国内大厂数据分析师面试流程是怎么样的？面试官会提问哪些？
大厂常见面试问题揭秘！你做好准备了吗？
今天的分享马上开始哦~
今天我们不聊技术问题哈~来看业务方面都会问什么样的问题呢
首先第一个，面试官给了一个背景：某品牌贯彻“好生活，一点都不贵”的理念，商品覆盖居家、餐厨、配件、服装、洗护、母婴、原生态饮食等几大类目，兼具品质和性价比，得到用户的广泛好评。
问你，如果你是该品牌负责商品的数据分析师，当面对以下业务问题时，你会如何解决？
用户增长团队期望选择一批合适的商品用于吸引新客户，期望你帮助从数据的角度筛选出一批合适的商品，你会如何帮助他们进行筛选？请描述你的思路。
那首先我们要明确的是这个问题的目的是吸引新客，而新客的难点是没有过去的历史消费记录和浏览记录，那如何进行推荐来吸引呢？
其实呢，这本质上就是一个推荐系统的用户冷启动问题啦
我们来看看具体的步骤哈
1. 对已有的用户进行分类，假设目前对于平台已有的用户有如下分类（高消费人群、中高消费人群、中消费人群、低消费人群），找到最能吸引每类用户的产品排行榜，比如最能吸引低消费人群是性价比排行榜，最能吸引高消费人群的是品质排行榜，最能吸引中消费人群的是热销排行榜等等，把用户分类和排行榜对应好。
2. 如何找到每个类别对应的排行榜呢？对已经分好的类，结合该类用户对商品购买量和点击量，进行综合评价，需要考虑商品的两大属性，一个是能否吸引用户属性，另一个是商品的价值收益属性。因为有些商品本身很受欢迎，但是单价低收益少，比如抽纸该类商品，人人都需要，但利润空间透明，因此还要考虑该类商品的价值收益。通过每类用户商品的点击量、购买量、客单价、利润等进行综合评价打分，然后得到每类商品的对应排行榜
3. 尽可能拿到用户登录的信息，登录信息有年龄，性别，职业，家庭成员（婚育情况），感兴趣的领域和方向后，将用户进行初步分类，假设该用户通过注册时填入的感兴趣信息和年龄等信息将其分入低消费人群，则给出该类别人群所对应的性价比排行榜商品进行推荐
4. 初步推荐后获得用户的点击和转化之后再进行个性化的推荐
下一个问题——商品研发负责人期望能有一套指标帮助衡量开发的商品表现，请你帮助设计对应的评估方案，包括设计思路、涉及的数据指标等。
第一，在研发方向选择和调研论证阶段：
需求角度：需求的强度也就是否用户刚需(用户生命周期和留存)、宽度（人群受众分析，用户年龄段，使用时间段、性别、职业等目标群体大不大、需求的宽度是否会演变等、是否会）和频度（该类需求频率高不高，平台类要判断是否有高频和低频都有，可以采用高频带动低频的方法）。有些行业是采用问卷和预订的方式进行需求分析
宏观环境：使用PEST进行行业分析和竞争市场分析
第二，产品研发和内测阶段：
产品粘性指标：获客总数、留存率和用户对产品的粘性，生命周期维度（新用户增量、活跃用户数量、留存用户数量、支付用户数量）观察少量用户具体行为，根据用户留存情况不断加大产品黏性，不断反馈。针对不同的APP，有不同的北极星指标，比如电商类产品是GMV，抖音类短视频是用户使用时长等指标
用户分析：用户人群属性（人口统计学维度）这些用户对产品界面、新手引导、软件功能、社交功能等内容的体验和评价如何，有什么建议。便于对产品进行修订和优化。
第三，产品优化和小规模推广阶段：
渠道质量分析：通过接入渠道的导入量、留存率和付费数据，进行综合排名，全面了解渠道表现。帮助筛选渠道，获取更多的有效用户，让产品收益最大化。
漏斗模型：这部分关注核心环节转化率，使用AARRR漏斗模型，做好每个环节的细节，从渠道曝光量，激活，注册，留存，购买或者价值的部分，实现自增长
产品留存优化：继续优化产品的留存
第四，爆发式增长阶段：
竞品调研：全方位了解产品动态，评价竞品压力。其主要的价值是上线时机的选择，避重就轻，和竞品打差异化。
APP使用人数预估：在产品上线、版本重大更新前，提前预测最高在线人数，避免出现产品崩溃、充值排队等现象。
广告投放效果分析：每天监控广告投放数据，一旦发现数据异常，及时预警，优化、调整广告投放形式或素材，甚至及时停止广告，以此提高整体投放效果，降低投放风险。
用户手机机型分布：了解用户手机设备平台构成比例；获得用户当季的主流机型的硬件配置，作为研发项目兼容性测试的必过机型，替代原先的兼容性方法，从而提高产品质量。
针对某产品，你会选择哪些指标向CEO汇报呢？
这个问题就是很多同学在汇报的时候往往讲不到领导心里去的问题哈，我们要搞清楚领导到底想听什么，是过程呢？还是结果呢？
首先，我们需要考虑行业特征+产品所处阶段
行业特征行业我们可以从四种市场结构去进行分析：完全竞争、垄断竞争、寡头垄断、完全垄断
产品所处阶段我们从正常运营阶段、初创阶段来看
正常运营阶段从各个模块中找到1-2个汇总性的指标，流量，收入，内容，新增内容数，互动等
初创阶段我们可以从okr进行分析，比如ks对用户、消费、内容攻击更重视，暂时不考虑商业变现
