数据分析面试会重点考察应聘者两方面的能力，一是基础数据工具能力，最常考的是SQL。在这部分前面，我们已经有了一系列的笔记来综合分析大厂的笔试试题，所以没有看过的可以快速阅读前面的笔记。
考试的另一个方面是商业分析思维。这一块主要是设置一些常见的业务场景，你需要给出相应的分析思路和方法。这一块对没有数据分析经验的小伙伴非常不友好。很多面试的朋友遇到这种题都会慌，无从下手，因为没做过，不知道怎么分析！
不过不用怕，数据分析面试常见业务问题系列已经正式更新了！我收集了近几年一些大厂的面试问题。通过对这些问题的详细讲解，你应该能掌握这些问题的答案。话不多说，我们先来看看今天会考哪些业务题！
Q1，你是怎么理解数据分析的？流程如何？
数据分析是在了解业务的基础上，发现业务中的问题或潜在增长点，形成分析思路，运用数据分析工具进行分析，给出结论和解决方案，协调各方将解决方案推至地面，解决问题，回归业务的完整闭环。
数据分析的主要过程：
观察现状
注意变化。
多维交叉分析
预测趋势
生成策略
推倒在地
复合圆盘效应
Q2。你认为数据分析的价值是如何体现的？
数据分析不是数据统计。我们不能只输出一个数据报告，给出一些数字。我们要给出一个结论，明确数据背后的商业意义。数字的大小表明生意是好是坏，好坏程度如何。
除了明确数字背后的商业意义，还要给出数字背后的原因，好的方面是否可以重用和扩展，不好的方面是什么原因，有什么解决方案？要把计划推向业务的实施，并跟踪实施效果和复检，螺旋式上升，不断迭代优化。
Q3。如何分析指标的异常波动变化(如日活跃度下降)？
确定数据源是否可靠。
确定指标的计算口径是否一致。
确定是否是市场整体趋势。
描述性统计：跌了多少？
观察：同比下降多少，环比下降多少？
评估/方差分析：下降幅度是否在合理范围内？
交叉分析/相关分析：分解指标。哪些指标可能与日常活动能力下降有关，程度如何？
经营分析：这些指标的运营部门是否有一些运营策略或活动引起了这些指标的变化，间接导致了日常活动的下降？
回归分析/预测：还要跌多少天？下跌到什么程度最严重？
风险/损失评估：日跌幅如何影响产品的核心KPI？
制定策略：如何挽回损失/下次如何避免
Q4，注册类和活跃类指标，你会看哪个？
不同时期关注的指标不一样，要区别对待。
产品前期：关注产品的快速增长，重点关注注册指标。
产品成熟度：关注用户粘性和深度，关注留存和活跃度指标。
Q5。用Python设计算法计算圆周率。
蒙特卡洛法：边长为1的正方形与它的内切圆的面积比是4/。通过随机生成x，y[0，1]，落在圆内的数N除以总数M，即N/M=pi/4，即可计算出圆周率。
6.估计一家星巴克店的销售额。
分析一家星巴克在CBD一个月的销售额。
八大拆分原则，星巴克主要是饮料，饮料主要是咖啡。
1.需求方的估计：
饮料销售
每天有多少人喝咖啡？
CBD有多少人？
咖啡消费比例
每人每天喝多少饮料？
非饮料销售
2.来自供应方的估计：
工作日供应
繁忙时间供应
忙的时候一小时多少杯？
一天忙几个小时？
业余时间供应
业余时间每小时喝几杯？
>一天多少闲时
周末供给
忙时供给
忙时每小时多少杯
一天多少忙时
闲时供给
闲时每小时多少杯
一天多少闲时
Q7、你理解的指标是什么？有哪些组成部分？
指标是有业务含义的，体现业务变化的，不是瞎拍出来的，指标是复杂的，是有特定业务场景的。
指标口径：指标的定义，业务定义比如活跃用户数：打开APP的用户数。
指标一般与维度一起联合分析，从不同的维度看同一个指标可能会有差异和业务上的发现。
同一个指标可能会被应用与不同的业务，需要注意保证指标口径的统一，避免造成指标的歧义和误解。
Q8、指标和维度的区别和联系
指标：用于定量评估业务好坏程度的而建立。
维度：描述指标的角度，可以理解为看问题的方面。
维度不能独立存在，一般都是搭配着指标一起分析，可以分析不同维度下的同一指标，也可以多个维度交叉，分析某一个指标，可能会有一些业务上的发现。
Q9、什么是北极星指标？什么是虚荣指标？
北极星指标也被称为是第一关键指标，是指业务在当前阶段最为关注的一个指标，引导当前业务的发展。当然北极星指标也是一个比较汇总的指标，可以通过拆解拆分为各个子指标，更便于整体指标的实现和分析。
常见的虚荣指标包括累计用户数，累计销量、销额等，都是只见涨不见跌的虚荣指标。
以上就是【数分面试宝典】系列―业务面试题第1篇文章的内容，部分历史文章请回翻共粽号【数据分析星球】，更多数据分析面试笔试的文章持续更新中，敬请期待，如果觉得不错，也欢迎分享、点赞和点在看哈~
