哈喽大家好，我是数据攻略的六哥~
继上篇文章分享了大厂面经系列之
—— 「快手」数据分析岗面试题解析

由于总篇幅太长，共分成了3个部分
手写sql、深挖简历、开放性Case问题
本篇来兑现文末答应大家的承诺了：
来分享其中第2部分的考点+解析

老规矩，本篇内含：
原题、解析、注意事项

一、手写sql

▼ 题目预览：

• 题目1：假设你现在负责直播电商业务，请统计今年双十一开始第一天2024.10.14，该天从零点开始累积到当天结束，进入过大促官方活动直播间的用户数量？
• 题目2：现有一张用户成交金额汇总表，如何不用中位数函数，求解成交订单GMV的中位数？
  
  
  

🔻 解析参考：
见上篇👉『快手』数据分析岗面试真题+解析（上）

二、深挖简历

▼ 题目预览：

• 题目1：视频的完播率，请简述检验统计量的构造思路是什么？
• 题目2：假如在实际工程中，遇到极大数据体量，有什么方法可以高效计算方差？
  
  

🔻 方向说明： 由于面试岗位为快手strar-数据分析岗AB实验平台方向，故围绕简历和岗位相关技能做深挖，主要考察点：

• 统计学基础功底
• AB实验相关原理、实战评估经验

面试题目1

视频的完播率，请简述检验统计量的构造思路是什么？

其实不可以。实验组和对照组的完播率计算的样本不满足样本独立性，所以实验组和对照组的完播率不服从正态分布，不可以直接计算，需要修正方差（具体理由如下）

🔻 简答参考：

首先，明确要检验的统计量-完播率定义：

其中：

• 完整观看视频的次数：指的是用户从头到尾完整观看了视频的次数。
• 视频总观看次数：指的是视频被点击播放的总次数。

其次，明确实验对象，大多实验的随机单元为用户，假设每个用户的短视频播放相互独立，根据中心极限定理可知：

知识点补充：

• 中心极限定理：不论总体是什么样的分布，样本的均值逐渐趋向于正态分布

所以，实验组及对照组的人均完播的视频数量均服从正态分布，根据正态分布的可加性，可得到检验统计量：

知识点补充：

• 随机单元：指进行随机分组的对象，如按用户ID随机分组，则随机化单元即为用户；
• 分析单元：指分析指标的粒度，如平均每笔订单的GMV粒度是订单，平均每个访问用户的GMV粒度为用户。

🔻 考点补充：

另，不同指标对于方差的计算方法略有不同，之前讲过不同指标类型（求和类、均值类、比例类、比率类）的差异情况：详见👉AB实验中评估指标傻傻分不清 | AB系列（六）

面试题目2

假如在实际工程中，遇到极大数据体量，有什么方法可以高效计算方差？

🔻 出题用意：
由于面试的岗位JD描述是AB实验平台方向，工作中要接触到大量实验的设计+分析评估，所以猜测该问题应该是在做检验评估时的情景会遇到。故在回答时应该有重心、有方向的去引导+界定问题并回答关键。

原理：可以利用样本独立，方差的可加性来将数据分成若干块，分别计算每个块的均值和方差，然后合并结果。

做法：假设将数据分为个块，分别计算每块的均值 和方差 （其中 ），总体的方差为:

其中，

⭐方式二：

原理：也可以利用方差的另一公式 ② 分别计算统计量，效率上会有所提升。

做法：由于传统的方差计算方法①，需要两遍扫描数据：第一遍计算均值，第二遍计算每个数据点与均值的差的平方和，然后除以数据点的数量。这种做法在大数据环境下效率不高。

为了更高效地计算方差，可以采用计算方法 ②，只需要一次遍历的方法，同时计算出：，然后用这些信息来计算方差。

附：①->②具体变换推导如下：

⭐方式三：

原理：可以使用近似算法来估计方差。
例如，通过随机抽样方法来估计整个数据集的方差，这种方法牺牲了一定的精确度以换取计算效率：

• 总体方差：
• 样本方差：

三、开放性Case问题

▼ 题目预览（简历问题延展）：

• 题目1：对于快手短视频，如何构建一套指标体系去监控业务的表现情况？
• 题目2：如何理解并定义流失用户？