10.20 一面 25min 自我介绍 Hadoop三大组件介绍 MR Shuffle的过程？ Spark shuffle和 MR Shuffle概念和区别？ shuffle作用？ shuffle中涉及到哪些排序？快排和归并排序时间复杂度是多少？ 宽窄依赖概念，如何划分？ 一亿条数据如何找出top100？ 归并排序 未来职业规划？ 反问

非技术岗位，整个面试持续45min，2v1面试，整体感觉氛围好好hhh 1.依然是熟悉的【自我介绍】 2.自此之后，深深深深深挖简历，只要是写在简历上的都有可能被问到，包括但不限于： 项目经历——背景？负责的工作？如何完成？参与项目的人数？最终的结果？使用的方法？ （我实习中做过的都被问了一遍 个人技能——数据分析会的软件，使用时间？掌握到什么程度？编程的时间？使用频率？写过的代码行数？问卷技能？

背景 中流双9本硕，有段银行的风控建模实习 一面 简历深挖： 你在什么样的部门，主要做什么样的项目？这个项目目标是什么？然后你在里面做的工作内容是什么？ 产出报告的质量怎么判断，结果包括对业务的思想是什么？ 评分A卡的样本选择，怎么做违约定义，怎么抽样，好坏样本 最后的业务结果和价值？ 还有一些问题，记不太清了，总之算是比较挖简历细节和延伸思考。 场景题： 套现对于用户和商家角度分别如何防控 有地

一面 视频面试 30min 挖简历+一些机器学习模型知识的考查 感觉还是挺看重建模经历的 难度不大，交流很顺畅。 上午面完的，下午就通知复试了，流程很快。 二面 视频面试 30min 应该是部门主管 挖简历 问了一下毕业论文的情况 讲了一下这个岗位的一些具体情况 态度很好，交流很舒服。 大概三天内也出了面试结果。 三面 线下 HR主管面 一些常规问题，评价一下自己等等 问了一下期望薪资 聊了大概1

禁止任何人未经发件人许可以任何形式（包括但不限于部分地泄露、复制或散发）不当地使用本邮件中的信息 3个笔试题，word文件，72小时回复邮件即可，无监考。 #23届秋招笔面经##笔试##23秋招##秋招##数据库#

一面 简历面，如果过往实习项目由机器学习等，比较关心其中数据预处理和特征处理，没有问coding和模型延伸问题（八股） 二面 对于项目中涉及的某个优化算法特别感兴趣，深挖概念、流程、优点、公式等 （第一次也是目前唯一被问到这个细节，真的要对简历熟悉） 压力大的时候喜欢干什么 hr面 为什么想来深圳 深圳还投了哪些公司 十一前发意向 总体觉得顺丰的问题难度很看分配到的面试官，和身边同学交流，有的就会

牛客作为一个专业求职平台，为的就是帮助大家消除信息差，我们整理了： 企业视角：真实面试官考察的数据 求职视角：和大家分享的面经 提炼出数据分析师岗位的top5面试考点，并给大家展示了对应的考察公司数和考察次数，方便大家知道面试准备的重点： 面试高频考点 常见问法 考察公司数 考察次数 数据指标体系 以一个策略为例，说明指标体系和监控标准 508 3609 A/B test A/Btest的哪些环节

面试高频题1： 题目：游戏业务中有哪些常用指标？ 答案解析 比较关键的指标，流量相关的有用户量、用户转化率、留存率，内容相关的有用户在线时长、有效游戏时长，收入相关指标有用户付费率、LTV、ROI等。 面试高频题2： 题目：怎么制定游戏业务的目标 制定目标可以套用SMART原则 SMART是一个目标设定原则，能够帮助我们以及团队设置具体的、可衡量的、可实现的、相关的和有时间期限的目标，从而提高工作

面试高频题4： 题目：怎么衡量你在业务部门的贡献 业务部门是数据分析师分析所服务的相关方，包括产品、运营等 答案解析： 数据分析师比较像游戏中的辅助角色，也是非常关键的 所以，衡量标准为： 能否驱动业务提供方向和结论，并有明显业务效益的提升 能否理解业务并提供专业的意见，从而解决了业务方的一些难题 能否对业务充分理解，并能高效做出取数和数据报表等操作，提升业务方效率 拿日常工作详细举例： 比起零散

面试高频题1： 题目：短视频业务中有哪些常用指标？ 答案解析： 对内容产品来说，第一步就是“有内容”，即内容的生产环节。 不同的内容产品为我们提供了不同的选择，抖音快手的产品类型是短视频，知乎的“产品”是问题，微博的产品是动态，腾讯优酷的产品是电视剧电影。但不论产品的形态如何多变，在观察指标时，都可以考虑从在线、新增、原创、精品、违规等几个指标监控内容产品的丰富度、热度与质量。比如某平台在推广过程

面试高频题4： 题目：怎么衡量你在业务部门的贡献 业务部门是数据分析师分析所服务的相关方，包括产品、运营等 答案解析： 能否驱动业务提供方向和结论，并有明显业务效益的提升 能否理解业务并提供专业的意见，从而解决了业务方的一些难题 能否对业务充分理解，并能高效做出取数和数据报表等操作，提升业务方效率 拿日常工作详细举例： 比起零散的跑数据，提供有效的数据报表更有效一些 能有一些数据可视化的展示，比纯

面试高频题1： 题目：电商业务中有哪些常用指标？ 答案解析： 1、流量指标 （1）UV （2）PV （3）访问人数 （4）新访问占比 （5）实例数 （6）访问深度 （7）停留时间 （8）跳出率 （9）退出率 （10）产品页转化率 （11）加入购物车转化率 （12）结算转化率 （13）购物车内转化率 2、商品数据化运营指标 （1）订单量和商品销售量 （2）GMV （3）商品销售额和订单金额 （4）平

面试高频题5： 题目：怎么衡量你在业务部门的贡献 业务部门是数据分析师分析所服务的相关方，包括产品、运营等 答案解析： 能否驱动业务提供方向和结论，并有明显业务效益的提升 能否理解业务并提供专业的意见，从而解决了业务方的一些难题 能否对业务充分理解，并能高效做出取数和数据报表等操作，提升业务方效率 拿日常工作详细举例： 比起零散的跑数据，提供有效的数据报表更有效一些 能有一些数据可视化的展示，比纯

面试高频题1： 题目：用户增长业务中有哪些常用指标？ 答案解析： 一、CAC：获客成本 （1）渠道规模：访问量，访问用户量，新访问用户量，新用户占比 （2）渠道质量：访问时长，跳出率，注册转化率 二、LTV：用户价值 （1）使用规模：日/周/月活跃用户数，用户启动次数 （2）引导效率：新手任务完成率，任务完成耗时 （3）用户活跃情况：页面/各模块访问次数，核心流程转化，核心流程流失 （4）留存用户

面试高频题4： 题目：怎么衡量你在业务部门的贡献 业务部门是数据分析师分析所服务的相关方，包括产品、运营等 答案解析： 能否驱动业务提供方向和结论，并有明显业务效益的提升 能否理解业务并提供专业的意见，从而解决了业务方的一些难题 能否对业务充分理解，并能高效做出取数和数据报表等操作，提升业务方效率 拿日常工作详细举例： 比起零散的跑数据，提供有效的数据报表更有效一些 能有一些数据可视化的展示，比纯