数分面试题 - 常见面试题2

1、GMV下滑严重怎么分析？

1，相比于何时下滑，是环比上月，同比去年，环比去年，还是环比上周的数据。通过时间的比较初步判断为下滑，是否是出于季节、节日、突发性时间，和天气等影响
2，公式拆解 = GMV = 购买人数×客单价×购买次数
购买人数：浏览×进店转化率 ×购物车转化率 - 付款转化率。判段是哪个环节出了问题。

流量下降 – 注意拉新
进店转化率下降：注意营销活动

2、某网站留存率下降怎么分析？

什么留存率？
分母变大？分子变小

3、如果存在有很多维度的特征时，如何筛选？

1，filter方法（过滤式） ：对每一维度特征打分，即给每一维的特征赋予权重。权重代表该特征的重要性。
2，wrapper(包裹式)：将子集的选择看作是一个搜索寻优问题，生成不同的组合，对组合进行评价，再与其他的组合进行比较
3，enbedding方法（嵌入式）：在模型既定的情况下学习出对提高模型准确性最好的特征

4、xgboost算法优点？

1，利用了损失函数的二阶导数，使得最终值逼近真实值
2，out-of-core cache-aware优化内存等方法来加速计算
3，利用L2正则来防止过拟合
4，shrinkage（收缩）方法，相当于学习系数eta。对每颗子树都要乘上该系数，防止过拟合
5，缺失值处理：通过枚举所有缺失值在当前节点是进入左子树，还是进入右子树更优来决定一个处理缺失值默认的方向。支持并行处理，提高了处理速度

6、某APP用户活跃度下降如何分析？

答：
各个维度用户活跃度的变动系数=（该维度下异常前用户活跃度-该维度下异常后用户活跃度）/该维度下异常前用户活跃度，选出变动系数较大的前几个维度，对其进行分析。

两步分析法：首先定位问题原因，通过计算各个维度用户活跃度的变动系数

从内部和外部进行分析，内部从产品（版本更新）、技术（卡顿，闪退）、运营（运营活动）分别沟通
外部（政策与竞品）

7、获取和处理数据的途径与流程？

活动数据：活动漏斗会在活动页中埋点来获取到，埋点需要规范埋点的url和参数需要研发配合将埋点加到页面中
活动结束后，数据仓库同事会将埋点数据接入数据库中，利用sql或者python对数据进行处理，建立活动漏斗

8、预估2030年高考生的数量

高考生一般为18岁，2030年高考生为2012年出生，2012年我国出生人口为1600万，假设上学率为80%，都进行了九年义务教育，中考升学率为60%，所以最好高考人数为1600×0.8×0.6

9、如何理解数据分析师这个职业

数据分析：通过数据的角度，发现业务的痛点和痒点，通过分析原因得出解决策略，并推动策略落地，达到提升业务质量的过程。
职业看法：我认为这个职业是非常有前景的，未来许多企业都将完成数字化转型，对数据分析师的需要和要求也会逐渐提高，未来我也希望在这一领域深耕，不断学习提升自己的分析能力和业务水准，希望能够成为一名优秀的数据分析师。

10、介绍PCA

线性变换，这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第
一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数
据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。

PCA算法步骤：
1，将原始数据按列组成n行m列矩阵x
2，将 X 的每一行(代表一个属性字段)进行零均值化，即减去这一行的均值。
3，求出协方差矩阵。
4，求出协方差矩阵的特征值及对应的特征向量。
5，将特征向量按对应特征值大小从上到下按行排列成矩阵，取前 k 行组成矩阵 P Y=PX 即为降维到 k 维后的数据。