本地生活部门 1. 自我介绍 2. 举一个印象比较深的项目说一下 3. GMV下降如何分析? 4. 刚才的下降从商家和买家角度如何分析? 5. 举一个自己用过的产品,提优缺点,做什么样的改进比较好? 6. AB实验最小样本量问题 7. 直接拿大盘做实验可不可行?为啥? 8. 反问:工作内容 其他一些内容有点忘了,大致来说是这些主要问题 自我感觉答得很好,过了几天还是寄了 #数据分析师##校招#
一面,面试官看我经历是偏业务数分和偏算法数分都有,于是让我二选一进行面试,选了业务 1. 自我介绍 2. 如何看待数据分析的职位? 3. 如果让你做一个数据分析项目,你的框架是? 4. 你提到与业务沟通,如果业务自己也理不清自己的需求怎么办? 5. 举个例子,拉新指标,有很多团队会为拉新做出贡献,你会怎么量化及分配贡献? 6. 反问,工作内容及对校招生的期待 只记得这些… 面完太忙忘了写面经,抱歉
回馈一下 tl:9.20投简历-9.21笔试-9.25一面 1. 自我介绍 2. 简历提问 讲了两段实习 没有太深挖 3. 对于生活服务业务的理解 lz真的不了解😅 随便按照jd上胡扯了一下 好像理解错了😅 4. 指标异动类问题 GMV下降怎么分析 5. 指标体系类问题 - 发站内信提醒购买的人消费 怎么搭建指标体系 6. 怎么明确5的效果是显著的 7. ab基础知识/p-value/t z
一面 1. 自我介绍。 2. 一道SQL题:至少连续出现三次。 3. 实习的感受。 4. 对于收到不好的货是怎么处理的?(退货,商家态度不好就投诉) 5. 怎么处理客户都会有不好的体验,会导致客户流失,对于平台有什么建议?(重点监测退货率或者投诉率高的商家的产品,给店铺打分) 6. 讲一个自己熟悉的机器学习模型,原理,怎么判断模型的优劣,有什么应用场景? 7. 反问。 二面 1. 自我介绍。 2.
一面 1. 自我介绍。 2. 两道SQL。①订单表(订单id,用户id,产品id,订单金额),用户表(用户id,用户年龄),产品表(产品id,品牌)三张表,提取不同品牌产品在不同年龄段消费者人群中的平均消费金额。②分组求前十。 3. 详细介绍一个项目。 4. 介绍一下多元线性回归的优缺点、朴素贝叶斯的优缺点。 5. 如果某天发现后台数据指标下降,怎么分析? 6. 之前没有数据分析的实习经验,为什么
没想到能过蔚来的简历,不知道是不是被刷kpi,反正能过就很开心了。 总共在25分钟左右,面试官很和蔼,面试体验也蛮好的。没有自我介绍,只是问了一些应届生相关问题。 1.未来的工作规划,倾向的岗位和投递的公司有哪些? 2.对于蔚来是否了解? 3.上一段实习的工作内容 4.为什么不留任实习公司 5.实习工程中代表性的项目和相关细节追问 6.因为我的项目偏向商分,所以问数据分析的工具会哪些? 7.反问
获取小程序概况趋势: $app->data_cube->summaryTrend('20170313', '20170313') 开始日期与结束日期的格式为 yyyymmdd。 API summaryTrend(string $from, string $to); 概况趋势 dailyVisitTrend(string $from, string $to); 访问日趋势 weeklyVisitT
通过数据接口,开发者可以获取与公众平台官网统计模块类似但更灵活的数据,还可根据需要进行高级处理。 {info} 接口侧的公众号数据的数据库中仅存储了 2014年12月1日之后的数据,将查询不到在此之前的日期,即使有查到,也是不可信的脏数据; 请开发者在调用接口获取数据后,将数据保存在自身数据库中,即加快下次用户的访问速度,也降低了微信侧接口调用的不必要损耗。 额外注意,获取图文群发每日数据接口的结
在5.2 本地数据存储及安全性这一节,我们对本地数据存储对安全性做了详尽的分析。 NSUserDefaults,plist,sqlite3等等,即使设备不越狱,攻击也能够提取出数据。在设备越狱之后,keychain中的数据也不安全。 因此,要对敏感数据加密,且尽量保存到keychain中(比如token信息)。 下面是2个例子。(密码都被我用password字串替换) a) 家里的WIFI信息 b
笔试: 投递后很快就收到了hr的回复,发了一个word文档作为笔试题,24h内完成,不是很难 几道SQL题(窗口函数),一道业务题(给了一个生活场景,问你的分析思路,我写了swot分析),几道python题(关于数据处理和数据整理,主要考点是pandas) 一面20min: 1.自我介绍 2.在上一段实习中选一个能体现分析能力的项目的介绍,挖得很深,问了很多方法上的细节和原因 3.抖音和快手的区别
1自我介绍 2.项目中数据量 3.用户分析维度 4.客户流失分析模型指标 5.oracle和hadoop的了解 等了一个多小时,这就是国内甲方和卑微求职乙方吗?要不是面试官是个声音好听的女生,我大概会骂人吧。 岗位和个人经历不算匹配,我个人经历更偏向数据挖掘,感觉这个岗位更偏向业务分析和数据库。 最后还是再感叹一下,虽然今年秋招求职者的确处于弱势地位,但也不是说招聘单位可以不尊重人吧,起码自己定的
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
时间:8.26 二面问题: 1.项目 深挖,比一面面试官问得更深入,而且感觉二面面试官比较懂运营,所以延伸也是问了相关的发散 2.业务场景题目 滴滴做了一个去西单免单的活动,会有怎么样的效果,如何检验? ①用户增多的趋势;统计分布检验; ②拉动司机 ③(后续面试官补充)会影响西单附近的交通情况,因此要考虑到上报审批等流程环节 3.跑西单司机一定会涨吗,什么因素会影响? 单量+单价金额+平常的拉客活
现场面试的,要去接待处用身份证换出入证才行(里面真是太好了,各种环境设施真的好好) 面试官三个,人力一个,主管一个,还有一个职位不明确。 1.自我介绍 2.项目经历细节 (反思:对以往比赛项目不太了解,应该多了解) 3.最喜欢的一本书 (说的《大战拖延症》,然后被追问两方面看待问题,拖延症有什么好处,有什么坏处, 实诚的回答目前还没发现好处,然后被追问比如什么不好的后果) (反思:没有准备此类问题
真的很想攒攒人品,开始准备投简历面试后发现,自己的简历基本可以过,面试也收到一些,但是到二面真的好难,写一下总结,也希望之后的面试能顺顺利利吧 一:深信服(日常实习) Boss投递,效率非常快,怀疑被KPI了 一面3.6: 1.自我介绍简历深挖,挖得非常非常深,我说的每一句话之后都是给自己挖的坑: 实习主要负责什么, 怎么分析异常, 各项指标的构成以及为什么会被当做关键性指标,其他指标为什么不行