本文结构速览：
一、SQL题
二、机器学习&概率论
三、开放性问题
01
SQL题
面试真题：
现有一张用户签到表（user_sign_d）,标记用户每日是否签到，表结构如下
sign_date: 日期
user_id: 用户ID
if_sign:当日是否签到,1表示签到，0表示未签到
问题 ①：
请计算截止到当前每个用户已经连续签到的天数（输出表仅包含当天签到的所有用户，计算其连续签到的天数）
输出表结构如下：
user_id: 用户ID
continuous_days: 连续签到的天数
▼ 解题思路：
计算最近一次未签到的日期，然后和当前日期做时间差，即为连续签到的天数
踩坑点：如果用户每日签到，不存在未签到日期，需要特殊处理
▼ SQL答案参考：
问题 ②：
请计算每个用户历史依赖最大的连续签到天数
输出表结构如下:
user_id: 用户ID
max_continuous_days: 最大连续签到天数
▼ 解题思路1：
解答该题目思路较为巧妙，下面一步步进行拆解：
step1:将每个用户签到的情况根据日期拼接成一个长的字符串，如（0-1-1-0），
step2: 然后根据0进行切割（split）
step3:切割后进行列转行
step4: 再对转好的列进行计算，长度最长的一段字符串
▼ 解题思路2：
借助问题1的思路，找到每两个为签到日期的时间差，然后找最大的时间差作为连续签到的最大天数。
注意：这个答案给答题者留了两个坑：
最近一次连续签到时间没有包含在内
如果用户没有未签到日期，也就是用户每日签到，这种无法计算在内
对于这两个坑，留给大家自行补坑。
02
机器学习&概率论
面试真题1：A/B test如何进行，如何用统计知识看A/B test的结果？
▼ 参考答案：
A/B test一般涉及到现状分析、目标设定/方案输出、设计与开发、流量分配、数据采集及分析。AB结果主要使用假设检验进行评估，根据样本量，指标设定假设检验的统计量等。
注意：这里面试官会根据应聘者的回答，发散性的问其他相关问题。
面试真题2：AB效果不好怎么办？
▼ 参考答案：
增加样本量：根据显著性检验的原理，只要实验组和对照组差值及样本方差不变的情况下，样本量足够大，我们总是可以得到显著性的结果。
减少样本均值的方差：减少样本均值方差的方法有减少离群值的影响，缩减方差（CUPED）的方法。
更换指标：更换一个方差更小的指标，比如某购物平台，实验指标一开始是用户购买的平均金额，我们可以更换为用户是否购买。对同一批样本，是否购买属于0-1分布，样本的均值方差自然比用户购买的平均金额小很多。
面试真题3：在建模的时候，如何进行特征筛选？
▼ 参考答案：通过计算每个特征的信息增益比、随机森林算法等进行特征筛选。
注意：这里面试官可能会根据应聘者的回答结合简历经历问一些问题。
面试真题4：线性回归的前提假设有哪些？
▼ 参考答案：
自变量和因变量呈线性关系。
误差之间相互独立
自变量相互独立
误差项的方差应为常数
误差呈正态分布
03
开放性问题
面试真题1：对于腾讯视频，如何构建一套指标体系去监控业务的增长情况？
▼ 参考思路：
好的指标体系的构建需要既符合业务目标，又可真实反映业务现状。
可以利用OSM理论入手：
O ：公司的核心目标是什么？
S ：为达到此目标各业务向下拆解所采取的策略/抓手是什么？
M：针对S设计度量标准来衡量/评估效果。
例如：作为视频业务，核心目标是提升营收。围绕营收的抓手可能有用户侧、产品（视频）侧、商业侧。
对于用户侧，可以从拉新类、活跃类，留存类，转化类（VIP体系）等指标结合业务策略考虑进行监控。
视频作为用户使用产品的承载体，需要考虑视频的播放情况（内容指标相关）、丰富度、上架（供给侧指标相关）情况来设计。
商业侧注重广告收益、ROI等指标。
面试真题2：如何定义流失用户?
▼ 参考思路：
常见流失用户的定义有7/30/90天的划分方式，会依据各家公司产品的特点、考核各用户的实际情况而做调整。
有一种思路是：流失用户可以从用户活跃情况进行分析，通过计算用户第N日的留存分布，划分一个留存收敛的切割点。
比如下面是某平台的留存数据，22天内的留存为44.8%，22天之后的留存率趋于稳定，所以我们可以以22天作为切割点，也就是说，22天不访问APP的用户作为流失用户。
面试真题3：为什么要选择数据分析行业？
▼ 参考思路：
可以从自身背景以及兴趣角度+规划进行阐述。
比如自身背景，从相关专业（如统计，商业分析）、相关项目经历（如数学建模）等阐述。
比如兴趣角度，从行业背景进行描述，以及自己对数据分析工作的理解和看法，继而展现自身对该行业的兴趣，以及为此所付出的准备与努力（主修课程、实习、项目等）。
总之，体现出自己热爱的同时，要侧面说出自己的条件 “匹配 ” 。