文章目录

必备技能
- 数据人员如何创造价值
- 完整的指标体系构建
- 数据监控集报表设计
- 设计一份优质的数据分析报告
基于互联网大数据的应用
- - A B 测试
- 用户画像
- 完整的数据挖掘项目流程
- - 1. 分析问题，明确目标
  - 2.模型可行性分析
  - 3.选取模型
  - 4.选择变量
  - 5.特征工程
  - 6.建立模型&效果评估
  - 7.模型上线&迭代

内容整理自《拿下offer 数据分析师求职面试指南》—徐粼著第五章数据分析师实战技能

其他内容：
【数据分析师求职面试指南】必备基础知识整理
【数据分析师求职面试指南】必备编程技能整理之Hive SQL必备用法
【数据分析师求职面试指南】实战技能部分

必备技能

数据人员如何创造价值

基于历史数据和业务背景构建指标体系或者模型。
基于指标体系，监控线上业务数据并制定相应的监控规则。
输出数据分析报告或者提供可执行策略，推动业务的发展。

完整的指标体系构建

Q1：要构建一套指标体系，整体思路：
构建指标体系应该“纵向”和“横向”相结合
- 纵向指的是梳理出分析问题的整个流程，比如对于电商产品，需要分析出用户从进入网站到最终下单的整个流程；对于工具类产品，则需要关注用户使用过程中的体验以及用户流失情况。
- 还需要横向拓展不同的维度，如基于用户画像的人群分类、根据不同业务背景的时间拓展以及业务线的划分。
最后将纵向和横向的结果相结合，就得到了一套完整的指标体系。

Q2：用户行为的核心节点有哪些？如何有针对性地设计指标？
了解用户行为的核心节点，实际上就是纵向分析的过程。互联网公司大多针对C端用户进行分析，这里就以C端用户(consumer （消费者）)为例进行介绍。对于C端用户，核心的三个节点是新增、活跃、留存/流失，大多数分析都是围绕这三个节点进行的。
可以看到，针对新增、活跃、留存/流失这些节点，可以纵向设计出很多指标，但主要是绝对数量和百分比。

对于新增用户，指标有新增用户数量、新增用户留存率、新增用户活跃率等。
对于活跃用户，指标有活跃用户数量、活跃用户中的新增用户数量、活跃用户中的老用户数量等。
对于老用户，指标有老用户数量、老用户流失率、老用户唤醒率等。
对于流失用户，指标有流失用户数量、流失用户与新增用户比率等。

这样就可以针对用户的整体行为节点进行比较完整的指标设计，其中活跃用户部分是需要重点关注的，通过对从新增到流失整个流程指标的构建，可以清晰地看出在哪个环节最终活跃用户数增加了或者减少了。

Q_4：对于活跃用户，应该如何进行相应的指标设计及路径分析？
对于活跃用户，要研究其活跃行为，从而提高用户的体验。针对不同类型的产品，需要进行相应的细分设计。
比如对于电商产品，需要关注的是从来访用户到用户最终成功支付的整个流程，如图5-2所示。
可以看到，针对这个流程的每一步都可以统计出相应的用户数量以及上一步的转化率，比如来访用户数量、点击用户数量、加入购物车用户数量、下单用户数量、支付用户数量、最终成功支付用户数量，以及各种转化率，如点击/曝光转化率、下单/点击转化率、下单/加购转化率、支付/下单转化率、成功支付/支付转化率。这些指标就构成了一个完整的纵向指标体系，通过这些指标可以清晰地看出哪个环节存在问题。
对于电商产品，除了要关心用户数量，金额也是要关心的指标。从加购开始，每个环节在用户数量的基础上都需要增加金额指标以及相应的客单价指标。

对于短视频，需要分为视频的观看者和视频的发布者两个独立的用户群体进行分析。
对于视频的观看者，需要考虑的是各种行为数据，相对路径比较短，如图5-3所示。针对用户的这些行为设计相关的指标，比如观看视频的数量、整体时长、点赞视频占比、评论视频占比等，这些指标刻画了用户观看视频的体验情况。
对于视频的发布者，则需要关注整个流程，看在某个环节的转化上是否存在问题，造成发布的视频数量减少，如图5-4所示。

*以上就是构建指标体系的纵向部分，其中包括了用户从新增到流失/留存的整个流程，这是比较通用的指标体系建立方法。（面试前需要对所要应聘部门的业务有所了解，梳理出产品中用户的生命周期以及活跃用户的行为情况。）

Q_5：有了明确的用户行为路径及相关指标后，如何进一步分析？
除了纵向分析，还需要横向分析，横向分析是指对于同一个指标，基于不同的维度进行相应的拓展，常用的维度包括时间维度和用户维度。

Q_6：针对时间维度的分析，需要注意的点有哪些？
对于时间维度，常用的分析方法是关注最近一段时间的数据，时间的长短要根据业务的具体特性来确定。对于一些高频的App或者功能，通常关注最近1～7天的整体数据情况即可，也可以是自然周。对于一些相对低频的App或者功能，则需要将时间拉长，关注最近15天、30天、90天甚至更长时间的整体数据，也可以是自然月、季度甚至自然年。

另外，与时间维度相关的有同比和环比的概念。因为单纯地关注一段时间的数据并不能很好地看出趋势情况，需要与之前的数据进行对比。对于同比和环比的概念，在实际应用中不需要进行很明确的划分。常用的对比方法是对比当日与上日、本周与上周、本月与上月的数据。对于一些周期性比较强的产品，则需要先确定产品的周期，比如有些产品会受到周末的影响，此时比较合理的对比方法是用本日的数据与上周同一日的数据进行对比；有些产品会受到大型节假日的影响，此时针对节假日数据，就需要与上一个大型节假日的数据进行对比。

对于一些对实时性要求高的产品，需要将数据指标细化到小时级别。

除了时间维度，还有一种常用的拓展方法，就是基于用户画像的用户维度进行拓展。用户画像是互联网公司中常用到的分析工具，通过用户画像可以有效了解各个群体的行为情况，也可以基于用户画像拓展出相应的指标。

Q_7：列举常用的用户维度拓展方法。
有很多通用的用户维度拓展方法，比如对于用户所在地，可以分为城市、省份，甚至华东、华南等大区；对于用户的基本属性，可以分为年龄、性别、职业等；对于用户使用的设备情况，可以分为终端类型、客户端版本、厂商、机型等；对于新老用户，也可以拓展出一些指标。对于新用户，需要关注的是用户来源渠道，通常分为自然新增用户、活动新增用户、广告新增用户等渠道，通过对渠道的划分，可以在一定程度上避免一些大型活动对新增用户分析带来的影响；对于老用户，根据用户的生命周期进行划分，通常分为有效用户、活跃用户、忠诚用户、沉睡用户和流失用户，可以对产品整体趋势有一个清晰的了解。

Q_8：×××最近有所下降，如何进行分析？
针对这个问题，需要充分利用前面所讲的指标体系，按照如下步骤进行分析。
（1）梳理与该问题相关的流程，确定纵向指标体系。比如是支付金额有所下降，就需要梳理：曝光→点击→下单→支付这样完整的用户路径，以各个环节的转化率和用户量为核心指标。
（2）针对核心指标，确定所要对比的时间维度，比如基于所要分析的产品确定与前一天或者前一周的数据进行对比，发现问题所在。
（3）确定问题所在的环节后，针对该环节以用户维度进行拓展，如基本属性、所在地、设备情况、新老用户等，确定引起该问题的用户群体，并针对这部分用户进行相应的策略调整。
除了上述问题，对于“新版产品或者某个运营活动上线后，如何评估效果”等问题，也可以采用相同的方法进行分析，只做微调即可。
总结起来，整个思路就是：梳理路径→确定对比的指标→选取对比的时间维度→针对问题环节拓展用户维度。

数据监控集报表设计

前面介绍了指标体系的构建，通过指标体系可以有效地指导产品人员和运营人员进行决策。但是真正执行时还需要基于指标体系来构建有效的数据监控体系，将指标体系落地，其最重要的产出就是报表。

【数据分析师求职面试指南】实战技能部分相关推荐

【数据分析师求职面试指南】必备编程技能整理之Hive SQL必备用法
文章目录熟悉Python 懂R语言掌握SQL 大数据基础数据库常用类型多表查询更多聚合函数 distinct case when 窗口函数动态更新一行变多行调优内容整理自<拿 ...
拿下Offer：数据分析师求职面试指南
一.面试前的准备二.直面数据分析面试三.基础知识考查四.编程技能考查 4.1 熟悉Python 4.1.1 概念 Anaconda -> Spyder & Jupyter Note ...
[阅读记录]《数据分析师求职面试指南》-2
又是写在前面的一些碎碎念,大家都去读这本书!!(●'◡'●) 目录第三章基础知识考察统计及数据分析知识假设检验贝叶斯统计概览模型及数据挖掘知识第四章编程技能考察熟悉Python pa ...
【推荐】好友新书《拿下Offer-数据分析师求职面试指南》（文末赠送５本！）...
我的好友徐麟的新书<拿下Offer-数据分析师求职面试指南>跟大家见面了! 徐老师在数据分析领域工作多年,有着丰富的从业经验,也多次担任面试官,这本书从面试的角度为大家讲解了如何成为数据分 ...
Interview：人工智能大数据岗位面试—【数据分析师】的简介、技能、待遇、进阶的详细攻略
Interview:人工智能&大数据岗位面试-[数据分析师]的简介.技能.待遇.进阶的详细攻略目录数据分析师的简介 1.网友经验之谈数据分析师的待遇数据分析师的技能数据分析师进阶数 ...
毕业季offer怎么拿？收下这份非典型求职面试指南
摘要:求职面试莫慌,先自我评估一下 ,华为云专家手把手为你指导. 本文分享自华为云社区<毕业季offer怎么拿?收下这份非典型求职面试指南>,原文作者:技术火炬手 . 又是一年毕业季,对于 ...
常见的数据分析师的面试问题完整文件放在GitHub链接上了！！！擅用crtl + F
文章目录前言 1.常见的数据分析师的面试问题 1.1 基础知识考查 **1.1.1概率论与数理统计:** (1)用简洁的话语简述**随机变量**的含义. (2) 随机变量和随机试验间有什么关系 (3 ...
数据分析师入门_数据分析师入门基础指南
数据分析师入门 Back in the summer of 2018, I was just starting my first internship as a Data Analyst. 早在201 ...
a标签去除下划线css_数据分析师所需的编程技能 : CSS篇
Html篇里提到过css是啥,CSS样式是表现.就像网页的外衣.比如,标题字体.颜色变化,或为标题加入背景图片.边框等.所有这些用来改变内容外观的东西称之为表现. 1.一个CSS样式示例: CSS全称 ...

【数据分析师求职面试指南】实战技能部分