空中应该有 1000 * 0.5 / 16 架飞机

之前写过

5. 类似产品经理的app评价、分析类问题

有使用过短视频么**？从哪里可以获得抖音、快手、微信视频号的数据？怎么评价3者的竞争？**

常用APP？如何优化？如何看结果？

如何搭建核心指标

6.数据分析了解、转行、书籍推荐等

有看什么数据分析的书籍么？

利用 python 进行数据分析 R语言可视化 ggplolt2 机器学习

腾讯数分面经问题汇总（更新中）