数据分析实习-业务题准备

想挑战一下自己能不能做一做数据相关的工作，准备在暑期尝试投一投数据分析相关的实习。

虽然希望不大，但还是要努力准备一下，整理了一部分面试/笔试时可能会考的业务题（来源各处的面经、笔经），尽量考虑面试和自己能掌握的实际，梳理了自己的思维模板，并非是很专业的整理，总结如下：

文章目录

数据分析实习-业务题准备
- 一、费米（估算）问题
- - （一）确认估算对象
  - （二）拆解估算对象
  - - 1. 需求维度
    - 2. 供给维度
  - （三）对比估算结果
  - （四）关注可能的误差
- 二、A/B测试问题
- - （一）定义
  - （二）应用场景
  - （三）科学依据
  - （四）步骤
  - - 1. 分析现状，提出假设
    - 2. 设定目标，制定方案
    - 3. 算样本量，设计投放
    - 4. 分配流量和分流时机
    - 5. 数据收集，定统计量
    - 6. 分析数据，做出决策
- 三、指标搭建/选取问题
- - （一）业务指标体系搭建
  - - 1. 明确产品阶段，定北极星指标
    - 2. 结合业务特征，拆解主要指标
    - 3. 理清逻辑线索，总结归纳指标
    - 4. 落地业务场景，指标数据应用
  - （二）选取预警/预测指标
  - （三）APP分类及其关注指标
  - - 1. 交易类APP
    - 2. 内容类APP
- 四、异常归因问题
- - （一）确认异常发生
  - - 1. 背景确认
    - 2. 检查数据
  - （二）定位异常原因
  - - 1. 排外
    - 2. 拆内
  - （三）结合具体业务，提出解决方案
- 小结
- - （三）结合具体业务，提出解决方案
- 小结

一、费米（估算）问题

总体原则：自上而下拆解，自下而上计算。

涉及分析方法：逻辑树分析、多维度拆解分析。

目标：估算结果上下浮动范围不超过10倍即可。（from《这也能想到？——巧妙解答无厘头问题》）

（一）确认估算对象

确认是否需要 细化对象 or 转换对象 。

eg1：估算一个星巴克门店的销售额。

eg2：估算芝加哥有多少名钢琴调音师。

对于eg1，可以根据二八原则细化，星巴克的销售产品主要以饮品为主，而饮品主要以咖啡为主，因此估算对象确定为咖啡的销售额；

对于eg2，将芝加哥的钢琴调音师数量转换为：芝加哥每年需要调音的钢琴数量 / 每个调音师每年能调多少台钢琴。

（二）拆解估算对象

从 需求层 and 供给层 展开考虑。

1. 需求维度

需求值 =市场总需求规模 = 需求单位数 × 单位需求量 × 单位需求频次

需求单位数 = 需求人群 × 人群转化率

eg3：估算北京市一日卖出的油条数量。

需求单位数 = 北京市吃油条的人数 = 需求人群 × 人群转化率 = 北京市人口 × 选择吃油条的比例 = 约2000万人 × 约5% ≈ 100 万人

需求值 = 北京市一日卖出的油条数量 =需求单位数 × 单位需求量 × 单位需求频次 = 北京市吃油条的人数 × 每次吃几根 × 一天吃几次 = 100万人 × 1根/次 × 每天只早餐吃1次 ≈ 100万根油条

2. 供给维度

供给值 = 市场总供给能力 = 供给单位数 × 单位供给量 × 供给时段

供给单位数 = 市场总区域 / 单位平均辐射区域

供给时段 = SUM(不同时段时间，主要用在区分闲时忙时、淡季旺季的场景)

eg3：估算北京市一日卖出的油条数量。

供给单位数 = 北京油条店的数目 = 市场总区域 / 单位平均辐射区域 = 北京市面积 / (五环内每1平方千米有2家油条店，五环外每2平方千米有1家油条店) = 约735万平方千米*2 + 约15700平方千米 / 2 ≈ 9320家店

供给时段 = SUM(不同时段时间) = 1天

供给值 = 北京市一日卖出的油条数量 = 供给单位数 × 单位供给量 × 供给时间 = 9320家店 × 100根/天 × 1天 ≈ 93.2万根油条

（三）对比估算结果

因为供需是会动态平衡的，因此若需求层和供给层算出的估计值相差在合理范围内（不要差得太离谱就可以），则可以得出一个大致的估计值or估计范围。

对比可知，北京市一日卖出的油条数量大约在93.2万~100万根油条（or大约96.5万根）。

若相差太离谱，可能需要重新考虑上述计算的过程，或者直接进入下一环节。

（四）关注可能的误差

最后需要列出可能出现误差的影响因素，比如：需求人群可以再进一步细分、供给单位的平均辐射区域大小有待考证……

比如eg3估算过程中的“五环内每1平方千米有2家油条店，五环外每2平方千米有1家油条店”，需要进一步调研，又比如“北京市选择吃油条的比例”也可能需要问卷调查之类。

同时，还可以根据实际情况给出一些未来的改进办法，比如：抽样调查、观测历史数据……

二、A/B测试问题

没有在网上找到很多结合具体场景的A/B测试问题，因此这部分还是好好地把A/B测试的概念都梳理一遍。

涉及分析方法：对比分析、假设检验分析、群组（同期群）分析。

（一）定义

A/B test，又称分组隔离实验，简单来讲，A/B测试是一种比较手段：通过分析同一总体下，由于某些不同的策略导致样本数据表现出的差异，来推断某些策略的效果。

个人理解：为了同一个目标，制定多个方案并行测试，每个方案只有1个变量不同。让相似的用户群组使用各个不同的方案，收集每种方案的数据后，以某种规则选出最优方案。

本质：假设检验的一种实际应用。

（二）应用场景

① 产品迭代：如界面优化（改字体、增弹窗等）、功能增加、流程增加……

② 策略优化：如算法策略、运营策略、营销策略……

科学量化各个方案的效果（如ROI<投资回报率>等），衡量决策收益，避免拍脑袋决定。

不适用的场景：用户体验的制约（如价格调整）、样本数量制约（如防止侵害的安全类事件）、AB组间存在干扰（如滴滴司机间有司机群）。

（三）科学依据

科学的实验设计；科学的采样（随机化）；科学的流量分割；科学的统计学原理（假设检验）。

（四）步骤

1. 分析现状，提出假设

分析业务数据，确定当前最关键的改进点/最可能的问题，根据问题提出假设。

假设有A、B两个方案，想确定A、B之间是否客观存在差异，还是这种差异仅由某种误差引起。因此假定：

H0（原假设/零假设）：A、B没有本质差异

H1（备择假设）：A、B确实存在差异

2. 设定目标，制定方案

设定主要的目标（重点关注的指标），用来衡量各种方案的优劣。

收集了一些经验贴以及相关网站（如华为开发者联盟和字节火山引擎上的A/B测试产品）里提到的指标，然后利用用户生命周期（User Lifetime）梳理如下：

① 引入期：PV（Page View）、UV（Unique Visitor）、点击率；

② 成长期：转化率、互动时长（观看时长等）；

③ 成熟期：GMV（Gross Merchandise Volume）；

④ 休眠期 + ⑤ 流失期：留存率。

PS：这么分主要是为了熟悉和巩固下这个周期。

3. 算样本量，设计投放

很重要的一步，需要计算所需样本量，并根据样本量确定投放时长，最后还要确定投放城市。

① 样本量计算公式（通过σ和β确定）：
N=2σ2(z1−α/2+z1−β)2Δ2N = \frac{2\sigma^2(z_{1-\alpha/2}+z_{1-\beta})^2}{\Delta^2} N=Δ22σ2(z1−α/2+z1−β)2
N为样本量；

α是第Ⅰ类错误的概率（弃真错误），也称显著性水平，一般取0.05；

β是第Ⅱ类错误的概率（取伪错误），一般取0.2，**(1-β)**是统计功效（power），一般而言设(1-β) ≥ 80%；

Δ是所想要指标预期的变化量（μ₁-μ₂），eg：点击率从5%上升到10%，那么Δ为5%，（在其他样本量计算公式中，此处为预期的抽样误差）。

σ²是指标的样本方差，如果没有可以采用最大值0.5。

注意事项：如果有多个指标，则选用最大的指标所需要的样本量；计算结果是每个分组所需要的样本量，有几个分组就需要乘几；样本量可以是累积一段时间的最终样本量。

样本量的选取，从网上找到了一张图