面试高频题21：

题目：一家实体零售企业发现本月销售额同比下降30%，如何来分析销售额同比下滑的原因呢？

答案解析：

业务模型初步分析：

实体零售一般是以全国-大区-小区-单店的管理模型进行运营。

逻辑拆解：

①内外部大环境判断：

外部环境（PEST）：

政策：如国家出台有关政策。

经济：如市场经济环境影响，竞品的影响。

社会：如社会上产生不利于舆论。

科技：如新技术出现并没有促进消费，反而产生不利影响。

内部环境： 时间段：确定哪个时间段销售额下降比较厉害。 渠道：确定那个渠道顾客销售额下降比较多。 新老用户：确定销售额下降主要用户群体。 地区：确定销售额下降比较多的地区。 商品：确定是哪些商品的销售额下降了。

假设是内部环境引起的

②大框架拆解：

全国销售额同比下降30%拆解到各个大区，发现主要是xxx区和xx区销售额下滑导致

拆解到具体小区，发现是A区和B区的影响，在做进一步拆解到单店，发现是主要是由店1、店2、店3这几家店销售额同比下滑导致。

③具体拆解：

接下来就是围绕业务维度去看看如何提升和优化了，可能会给到具体的店长沟通，销售额为何会下降如此严重

发现比较有区域性特征，都是集中于一个区域的销售额下滑

发现主要是A区外界因素导致的，多了一个强有力的竞争对手

面试高频题22：

题目：信用评分卡模型如何做的

答案解析：

以信用评分卡模型为例，参与的流程有数据获取、数据预处理、探索性数据分析、变量选择、模型开发、模型评估、信用评分和系统建立。

（1）用到的数据主要包括以下几个方面： 基本属性：包括了借款人当时的年龄。 偿债能力：包括了借款人的月收入、负债比率。 信用往来：两年内35-59天逾期次数、两年内60-89天逾期次数、两年内90天以上逾期次数。 财产状况：包括了开放式信贷和贷款数量、不动产贷款或额度数量。 贷款属性：商业贷款、公积金贷款。 其他因素：包括了借款人的家属数量（不包括本人在内）。

时间窗口：自变量的观察窗口为过去两年，因变量表现窗口为未来两年。

（2）变量选择阶段，通过WOE分析方法来确定指标是否符合经济意义，通过相关性分析和IV筛选确定所需变量。

（3）模型建立阶段使用python中的statsmodels包实现逻辑回归，在各变量通过显著性检验后验证了模型的预测能力，使用在建模开始阶段预留的test数据进行检验。通过ROC曲线和AUC来评估模型的拟合能力，结果显示AUC值为0.85，说明模型的预测效果还是不错的。

（4）在信用评分阶段将Logistic模型转换为标准评分卡的形式，选取基础分值、 PDO（比率翻倍的分值）和好坏比基本参数，个人总评分为基础分加各部分得分。整合模型及代码，建立自动评分系统，并用滚动数据进行模型迭代。

面试高频题23：

题目：有哪些数据分析经历

答案解析：

按照自身简历情况，如果有实习经历，则回答自身实习中所做的

优先级：实验设计评估落地 -> 专题分析报告 -> 简单业务分