1. 这场笔试到底在考什么1.1 从岗位需求倒推考察维度聊腾讯数据分析岗的秋招笔试得先搞清楚这个岗位进去之后到底干什么。我后来跟不少在大厂做数据分析的朋友交流过也自己带过几个校招生发现一个规律笔试考什么完全取决于岗位日常需要什么能力。数据分析师在腾讯这种体量的公司里日常无非是几件事——看业务数据找问题、写SQL取数、做AB实验评估、出分析报告给业务方做决策参考。所以笔试的考察维度基本就锁定了四块统计概率基础、SQL查询能力、业务逻辑推理、数据敏感度。很多人一上来就刷算法题方向就偏了。数据分析岗不是算法岗笔试里编程题的比重远没有SQL和统计大。我见过有同学花两个月刷LeetCode Hard结果笔试里SQL一道窗口函数没写出来直接挂掉。这不是能力问题是方向问题。1.2 题型分布与时间压力的真实体感根据我和身边人参加过的几次腾讯数据分析笔试来看题型大致是选择题统计概率业务常识约20道SQL编程题2-3道业务分析简答题1-2道偶尔会有Python数据处理的小题。总时长一般在120分钟左右看起来时间充裕但实际上选择题会消耗大量时间因为很多题需要手算。注意选择题里统计概率的题往往不是直接套公式而是给你一个业务场景让你判断用哪种方法。比如“某功能上线后点击率从3%涨到3.2%是否显著”这种题考的是你对假设检验的理解不是让你背公式。时间分配上我的建议是选择题控制在40分钟内SQL题留40分钟业务分析题留30分钟剩下10分钟检查。很多人死在选择题上后面SQL没时间写这是最亏的。1.3 难度定位不是奥数是基本功腾讯数据分析笔试的难度说实话不算特别难但覆盖面广、细节多。它不会考你特别偏的数学定理但会考你有没有真正理解每个统计概念背后的含义。比如置信区间和置信水平的区别很多人背了定义但一到业务场景就懵。SQL部分难度大概在中等偏上窗口函数、自连接、日期处理是高频考点。业务分析题则更看你的思维框架没有标准答案但逻辑是否清晰、是否考虑到边界情况一眼就能看出来。2. 统计与概率选择题里的隐形杀手2.1 描述统计与推断统计的分界线选择题里最容易混淆的就是描述统计和推断统计的适用场景。描述统计是“看现状”推断统计是“猜全局”。比如给你一组用户活跃数据让你算均值、中位数、标准差这是描述统计让你根据样本推断整体用户的行为这是推断统计。腾讯的笔试题经常在这两者之间设陷阱。举个例子题目给出一组样本数据问“以下哪个指标最能反映用户收入的集中趋势”。很多人第一反应选均值但如果数据里有极端值比如少数高收入用户中位数才是更稳健的选择。这种题考的就是你对指标特性的理解不是计算能力。2.2 假设检验与AB实验的核心逻辑假设检验是腾讯数据分析笔试的必考内容因为它直接对应AB实验的评估。核心逻辑就一句话先假设没有差异然后看观测到的数据在这个假设下有多大概率出现。如果概率很低小于显著性水平就推翻原假设认为有差异。但笔试不会只考你这句话它会给你一个具体场景。比如“某推荐算法上线后实验组人均点击次数为5.2对照组为5.0标准差分别为1.5和1.4样本量各为10000问该算法是否有效。”这种题你需要确定用双样本t检验还是z检验大样本用z检验计算标准误算z统计量查表或估算p值下结论实操心得笔试时如果没带计算器标准误可以近似估算。比如上面这题标准误≈√(1.5²/10000 1.4²/10000)≈0.02z(5.2-5.0)/0.0210远大于1.96显著。这种估算能力在笔试里非常关键。2.3 概率分布与贝叶斯公式的实战考法概率分布里二项分布、泊松分布、正态分布是高频考点。腾讯的题喜欢把分布和业务场景结合。比如“某页面每秒钟平均有3个用户访问问某一秒内有5个用户访问的概率”这就是泊松分布。再比如“某用户连续点击10次广告每次点击概率为0.1问至少点击2次的概率”这是二项分布。贝叶斯公式的考法更隐蔽。常见题型是“某疾病患病率为1%检测准确率为99%某人检测阳性问实际患病的概率。”很多人会直接答99%但正确答案是远低于99%的因为要先考虑先验概率。这种题在腾讯笔试里出现过多次考的就是你有没有贝叶斯思维。考点常见题型易错点描述统计均值/中位数/众数选择忽略极端值影响假设检验AB实验显著性判断混淆单双侧检验概率分布泊松/二项场景识别参数含义搞反贝叶斯条件概率反推忽略先验概率2.4 置信区间与p值的常见误区置信区间和p值是统计里最容易搞混的两个概念。置信区间是“参数估计的范围”p值是“观测数据在原假设下出现的概率”。腾讯的笔试题经常把这两个放在一起考比如“95%置信区间为[2.1, 3.5]以下说法正确的是”选项里会有“有95%的概率参数落在该区间内”这种经典错误说法。正确的理解是置信区间是随机的参数是固定的。95%置信区间的意思是如果重复抽样100次大约有95次构造的区间会包含真实参数。这个理解在笔试里必须清晰否则很容易选错。3. SQL编程题窗口函数是分水岭3.1 腾讯SQL题的出题风格腾讯数据分析笔试的SQL题不会让你写特别复杂的多表关联但一定会考窗口函数。我统计过近几年的题目窗口函数出现的概率超过80%。常见的考法包括计算每个用户的累计消费、排名、同比环比、连续登录天数等。题目通常会给你2-3张表比如用户表、订单表、行为日志表然后让你写一个查询实现某个业务指标。表结构不会太复杂但字段名可能比较绕需要你仔细读题。3.2 窗口函数的核心用法与实战窗口函数的核心是OVER()子句里面可以指定PARTITION BY和ORDER BY。腾讯的题最喜欢考ROW_NUMBER()、RANK()、DENSE_RANK()的区别以及SUM() OVER()做累计计算。举个例子给你一张订单表orders(user_id, order_date, amount)让你计算每个用户截至每天的累计消费金额。答案SELECT user_id, order_date, amount, SUM(amount) OVER (PARTITION BY user_id ORDER BY order_date) AS cumulative_amount FROM orders;再比如让你找出每个用户消费金额最高的那一天。答案SELECT user_id, order_date, amount FROM ( SELECT user_id, order_date, amount, ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY amount DESC) AS rn FROM orders ) t WHERE rn 1;注意ROW_NUMBER()和RANK()的区别在于遇到相同值时ROW_NUMBER()会继续递增而RANK()会跳号。腾讯的题经常在这里设坑比如“找出消费金额排名第二的用户”如果用RANK()可能有多个第二名用ROW_NUMBER()则只有一个。3.3 连续登录问题的标准解法连续登录是SQL题里的经典题型腾讯也考过。思路是用ROW_NUMBER()给每个用户的登录日期排序然后用登录日期减去序号如果连续登录差值应该相同。WITH login_rank AS ( SELECT user_id, login_date, DATE_SUB(login_date, INTERVAL ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) DAY) AS grp FROM login_log ) SELECT user_id, MIN(login_date) AS start_date, MAX(login_date) AS end_date, COUNT(*) AS consecutive_days FROM login_rank GROUP BY user_id, grp HAVING COUNT(*) 3;这个解法在笔试里非常实用建议直接背下来。考试时如果遇到类似题改改表名和字段名就能用。3.4 SQL性能优化的笔试考法有时候腾讯会考SQL性能优化比如“以下查询为什么慢如何优化”。常见的原因包括没有用索引、用了SELECT *、在WHERE子句里对字段做函数运算、用了OR导致索引失效等。优化思路一般是尽量用索引覆盖、避免全表扫描、减少子查询嵌套、用JOIN代替子查询。笔试里如果考到通常不会让你真的去分析执行计划而是让你指出问题并给出改写方案。问题原因优化方案查询慢未用索引在WHERE/JOIN字段建索引返回数据多SELECT *只取需要的列索引失效WHERE里用函数改写为范围查询子查询嵌套深多层嵌套用JOIN或CTE改写4. 业务分析题没有标准答案但有标准思路4.1 指标异动分析的万能框架业务分析题里最常考的就是“某指标突然下降如何分析”。这种题没有标准答案但有一套万能框架先确认数据准确性再拆解指标维度然后定位原因最后给出建议。具体来说指标下降先看是不是数据采集出了问题埋点丢失、统计口径变化然后按维度拆解是哪个地区降了哪个渠道降了哪个用户群体降了拆到最细粒度问题往往就暴露了。最后结合业务动作比如竞品上线、政策变化、功能改版给出解释和建议。实操心得笔试时答这种题一定要先写框架再填内容。阅卷人看的是你的逻辑是否清晰不是你的结论是否正确。框架对了即使结论有偏差也能拿大部分分。4.2 AB实验设计与评估的答题要点AB实验的题通常分两部分实验设计和结果评估。实验设计要说明实验组和对照组怎么分、样本量怎么定、实验周期多长、核心指标和护栏指标是什么。结果评估要说明用什么检验方法、显著性水平多少、如何判断是否上线。腾讯的题可能会给你一个具体场景比如“某社交功能改版想验证是否提升用户互动率”让你设计实验。答题时要注意样本量计算需要基于预期提升幅度和基线指标不能随便说“取1000个用户”。实验周期要考虑用户行为周期比如社交产品至少一周电商至少两周。4.3 数据驱动决策的案例分析有时候腾讯会给你一段业务描述让你分析某个决策是否合理。比如“某游戏上线新皮肤定价68元首周销量10万份运营团队认为定价偏低建议提价到98元你是否同意”这种题考的是你的商业敏感度和数据分析思维。答题思路先看68元定价下的收入68×10万680万然后分析提价后的需求弹性。如果提价到98元销量可能下降但收入不一定下降。需要估算价格弹性系数或者参考同类产品的历史数据。最后给出建议时要说明需要哪些额外数据来支撑决策。4.4 业务分析题的加分技巧业务分析题想拿高分有几个技巧第一主动提出需要哪些数据比如“我需要知道分渠道的转化率数据”第二考虑边界情况比如“如果数据采集有问题需要先排除”第三给出可落地的建议比如“建议先在小流量做AB实验验证”。还有一个加分项是量化表达。不要说“用户可能会减少”要说“预计转化率可能下降5%-10%”。量化表达能让阅卷人觉得你有数据思维。5. 备考策略与实战经验5.1 时间分配与刷题优先级备考腾讯数据分析笔试时间分配很关键。我的建议是统计概率占40%SQL占40%业务分析占20%。统计概率是选择题的大头SQL是编程题的核心业务分析虽然分值高但提升慢需要长期积累。刷题优先级先刷SQL窗口函数和连续登录题再刷统计概率的选择题最后看业务分析题的答题框架。网上有很多SQL在线练习平台建议每天至少写5道题保持手感。5.2 笔试当天的注意事项笔试当天有几个细节要注意第一提前测试设备确保网络稳定、摄像头正常第二准备好草稿纸和笔统计题需要手算第三先易后难遇到卡住的题先跳过别在一道题上耗太久第四SQL题先写框架再填细节确保逻辑正确。注意腾讯的笔试通常是摄像头监考不要切屏不要查资料。一旦被判定作弊直接取消资格。5.3 常见失误与避坑清单根据我和身边人的经验笔试里最常见的失误有统计题看错单双侧检验、SQL题忘记去重、业务题答得太空泛、时间分配不合理导致后面题没写完。这些坑其实都可以提前避免关键是多模拟几次。失误类型具体表现避坑方法统计失误单双侧混淆读题时圈出关键词SQL失误忘记DISTINCT写完检查结果集业务失误答案太泛用框架量化时间失误前面耗时多设时间节点提醒5.4 从笔试到面试的衔接准备笔试过了之后面试才是真正的硬仗。腾讯数据分析的面试通常会问SQL现场手写、统计知识深挖、业务案例分析、项目经历追问。所以笔试结束后不要放松继续刷SQL题准备几个业务分析案例把简历上的项目重新梳理一遍。我个人的体会是笔试考的是基本功面试考的是思维深度。笔试过了说明基础没问题面试想脱颖而出需要在业务理解和分析框架上多下功夫。平时多看看行业分析报告多思考“如果是我我会怎么分析这个问题”慢慢就有感觉了。最后再分享一个小技巧笔试里的业务分析题答题时可以先写一句“我将从以下三个维度分析”然后分点作答。这样阅卷人一眼就能看到你的结构印象分会高很多。这个技巧在面试里同样适用亲测有效。 
长河君 · 2026/10/14 12:49:00 · 阅读 1.2k 腾讯数据分析秋招笔试备考指南：统计概率、SQL窗口函数与业务分析
1. 这场笔试到底在考什么1.1 从岗位需求倒推考察维度聊腾讯数据分析岗的秋招笔试得先搞清楚这个岗位进去之后到底干什么。我后来跟不少在大厂做数据分析的朋友交流过也自己带过几个校招生发现一个规律笔试考什么完全取决于岗位日常需要什么能力。数据分析师在腾讯这种体量的公司里日常无非是几件事——看业务数据找问题、写SQL取数、做AB实验评估、出分析报告给业务方做决策参考。所以笔试的考察维度基本就锁定了四块统计概率基础、SQL查询能力、业务逻辑推理、数据敏感度。很多人一上来就刷算法题方向就偏了。数据分析岗不是算法岗笔试里编程题的比重远没有SQL和统计大。我见过有同学花两个月刷LeetCode Hard结果笔试里SQL一道窗口函数没写出来直接挂掉。这不是能力问题是方向问题。1.2 题型分布与时间压力的真实体感根据我和身边人参加过的几次腾讯数据分析笔试来看题型大致是选择题统计概率业务常识约20道SQL编程题2-3道业务分析简答题1-2道偶尔会有Python数据处理的小题。总时长一般在120分钟左右看起来时间充裕但实际上选择题会消耗大量时间因为很多题需要手算。注意选择题里统计概率的题往往不是直接套公式而是给你一个业务场景让你判断用哪种方法。比如“某功能上线后点击率从3%涨到3.2%是否显著”这种题考的是你对假设检验的理解不是让你背公式。时间分配上我的建议是选择题控制在40分钟内SQL题留40分钟业务分析题留30分钟剩下10分钟检查。很多人死在选择题上后面SQL没时间写这是最亏的。1.3 难度定位不是奥数是基本功腾讯数据分析笔试的难度说实话不算特别难但覆盖面广、细节多。它不会考你特别偏的数学定理但会考你有没有真正理解每个统计概念背后的含义。比如置信区间和置信水平的区别很多人背了定义但一到业务场景就懵。SQL部分难度大概在中等偏上窗口函数、自连接、日期处理是高频考点。业务分析题则更看你的思维框架没有标准答案但逻辑是否清晰、是否考虑到边界情况一眼就能看出来。2. 统计与概率选择题里的隐形杀手2.1 描述统计与推断统计的分界线选择题里最容易混淆的就是描述统计和推断统计的适用场景。描述统计是“看现状”推断统计是“猜全局”。比如给你一组用户活跃数据让你算均值、中位数、标准差这是描述统计让你根据样本推断整体用户的行为这是推断统计。腾讯的笔试题经常在这两者之间设陷阱。举个例子题目给出一组样本数据问“以下哪个指标最能反映用户收入的集中趋势”。很多人第一反应选均值但如果数据里有极端值比如少数高收入用户中位数才是更稳健的选择。这种题考的就是你对指标特性的理解不是计算能力。2.2 假设检验与AB实验的核心逻辑假设检验是腾讯数据分析笔试的必考内容因为它直接对应AB实验的评估。核心逻辑就一句话先假设没有差异然后看观测到的数据在这个假设下有多大概率出现。如果概率很低小于显著性水平就推翻原假设认为有差异。但笔试不会只考你这句话它会给你一个具体场景。比如“某推荐算法上线后实验组人均点击次数为5.2对照组为5.0标准差分别为1.5和1.4样本量各为10000问该算法是否有效。”这种题你需要确定用双样本t检验还是z检验大样本用z检验计算标准误算z统计量查表或估算p值下结论实操心得笔试时如果没带计算器标准误可以近似估算。比如上面这题标准误≈√(1.5²/10000 1.4²/10000)≈0.02z(5.2-5.0)/0.0210远大于1.96显著。这种估算能力在笔试里非常关键。2.3 概率分布与贝叶斯公式的实战考法概率分布里二项分布、泊松分布、正态分布是高频考点。腾讯的题喜欢把分布和业务场景结合。比如“某页面每秒钟平均有3个用户访问问某一秒内有5个用户访问的概率”这就是泊松分布。再比如“某用户连续点击10次广告每次点击概率为0.1问至少点击2次的概率”这是二项分布。贝叶斯公式的考法更隐蔽。常见题型是“某疾病患病率为1%检测准确率为99%某人检测阳性问实际患病的概率。”很多人会直接答99%但正确答案是远低于99%的因为要先考虑先验概率。这种题在腾讯笔试里出现过多次考的就是你有没有贝叶斯思维。考点常见题型易错点描述统计均值/中位数/众数选择忽略极端值影响假设检验AB实验显著性判断混淆单双侧检验概率分布泊松/二项场景识别参数含义搞反贝叶斯条件概率反推忽略先验概率2.4 置信区间与p值的常见误区置信区间和p值是统计里最容易搞混的两个概念。置信区间是“参数估计的范围”p值是“观测数据在原假设下出现的概率”。腾讯的笔试题经常把这两个放在一起考比如“95%置信区间为[2.1, 3.5]以下说法正确的是”选项里会有“有95%的概率参数落在该区间内”这种经典错误说法。正确的理解是置信区间是随机的参数是固定的。95%置信区间的意思是如果重复抽样100次大约有95次构造的区间会包含真实参数。这个理解在笔试里必须清晰否则很容易选错。3. SQL编程题窗口函数是分水岭3.1 腾讯SQL题的出题风格腾讯数据分析笔试的SQL题不会让你写特别复杂的多表关联但一定会考窗口函数。我统计过近几年的题目窗口函数出现的概率超过80%。常见的考法包括计算每个用户的累计消费、排名、同比环比、连续登录天数等。题目通常会给你2-3张表比如用户表、订单表、行为日志表然后让你写一个查询实现某个业务指标。表结构不会太复杂但字段名可能比较绕需要你仔细读题。3.2 窗口函数的核心用法与实战窗口函数的核心是OVER()子句里面可以指定PARTITION BY和ORDER BY。腾讯的题最喜欢考ROW_NUMBER()、RANK()、DENSE_RANK()的区别以及SUM() OVER()做累计计算。举个例子给你一张订单表orders(user_id, order_date, amount)让你计算每个用户截至每天的累计消费金额。答案SELECT user_id, order_date, amount, SUM(amount) OVER (PARTITION BY user_id ORDER BY order_date) AS cumulative_amount FROM orders;再比如让你找出每个用户消费金额最高的那一天。答案SELECT user_id, order_date, amount FROM ( SELECT user_id, order_date, amount, ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY amount DESC) AS rn FROM orders ) t WHERE rn 1;注意ROW_NUMBER()和RANK()的区别在于遇到相同值时ROW_NUMBER()会继续递增而RANK()会跳号。腾讯的题经常在这里设坑比如“找出消费金额排名第二的用户”如果用RANK()可能有多个第二名用ROW_NUMBER()则只有一个。3.3 连续登录问题的标准解法连续登录是SQL题里的经典题型腾讯也考过。思路是用ROW_NUMBER()给每个用户的登录日期排序然后用登录日期减去序号如果连续登录差值应该相同。WITH login_rank AS ( SELECT user_id, login_date, DATE_SUB(login_date, INTERVAL ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) DAY) AS grp FROM login_log ) SELECT user_id, MIN(login_date) AS start_date, MAX(login_date) AS end_date, COUNT(*) AS consecutive_days FROM login_rank GROUP BY user_id, grp HAVING COUNT(*) 3;这个解法在笔试里非常实用建议直接背下来。考试时如果遇到类似题改改表名和字段名就能用。3.4 SQL性能优化的笔试考法有时候腾讯会考SQL性能优化比如“以下查询为什么慢如何优化”。常见的原因包括没有用索引、用了SELECT *、在WHERE子句里对字段做函数运算、用了OR导致索引失效等。优化思路一般是尽量用索引覆盖、避免全表扫描、减少子查询嵌套、用JOIN代替子查询。笔试里如果考到通常不会让你真的去分析执行计划而是让你指出问题并给出改写方案。问题原因优化方案查询慢未用索引在WHERE/JOIN字段建索引返回数据多SELECT *只取需要的列索引失效WHERE里用函数改写为范围查询子查询嵌套深多层嵌套用JOIN或CTE改写4. 业务分析题没有标准答案但有标准思路4.1 指标异动分析的万能框架业务分析题里最常考的就是“某指标突然下降如何分析”。这种题没有标准答案但有一套万能框架先确认数据准确性再拆解指标维度然后定位原因最后给出建议。具体来说指标下降先看是不是数据采集出了问题埋点丢失、统计口径变化然后按维度拆解是哪个地区降了哪个渠道降了哪个用户群体降了拆到最细粒度问题往往就暴露了。最后结合业务动作比如竞品上线、政策变化、功能改版给出解释和建议。实操心得笔试时答这种题一定要先写框架再填内容。阅卷人看的是你的逻辑是否清晰不是你的结论是否正确。框架对了即使结论有偏差也能拿大部分分。4.2 AB实验设计与评估的答题要点AB实验的题通常分两部分实验设计和结果评估。实验设计要说明实验组和对照组怎么分、样本量怎么定、实验周期多长、核心指标和护栏指标是什么。结果评估要说明用什么检验方法、显著性水平多少、如何判断是否上线。腾讯的题可能会给你一个具体场景比如“某社交功能改版想验证是否提升用户互动率”让你设计实验。答题时要注意样本量计算需要基于预期提升幅度和基线指标不能随便说“取1000个用户”。实验周期要考虑用户行为周期比如社交产品至少一周电商至少两周。4.3 数据驱动决策的案例分析有时候腾讯会给你一段业务描述让你分析某个决策是否合理。比如“某游戏上线新皮肤定价68元首周销量10万份运营团队认为定价偏低建议提价到98元你是否同意”这种题考的是你的商业敏感度和数据分析思维。答题思路先看68元定价下的收入68×10万680万然后分析提价后的需求弹性。如果提价到98元销量可能下降但收入不一定下降。需要估算价格弹性系数或者参考同类产品的历史数据。最后给出建议时要说明需要哪些额外数据来支撑决策。4.4 业务分析题的加分技巧业务分析题想拿高分有几个技巧第一主动提出需要哪些数据比如“我需要知道分渠道的转化率数据”第二考虑边界情况比如“如果数据采集有问题需要先排除”第三给出可落地的建议比如“建议先在小流量做AB实验验证”。还有一个加分项是量化表达。不要说“用户可能会减少”要说“预计转化率可能下降5%-10%”。量化表达能让阅卷人觉得你有数据思维。5. 备考策略与实战经验5.1 时间分配与刷题优先级备考腾讯数据分析笔试时间分配很关键。我的建议是统计概率占40%SQL占40%业务分析占20%。统计概率是选择题的大头SQL是编程题的核心业务分析虽然分值高但提升慢需要长期积累。刷题优先级先刷SQL窗口函数和连续登录题再刷统计概率的选择题最后看业务分析题的答题框架。网上有很多SQL在线练习平台建议每天至少写5道题保持手感。5.2 笔试当天的注意事项笔试当天有几个细节要注意第一提前测试设备确保网络稳定、摄像头正常第二准备好草稿纸和笔统计题需要手算第三先易后难遇到卡住的题先跳过别在一道题上耗太久第四SQL题先写框架再填细节确保逻辑正确。注意腾讯的笔试通常是摄像头监考不要切屏不要查资料。一旦被判定作弊直接取消资格。5.3 常见失误与避坑清单根据我和身边人的经验笔试里最常见的失误有统计题看错单双侧检验、SQL题忘记去重、业务题答得太空泛、时间分配不合理导致后面题没写完。这些坑其实都可以提前避免关键是多模拟几次。失误类型具体表现避坑方法统计失误单双侧混淆读题时圈出关键词SQL失误忘记DISTINCT写完检查结果集业务失误答案太泛用框架量化时间失误前面耗时多设时间节点提醒5.4 从笔试到面试的衔接准备笔试过了之后面试才是真正的硬仗。腾讯数据分析的面试通常会问SQL现场手写、统计知识深挖、业务案例分析、项目经历追问。所以笔试结束后不要放松继续刷SQL题准备几个业务分析案例把简历上的项目重新梳理一遍。我个人的体会是笔试考的是基本功面试考的是思维深度。笔试过了说明基础没问题面试想脱颖而出需要在业务理解和分析框架上多下功夫。平时多看看行业分析报告多思考“如果是我我会怎么分析这个问题”慢慢就有感觉了。最后再分享一个小技巧笔试里的业务分析题答题时可以先写一句“我将从以下三个维度分析”然后分点作答。这样阅卷人一眼就能看到你的结构印象分会高很多。这个技巧在面试里同样适用亲测有效。