面了快手和字节的数据分析岗，收获满满！

节前，我们社群组织了一场技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对新手如何入门数据分析、机器学习算法、该如何备战面试、面试常考点分享等热门话题进行了深入的讨论。

基于社群的讨论，今天我整理了一个同学的数据分析面试题，分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以文末加入我们交流群。

---

快手－国际化数据分析

一面

1. 【简历】自我介绍(要求着重介绍一个项目)

2. 【简历】介绍另一个项目的结论和数据支撑，深挖方法

3. 【技术】sql题 第一题比较简单，求一个符合条件的主播占比；第二题好难，涉及几留、新增、留存率，结果构造也有点复杂。

4. 【业务】AB测试，最小样本量的公式，推导思路

5. 【业务】我们希望增加一个常看作者置顶功能，来提升用户留存和用户观看时长，你怎么评估可能存在的负向表现？你又怎么设计实验来评估这个置顶功能该不该上线？

6. 【业务】某国家的app留存率下降，你怎么分析这个问题？

7. 反问环节：实习生主要会参与部门的哪些工作？刚刚的业务题还有哪些更好的思考方向或者补充思路？

二面

1. 自我介绍

2. 介绍一个项目，以及你具体做的工作，体现一下你的数据分析能力

3. 希望上线一个打卡活动来提升留存，怎么确定打卡活动的天数，综合考虑不同用户的情况？如何设置打卡活动的激励金额？

4. 客户来源于不同的渠道，发现用户留存率整体下降了，你怎么去衡量各个渠道对留存率下降的影响？

5. 反问环节：部门大概有多少实习生，实习生除了日常工作外，可以参与到一些项目中吗？面试表现以及可以改进的地方？

三面

1. 本科有什么社团经历

2. 怎么平衡学习、娱乐、竞赛等，时间分配

3. 职业规划

4. 到岗时间，每周出勤时间，可实习时长

字节

一面

1. 【简历】自我介绍

2. 【简历】数据项目，做了什么，怎么做的，遇到什么难点，怎么解决的

3. 【简历】论文，是主要做了什么，数据来源

4. 【技术】sql题 比较简单 窗口函数排序+创建一个计算字段

5. 【Python】Python用的多吗，用过哪些包

6. 【统计】统计学知识—— t检验和方差分析，说一下你的理解，二者有什么区别；多元回归的异常情况有哪些，对模型有什么影响

7. 【模型】机器学习知识—— bagging 和 boosting 的区别？简单说一下对随机森林和XGboost的了解

8. 【业务】知道试验设计吗，说说AB测试的基本流程，最小样本量怎么算，为什么需要最小样本量

9. 【业务】广告中有一类是展示位广告，比如开屏广告，你怎么衡量某个开屏广告的投放效果？

10. 【业务】如果一个用户本身就在使用广告主的产品，怎么去评估广告对用户是有促进效果的？

因为接了快手的offer，不想耽误别人的工作时间，就把后面的流程推掉了，但字节的面试体验真的很好！！

总结&感受

面试就要多思考、多总结、多交流，很多问题都是相似的。在技术群中，获得了很多大佬的经验分享，很有收获，希望大家都能找到理想的实习岗位和工作，写这篇面经，表示感谢。

从三月份开始投暑期实习，简历挂掉一部分，也陆陆续续面试了十几场，很多公司都泡池子了，三面完不发拒信也不给offer，比如某壳一个实习offer都没发。

面试下来，问题基本和以上三场面试类似，还有其他问的比较多的是：

1. 你最喜欢/最常用的APP是什么，介绍一下APP的基本业务模式，和同类型app对比一下。

2. 对于某项业务或产品，你会选取哪些关键指标。

3. 费米问题：估算一下北京地区租房需求；估算一下某地区需要多少电脑维修服务网点？

4. 和部门业务相关的问题：如何进行碎屏险的欺诈检测？

技术交流

独学而无优则孤陋而寡闻，技术要学会交流、分享，不建议闭门造车。

建立了数据分析、机器学习算法岗技术与面试交流群，面试真题、答案获取，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：Python学习与数据挖掘，后台回复：交流
方式②、添加微信号：dkl88194，备注：交流

资料

我们打造了《数据分析算法实战案例宝典》，特点：从0到1轻松学习，方法论及原理、代码、案例应有尽有，所有案例都是按照这样的节奏进行表述。