是时候总结一波了,数据分析求职面试笔试题!
- 2026-11-06 06:52:29
00 写在前面
在和数据分析求职的小伙伴交流过程中，大家一直都在我说希望能够整理一些数据分析常见的笔试题和面试题，因为在网上找这些题目真的是太麻烦了，海底捞针一样。而且也不知道哪些题目需要重点准备，解题的思路是怎样的？所以在准备笔试和面试的时候总是感觉到无从下手，力不从心。
整理面试笔试题这个事情拖了很久，虽然很久之前就想做，但是一直没有抽出时间，但是最近小伙伴们的呼声实在是太高了，我想了想还是整理一下吧，毕竟我解除了非常多的求职的小伙伴，也了解了很多大厂的面试和笔试题，这样积少成多也已经有很多题目了。我不能再偷懒了，是时候要整理出来给大家分享一波了，只不过整理题目这个过程真的是太耗时间和精力了，所以想了想，还是构建了一个求职圈，把整理的面试和笔试题都分享到圈里。这样大家就可以在这里获得所有的题目了，而且方便大家彼此交流讨论，不只是求职中的面试笔试题，还有简历修改技巧、求职渠道、岗位信息分享、offer选择和谈薪技巧等等，后面都会在圈中做更新。我希望打造一个求职一条龙服务的圈子，所以我要努力更新啦！
01 数分笔试与面试
SQL题：挑战复杂的表连接和窗口函数
业务题：考察业务理解和分析思路方法
02 笔试面试题举例
我们分别举一个常见的笔试题和面试题来作为说明。
字节笔试题：直播间最大在线人数
现有各直播间的用户访问记录表（live_events）如下，表中每行数据表达的信息为，一个用户何时进入了一个直播间，又在何时离开了该直播间。
现要求统计各直播间最大同时在线人数，期望结果如下:
解题思路：
对于同时在线人数问题，可以把数据进行处理后，然后将出入时间变成一个字段，同时打上标记为1或-1，分别表示进入或离开直播间，同时使用sum()函数累加这个字段，得到当前时间的直播间在线人数，最后再求各个时间上的在线人数最大值为峰值人数。
对数据进行处理：in_datetime dt, out_datetime dt 设置为时间日期字段，同时打上进入、离开分别标记为1，-1
union在一起
selectlive_id,in_datetime as dt,1 as flagfrom live_eventsunion allselectlive_id,out_datetime as dt,-1 as flagfrom live_events使用sum over()开窗，窗口范围首行到当前行，按照直播间分区并按照时间进行排序，即计算累加值（此时数据表示了每一个时刻的在线总人数）
求最大的人数：按照直播间分组，求最大在线人数
最终SQL详见我的求职圈，有总结的各大厂的面试，笔试题。而且还在持续的更新中，感兴趣的小伙伴可以扫描下方二维码。
美团业务题：外卖订单异常分析
最近一段时间内美团外卖的订单量出现了异常波动，请分析可能导致订单异常的因素，并提出策略和方案。
参考答案（无标准答案，仅供参考）：1. 确认问题是否真实存在：1. 数据质量检查：对订单数据进行质量检查，确保数据的准确性和完整性。有时订单异常可能是由于数据记录错误或缺失引起的。2. 分析订单数量的变化趋势：首先，需要对订单数量进行时间序列分析，观察订单量的波动情况。可以通过绘制订单数量的折线图、计算均值和方差等统计指标来了解订单量的变化情况。3. 考虑季节性影响：检查订单数量是否受到季节性的影响，例如假期、周末等因素。通过对比不同时间段的订单数量，可以确定是否存在季节性波动，并了解是否需要针对季节性因素进行调整。4. 考虑促销活动影响：如果在异常波动期间进行了促销活动，需要评估促销活动对订单数量的影响。可以通过比较促销前后的订单量、促销渠道的转化率等指标，分析促销活动的效果。5. 考虑外部市场竞争因素：分析竞争对手在相同时间段内的活动和优惠情况，了解竞争对手的影响程度。可能存在竞争对手的促销活动或者其他因素导致用户选择离开美团平台。6. 统计学确认是否异常：利用统计方法或机器学习算法，如季节性分解、Z-score标准化、聚类分析等，确定是否是异常波动。2. 分析思路：从各个不同的维度进行拆解1. 产品因素：- 菜品品质：分析不同菜品的销售情况，查看菜品口碑评分和用户评价数据，看是否存在品质问题影响订单量。- 菜品种类：分析不同菜品类别的销售情况，了解用户对不同菜系的偏好，看是否有菜品类别需求不足导致订单波动。2. 营销活动：- 促销策略：分析不同促销活动的效果，包括满减、折扣、优惠券等，是否是优惠券等使用失败导致。- 会员优惠：分析会员权益和优惠活动的使用情况，了解会员参与率和活动效果，是否是会员优惠使用不了影响了订单量。3. 运营效率：- 订单处理效率：分析订单处理的时效性，是否订单处理太久是否影响了用户体验，取消了订单。- 供应链管理：分析供应链的稳定性和效率，供应链是否导致了部分菜品缺货或配送延迟，影响订单量。4. 技术因素：- 平台技术bug：分析美团平台的稳定性和性能，了解技术bug是否影响了订单的下单和支付流程。- 用户体验：分析平台的用户界面设计和交互体验，了解是否存在用户操作流程不畅或页面加载缓慢等问题，影响订单量。5. 客户服务：- 投诉处理：分析客户投诉和反馈情况，了解是否存在服务质量问题导致订单量波动。- 售后支持：分析售后服务的及时性和效果，了解售后支持是否影响了用户对美团的平台的评价，进而影响订单量。6. 用户行为因素：通过分析用户行为数据，了解用户的购买习惯和消费偏好是否发生了变化。可以分析用户转化率、购买频率、购买金额等指标，以及用户流失情况，找出影响订单异常的用户行为因素，进而进行针对性的用户触达和运营。3. 对应的策略：1. 产品因素：- 提升菜品品质和口碑：督促商家加强原材料质量管理，优化烹饪工艺，提高菜品口感和品质。- 增加菜品种类和多样性：根据用户需求和市场趋势，督促商家推出更多种类的菜品，满足不同用户的口味需求。- 调整菜品价格定位：根据市场竞争和用户消费习惯，推荐商家合理定价，提供价格适中的菜品，增加用户购买意愿。- 定期推出新菜品：根据市场调研和用户反馈，督促商家不断创新，推出新菜品，吸引用户尝鲜和增加订单量。2. 营销活动：- 设计吸引人的促销活动：根据不同节日和促销节点，推出满减、折扣、赠品等优惠活动，吸引用户下单。- 提升会员权益：增加会员专属优惠和特权，提高会员参与度和忠诚度，促进会员消费。3. 运营效率：- 优化订单处理流程：简化订单处理流程，提高操作效率，加快订单处理速度，减少用户等待时间。- 提升供应链管理效率：加强供应链管理，确保原材料供应充足，配送渠道畅通，保证订单及时配送。4. 技术支持：- 稳定平台性能：加强技术团队建设，优化系统架构，确保平台稳定性和性能，避免技术故障对订单产生影响。- 改进用户界面设计：根据用户反馈和行为分析，优化用户界面设计和交互体验，提升用户使用体验。5. 客户服务：- 加强投诉处理机制：建立完善的投诉处理流程，及时响应用户投诉，解决用户问题，提升用户满意度。- 提升售后支持服务：优化售后服务流程，加强售后支持团队培训，提供专业、高效的售后服务，增强用户信任度。
03 数据分析求职圈
更多数据分析的面试和笔试题，欢迎订阅我的数据分析求职圈。在圈子现已更新面试笔试题40多个，后续会持续更新，订阅价格也将适度上调，需要的小伙伴可以尽早进圈，享受更多优惠哈，更好地准备求职。
已更新的数分面试笔试题
关于求职的简历修改、面试辅导任何问题可以添加微信：data_xingqiu，欢迎交流!
往期精选
end
