滴滴数分面经（已oc）

时隔一年再次鼓起勇气投简历了，秋招压力真的很大～

bg：北京985，计算机相关专业，两段大厂数据分析实习，一段小厂前端开发实习，目前求职意向是前端开发（优先）和数据分析。

滴滴出行增长运营方向-数据分析

投递渠道是实习僧，面试官是一个语气很温柔的姐姐

一面（50min）

1.自我介绍。

院校、专业、毕业时间、实习经历简介

2.简单介绍一个实习期间印象比较深的项目。

我介绍了一个实习期间产品优化方面的项目，主要内容就是对PM上线的AB实验效果进行分析，介绍的思路大概是项目背景、项目流程、项目成果。

3.项目中关注了哪些指标？

从正向指标和负向指标展开，产品优化的方向是提升正向指标，控制负向指标。

4.既然聊到AB实验，说一下显著性怎么确定的？p值是多少？

这里有点尴尬，刚好忘记复习AB实验的内容......显著性是指零假设为真的情况下拒绝零假设所要承担的风险水平，p值就是当原假设为真时，比所得到的样本观察结果更极端的结果出现的概率。总之，p值越小，越显著。

5.聊聊第一类错误。

第一类错误是原假设为真但错误地拒绝原假设，第二类错误是原假设为假但错误地接受原假设。

6.样本量怎么确定。 依然尴尬，样本量计算有公式，没复习。

7.指标体系如何搭建。 北极星指标、一级、二级，根据重要性和粒度依次向下拆解，也可以说OSM模型（Object、Strategy、Method）。

8.机器学习项目深挖。

楼主做了一个分类的机器学习项目，主要是将小样本的用户调研数据，推广到大样本的平台用户，根据用户的特征对用户是否信任平台进行分类。大体包括了用户画像、特征选取、特征变换、模型搭建和调参优化等。

9.训练集标签的比例是怎样的？

训练数据不平衡可能导致最终分类准确率的错误，这里回答了是均衡的数据。

10.ROC值大概是多少？

回答了0.76左右，后续还有进一步优化。

11.另一段实习的深挖

主要介绍了如何监控指标异动的，以及如何用统计学方法对用户进行标签化。

12.两道SQL题，要求共享屏幕回答。有一张表，有日期(date)、用户ID(uid)、订单ID（order_id）等字段，要求完成下面两个需求：

找出最近一周，完单量TOP10的用户。（完单量定义为完成订单的数量）
找出每天完单的人中，新用户的数量。（新用户定义为在一条记录中，该用户的日期是他第一次出现的日期）

# 需求1: 窗口函数、日期函数
# 主要关注的点：如何找出近一周内的记录、如何排序
# tmp子表主要用于找出近七天所有用户的完单量
with tmp as (
  select
  	uid,
  	count(distinct order_id) as `order_num`,
  from table
  where 
  	date between DATE_SUB((select max(date) from table), INTERVAL 1 WEEK) 
  	and (select max(date) from table)
  group by uid
)
select
	uid, 
	order_num,
	rk
from 
(
  select
  	uid,
  	order_num,
  	dense_rank() over (order by order_num desc) as rk
  from tmp
)t
where rk <= 10

# 需求2: 窗口函数
# 找出一个用户产生订单记录的日期最小值，如果当前记录的日期等于该最小值，则认为这条记录是新用户产生的
with tmp2 as(
  select
  	date as curr_date,
  	uid,
  	order_id,
  	min(date) over (partition by uid) as min_date
  from table
)
select
	curr_date,
	sum(case when curr_date = min_date then 1 else 0 end) as new_user_num
from tmp 
group by curr_date

13.实习时长，最早到岗时间 14.反问环节。

问了主要职责，日常分析中的工具使用占比，还有面试官对楼主的表现如何评价

总体下来感觉还是不错的，面试的姐姐非常亲切有礼貌，问题大多与简历中的实习和项目相关，偶尔会引申一些理论知识的考查，SQL题对楼主来说也是比较easy的。建议面试的小伙伴们一定要好好研读自己的简历，不要给自己挖坑，写出来的项目一定要清楚他的原理是怎样的。

一面隔天约了二面时间。