小红书2020校招数据分析笔试题卷二，算是我这几年看下来比较有代表性的一套。很多候选人来找我复盘时，第一反应都是“题目看着不难，怎么分就是不高”。它不考深度学习，不考手撕算法，甚至SQL也没到竞赛难度，但就是能精准筛出一批“只会跑数、不懂业务”的人。整套卷子其实是把你丢进一个真实的内容社区场景里，看你能不能把数据分析从一句口号变成可落地的决策支撑。如果你正在准备校招数据岗，或者刚转行想建立业务分析感，这套题值得反复啃。
接下来我从题型能力模型、高频考点、答题技巧、备考路线四个方面拆一遍。内容以我看到的回忆版和同类校招卷为参考，尽量还原考官的出题意图。
1. 拆解一套校招笔试题，先看它到底想考什么
1.1 考点地图：数据岗笔试不是刷题竞赛
先泼一盆冷水。很多同学准备数据岗笔试，第一反应是刷LeetCode、刷SQL题，或者背Python语法。这套卷子恰恰告诉你：数据分析和数据开发、算法不一样，它更看重“业务翻译能力”——把模糊的业务问题翻译成清晰的数据问题，再翻译成决策建议。
我梳理了一下，这套卷二的核心考点可以分成四层：
| 考查维度 | 常见出题形式 | 考察本质 |
|---|---|---|
| 指标体系 | 计算留存、转化率、GMV、客单价 | 是否理解业务口径 |
| 取数能力 | 写SQL取核心指标 | 能否用工具回答业务问题 |
| 统计分析 | AB实验、显著性、置信区间 | 结论是否经得起推敲 |
| 业务思维 | 异动归因、活动效果评估 | 能否驱动决策 |
四种能力不是平均分配。从实际反馈看，业务思维占比最高，其次是指标理解和SQL。所谓“技术复现”的部分反而好准备，真正拉分的是“分析思路”。
为什么小红书这样的内容平台特别爱考这些？因为业务本身就是内容和人互动，数据天然丰富。笔记曝光、阅读、点赞、评论、收藏、关注、下单……每个行为背后都对应一个用户决策瞬间，每个指标背后都可能牵引一个运营动作。没有业务理解，给你再多数据也写不出有洞察的答案。
1.2 小红书场景为什么适合当考题
小红书是个典型的UGC内容社区，后来又叠加了电商和本地生活。这种“社区+种草+交易”的混合体，非常适合考察候选人的体系化思维。
举个例子。社区里最核心的指标是什么？很多人会答DAU、MAU、留存。但题卷里往往不会直接问“什么是DAU”，而是给一个场景：“某功能上线后DAU涨了，但人均时长掉了，你怎么判断功能好坏？”这背后考的是北极星指标拆解和业务取舍。
再比如，小红书笔记有“曝光-点击-阅读-互动”的完整链路。笔试里常见的漏斗题，不是简单考“曝光到点击的转化率怎么算”，而是考“两个内容分发策略下，一个曝光转化率升高、但整体互动量下降，你觉得问题可能出在哪”。如果只盯单一指标，很容易掉进辛普森悖论的坑。
所以这套卷子给我的整体感觉是：它不追求你算出唯一正确答案，而是看你能不能把条件用全、把坑避开、把话说清楚。这也是整篇文章想重点讲的内容。
2. 高频题型详解与实战思路
2.1 业务指标题：别急着套公式，先确认口径
指标题几乎必考。出现形式可能是填空、选择，也可能是一道简答题。比如：
“某日新增用户1000人，其中200人当天发布了笔记，300人当天收藏了笔记，600人第二天再次打开App，那么这批新增用户的次日留存率是多少？”
很多人的第一反应是“600/1000=60%”。这题坑点在于“新增用户”的时间口径。如果题目要求“次日留存用户 / 首日新增用户”，留存率确实是60%。但有些版本会把“次日活跃用户中的新增用户”混进来，或者把“第二天再次打开App”理解为“这批人里有600人”，这个没问题。但还有一种变形：如果新增用户中有一部分是当天通过分享链接进入、没有完成注册，那算不算活跃用户？这就要回到产品对“新增用户”的定义。
做这类题，我建议养成一个习惯：先写出口径公式，再代入数字。
留存率 = 某日新增用户中，在第N日仍活跃的用户数 / 该日新增用户总数
笔试时，把公式写在前面，再解释每个分母分子的业务含义，能减少很多误判。别觉得啰嗦，评分标准通常包含“口径清晰”这一项。
再看一个常见的公式题：“某社区某天的笔记总曝光量为1000万，点击量为200万，用户点击后产生互动（点赞/收藏/评论）的总次数为50万，试计算点击率、互动率，并说明二者关系。”
点击率 = 200/1000 = 20%；互动率如果按“互动用户数/阅读用户数”算，题干里没给去重用户数，就得说明只能用“互动次数/点击（或阅读）”作为近似。这里考验的是对“用户级”和“行为级”两种口径的理解。
我见过不少答案直接写“互动率=50/200=25%”，然后没有更多解释。但高分答案会补充一句：“这里以行为次数代替用户数，未去重；如果需评估人均互动情况，应使用互动用户数或人均互动次数。”这种补充虽然不会在每一步加分，但整体会让人觉得你有数据敏感性。
2.2 SQL取数题：写不写得出来是分水岭
SQL是笔试硬门槛。拿不到这道题的分数，后面再花哨也白搭。
常见场景题大概长这样：
“小红书内容侧有一个用户笔记表 data_note（字段：note_id, user_id, publish_date, like_cnt, comment_cnt），和一个用户注册表 data_user（字段：user_id, reg_date）。请用SQL统计2020年1月注册且当月发布笔记数大于等于3篇的用户中，人均累计点赞数最高的是哪个城市？不需要城市字段，那就不加；如果原题有城市字段，例如city，则统计每个城市的人均累计点赞数。”
由于原题卷版本不同，我们假设场景是：
“统计2020年1月注册的用户中，截至2020年1月31日发布笔记数大于等于3篇的用户ID及累计点赞数，按累计点赞数降序输出前100名。”
一个可用的SQL是：
SELECT u.user_id, COUNT(n.note_id) AS publish_cnt, SUM(n.like_cnt) AS total_like_cnt FROM data_user AS u LEFT JOIN data_note AS n ON u.user_id = n.user_id AND n.publish_date BETWEEN '2020-01-01' AND '2020-01-31' WHERE u.reg_date BETWEEN '2020-01-01' AND '2020-01-31' GROUP BY u.user_id HAVING COUNT(n.note_id) >= 3 ORDER BY total_like_cnt DESC LIMIT 100;重点是几个细节：
- 用
LEFT JOIN还是INNER JOIN？如果要求“发布笔记数大于等于3篇”，用内连接更干净，直接过滤掉没有发布笔记的用户。但如果你想看所有一月新增用户，包括没有发笔记的，才需要left join。 - 日期过滤放在
WHERE还是JOIN子句里？这里如果把n.publish_date的过滤放在WHERE，会导致 left join 退化成 inner join。这是经典坑点，很多候选人在这个点上翻车。 HAVING不能换成WHERE，因为COUNT是聚合结果。- 如果笔试要求输出城市维度，那还要 join 一个地区表，GROUP BY 城市。
这道题的本质，是考你能不能把“用户注册、笔记发布、点赞累计”这三个业务环节串成一条清晰的数据链路。能取对数、不丢数据、不重复计数，就已经赢过一半人。
2.3 AB实验与因果推断题：比统计知识更重要的是防坑
AB实验是内容平台的高频题。常见问法：
“小红书计划把评论区从时间序改为热度序，想验证是否能提升用户互动时长。请设计一个实验方案，并说明核心评估指标和注意事项。”
如果只是写“随机分组，做假设检验，看p值”，大概率只能拿基础分。要拿高分，需要体现以下层次：
- 指标体系：不能只盯一个指标。主指标可以是“人均互动时长”或“七日留存”，护栏指标包括“评论举报率”“低质评论占比”。
- 单位与随机化：用户级随机还是笔记级随机？如果改动是所有用户在全局看到的评论排序都变，那应该以用户为随机单位。
- 实验周期：要覆盖足够多的“发布-互动”周期，避免新功能新鲜感带来的霍桑效应。
- 层化与AA：分组前按新老用户、活跃度分层，启动前做AA验证，确保分组无偏。
- 显著性：算好样本量，避免上线后跑两周发现没效果，既浪费流量又拖慢决策。
至于更复杂的“为什么总体显著、分群反而都不显著”，这背后是辛普森悖论。笔试里如果出现这样的论述题，建议从“流量分配不均”和“用户结构不同”两个角度去答，同时提出下线后按新老、频道、设备维度做分层分析。
2.4 业务案例分析题：串联全链路的能力
案例题通常是最后一道大题，分值最高。形式类似：
“2020年3月，小红书社区笔记日均互动量比2月下降了8%，但DAU环比上升5%。作为一个数据分析师，你如何分析互动量下降的原因？”
很多人一上来就写“我查互动数、查评论数、查……”这不行。需要结构化。
我会按四步走：
第一步，明确问题。这里存在一个矛盾：DAU上升但互动量下降，说明“人均互动量”下滑更明显。问题本质可以拆成“用户总量变化”和“单用户行为变化”两个子问题。
第二步，拆解指标体系。互动量 = DAU × 发布/浏览笔记人数占比 × 人均互动次数。再往下拆，互动次数 = 点赞 + 收藏 + 评论 + 分享。需要定位是哪类互动在跌。
第三步，提出假设。可能原因包括：3月内容供给结构变化、推荐策略调整、互动入口改版、外部季节性因素（2月春节假期互动基数高）、异常机器人刷量被治理等。
第四步，验证和决策。用数据验证每个假设。比如想看“内容供给结构变化”，可以对比不同类目笔记的曝光占比和互动率；想看“策略调整”，查询实验平台近期是否有推荐策略的改动。
这类题没有标准答案，但评分维度通常很清晰：结构完整、假设合理、数据可取、结论有业务落点。套路其实是可以刻意练习的。
3. 从笔试到面试：解题之外的加分项
3.1 如何写出让面试官记住的答案
笔试卷面不是程序运行，改卷人不可能一行行找答案。你的结构决定了得分效率。
一个核心原则：结论先行，证据在后。比如遇到归因题，第一行先写“结论：互动量下降主要来自人均互动次数下降，而不是DAU下降”，然后再给计算过程、拆解步骤。这既方便阅卷人抓重点，也显得你有业务判断力。
其次，善于使用“如果数据支持……那么……”的句式。这种表达展示了假设驱动思维。比如“如果次日留存率在实验组显著高于对照组，并且人均使用时长没有显著下降，我会建议全量上线”。这种答案比干巴巴写“p<0.05所以有用”高级得多。
还有一个容易被忽略的细节：单位。很多计算题里给出的数字是万、亿、百分比，答的时候最好统一单位。比如“互动量下降约800万次，其中评论减少贡献了60%”，这比“互动变少了”强太多。
3.2 高频丢分点清单
我看了不少失分严重的卷子，问题高度集中：
| 丢分点 | 表现 | 改进方式 |
|---|---|---|
| 不读题 | 题目要求按城市统计，结果输出用户明细 | 动笔前圈出关键字 |
| 指标口径不清 | 留存率分子分母解释模糊 | 先写公式再代入 |
| SQL表关联混乱 | 日期过滤放错位置，数据翻倍 | 解释每条join的粒度 |
| 因果不分 | 看到相关就喊因果 | 多问一句“有没有别的解释” |
| 结论无落点 | 算完数不提建议 | 强制自己写“所以建议……” |
| 忽略异常值 | 平均数被极端值带偏 | 统计时先做分布描述 |
| 只写工具不写思路 | Python代码堆砌，没有结论 | 代码块前写思路，代码块后写结论 |
如果你已经刷题很久，可以拿这张表自测。只要没有其中三个以上，笔试通过概率就会明显上升。
4. 备考路线与工具实操
4.1 一个月冲刺计划：从补基础到实战模拟
很多同学问：“离笔试还有一个月，来得及吗？”我的答案是：针对性训练，完全够。关键在于不要让前两周耗在理论课上。
我建议的节奏是：
| 时间 | 重点 | 具体任务 |
|---|---|---|
| 第1周 | 指标理解 + SQL | 每天拆解一个业务指标，练习10道中难度SQL |
| 第2周 | 统计 + AB实验 | 弄懂假设检验、p值、置信区间，独立设计3个实验方案 |
| 第3周 | 案例分析 + Python | 每周精做3道综合案例题，用pandas做描述统计 |
| 第4周 | 全真模拟 + 复盘 | 掐时间做整套题，错题归因，修正答题结构 |
这个计划有几个设计逻辑。第一周先解决最可控的得分点——SQL和指标定义，不然会慌。第二周把AB实验作为专题，这是专业分水岭。第三周开始练“写故事”的能力，也就是把数据结果转成业务建议。第四周必须模拟真实考试，很多人在前30分钟磨蹭，后20分钟狂赶，导致大题质量崩盘。
4.2 我常用的笔试备选工具与资料
工具不在多，在于熟练。笔试时最要紧的是SQL和Python基础库，一般在线编辑器支持MySQL/Python3，不能联网，所以离线也能跑的东西才是刚需。
- SQL：每天在本地建两个练习表，模拟关联查询、聚合、窗口函数。窗口函数如
ROW_NUMBER() OVER(PARTITION BY user_id ORDER BY like_cnt DESC)，在“找用户最高赞笔记”这类题里几乎是必用。 - Python：重点掌握
pandas的groupby、merge、pivot_table，还有基础的描述统计与绘图。很多案例题第二问会要求用Python完成简单数据处理，不需要机器学习模型。 - Excel：如果题目允许，用数据透视表也能快速验算结果，特别是检查SQL结果是否正确。我习惯先手算一个小样例，再用SQL查完整数据，两边对上了才往下写。
学习资料方面，真题回忆版和开源的面经汇总最有用。另外，把小红书官方公开分享的一些增长案例、社区治理和推荐策略材料通读一遍，能帮你在案例题里写出更贴合业务背景的答案。注意，不要只记结论，要关注他们是怎么拆解问题的。
5. 复盘：我见过的高分答卷共性
5.1 高分答案的四个特征
从大量高分卷里，我能总结出一些共性特征，不只是卷面整洁那种。
第一个特征是“业务名词准确”。比如写推荐相关案例时，会用“曝光→点击→阅读→互动→转粉/下单”这个漏斗；写内容生态时，会用“供给侧与消费侧的平衡”。这不是堆术语，而是说明你对业务有真实理解。
第二个特征是“假设驱动”。高分答案很少一上来就贴数据，而是先写“我假设是因为赞藏比的评价标准发生了变化，故先看赞藏比是否下降，再看评论情感分布”。这套逻辑是数据分析师的核心肌肉记忆。
第三个特征是“量化意识”。哪怕题干没要求，答题时也会带上“目标指标波动幅度在5%以上才值得深入分析”“样本量不足，结论置信度受限”这类话语。这体现的不是技术能力，而是职业判断。
第四个特征是“有闭环”。算完数一定会回到业务动作。比如建议“对低质评论增加过滤模型，对高互动用户进行召回激励”。哪怕建议不完美，也比那些只写“继续监控”的答案强。
5.2 一次真实复盘：从“堆数据”到“做决策”
我曾经带过一位求职者，他第一轮笔试离通过线就差几分。我让他把卷二题目重新做一遍，发现他最大的问题是：每个问题答得很满，但像在写说明书，不是在“解题”。
比如案例题问“某品类笔记曝光涨了30%，但点击率跌了15%，如何分析”。他写了一大段“我可以用SQL查曝光和点击，然后join内容表，算点击率”，但没有落地结论。我让他按“用户搜索需求变化、封面质量、竞争内容挤压”三个假设来重写，每一条都给出现有的数据和验证方法，最后一句话给出“是否调整流量分配”的建议。重新提交后，这套答案的评分明显提高。
这件事给我的体会是：校招笔试不是考你会不会用工具，而是考你会不会“思考”。工具只是把思考翻译成结论的桥梁。同样一套题，基础好的同学可能在SQL上拿满分，但真正拉开差距的，是案例分析和指标解释里展现出来的直觉。
说到底，小红书2020这套卷二之所以被反复提起，不是因为它难，而是因为它贴近真实工作。现在回头看，那些在校招里拿到不错结果的候选人，基本都是能把“业务问题”翻译成“数据问题”的人。以这个标准去练，不管哪一年的笔试题，你都能稳不少。
