前言
19届同学反馈,拼夕夕的数据分析SQL部分出的很好，20届感叹道，说的太对了。
拼夕夕的笔试题一共五道，考试时只划分为一个部分，答题时间90分钟。
第一部分：SQL查询题3道
第一题：活动运营数据分析
表1——订单表orders，大概字段有(user_id‘用户编号’, order_pay‘订单金额’ , order_time‘下单时间’)。
表2——活动报名表act_apply，大概字段有(act_id‘活动编号’, user_id‘报名用户’,act_time‘报名时间’)
需求：
1. 统计每个活动对应所有用户在报名后产生的总订单金额，总订单数。(每个用户限报一个活动,题干默认用户报名后产生的订单均为参加活动的订单)。
2. 统计每个活动从开始后到当天(考试日)平均每天产生的订单数，活动开始时间定义为最早有用户报名的时间。(涉及到时间的数据类型均为：datetime)。
第1问：
select t2.act_id,count(t1.order_time) as num_order,sum(order_pay) as sum_order as nufrom (select user_id,order_pay,order_time from orders)t1inner join (select user_id,act_id,act_timefrom act_apply)t2on t1.user_id=t2.user_idwhere t1.order_time>=t2.act_timegroup by t2.act_id第2问：
select t1.act_id,count(order_time)/datediff(now(),t1.begin_time)from (select act_id, user_id,act_time,min(act_time) over(partition by act_id) as begin_timefrom act_apply)t1inner join (select user_id,order_timefrom orders)t2on t1.user_id=t2.user_idwhere t1.act_time between t1.begin_time and now()and t2.order_time >= t1.act_time --补充条件 @Ethangroup by t1.act_id说明：Over函数可以和其它聚集函数、分析函数搭配，起到不同的作用。例如这里的SUM，max，min，avg，还有诸如Rank，Dense_rank等。(mysql支持，hive也支持)
第二题：用户行为分析
表1——用户行为表tracking_log，大概字段有(user_id‘用户编号’,opr_id‘操作编号’,log_time‘操作时间’)
需求：
1、计算每天的访客数和他们的平均操作次数。
2、统计每天符合以下条件的用户数：A操作之后是B操作，AB操作必须相邻。
elect date(log_time),count(distinct user_id),avg(num_ci)from (select date(log_time),user_id,count( opr_id) as num_cifrom tracking_loggroup by user_id,date(log_time))group by date(log_time)第2问：
在第一问的基础上添加了限制：A操作之后是B操作，AB操作必须相邻。
lead()over()可以轻易的实现！
select date(log_time),count(distinct user_id) --感谢评论区 指正@七秒记忆的懒鱼 @宣禾火from(select user_id,date(log_time),opr_id,lead(opr_id,1) over(partition by user_id order by log_time ) as opr_id_2from tracking_log)where opr_id='A' and opr_id_2='B'group by date(log_time)第三题：用户新增留存分析
表1——用户登陆表user_log，大概字段有(user_id‘用户编号’，log_time‘登陆时间’)
要求：
每天新增用户数，以及他们第2天、30天的回访比例
如何定义新增用户：用户登陆表中最早的登陆时间所在的用户数为当天新增用户数；
第2天回访用户数：第一天登陆的用户中，第二天依旧登陆的用户；--次日留存率
第30天的回访用户数：第一天登陆用户中，第30天依旧登陆的用户
select date(t1.user_begin),count(distinct t1.user_id) as '新增用户' ,count(distinct t2.user_id)as '第二日留存用户',count(distinct t3.user_id) as '第30日留存用户'from (select user_id,min(log_time) as user_beginfrom user_loggroup by user_id)t1 --感谢评论区指正@Reyleft join(select user_id,log_timefrom user_log)t2on t1.user_id=t2.user_idand date(t2.log_time)=date(t1.user_begin)+1left join (select user_id,log_timefrom user_log)t3on t1.user_id=t3.user_idand date(t3.log_time)=date(t1.user_begin)+29group by date(t1.user_begin)第二部分：计算题1道
贝叶斯公式的应用
已知A,B厂生产的产品的次品率分别是1%和2%，现在由A,B产品分别占60%、40%的样品中随机抽一件，若取到的是次品，求此次品是B厂生产的概率。
已知：P(A)=0.6,P(B)=0.4,P(次/A)=0.01,P(次/B)=0.02
求：P(B/次)
第三部分：综合分析题1道
ABtest
某网站优化了商品详情页，现在新旧两个版本同时运行，新版页面覆盖了10%的用户，旧版覆盖90%的用户。现在需要了解，新版页面是否能够提高商品详情页到支付页的转化率，并决定是否要覆盖旧版，你能为决策提供哪些信息，需要收集哪些指标，给出统计方法及过程。
解答：
使用A/B测试模型，分析两个版本在一段时间期限内，详情页面到支付页面的转化率变化，并计算转化率变化后引起的的GMV变化。
可选择的决策：①确定发布新版本；②调整分流比例继续测试；③优化迭代方案重新开发。
要统计的指标：期限内新、旧版本商品详情页到支付页转化率 ，支付金额。
要衡量的指标：转化率变化 t 在是可接受的置信区间内是否显著，同时参考收益提升率。
指标计算方法：转化率=从某详情页到支付页用户数/浏览该商品详情页用户数(取日平均和标准差)
支付金额=从某详情页到支付页到支付成功路径用户的本次支付金额(取日平均)
采用决策①的情况：本次页面改进在显著性水平内，证明了‘转化率提升的假设’。并且收益提升率达到预期水平。
采用决策②的情况：本次页面改进在显著性水平内，无法证明‘转化率提升的假设’。分析原因可能是新版本样本空间不足。
采用决策③的情况：本次页面改进在显著性水平内，证明了‘转化率提升的假设’。但是收益提升率没有达到预期水平。
-- The End--
