2020年滴滴数据分析面试题

滴滴数据分析岗面试题。

题目:

图片
问题:
1.订单的应答率、完单率分别是多少?2.呼叫应答时间多长?

3.从这一周的数据来看,呼叫量最高的是哪一个小时(当地时间)?

呼叫量最少的是哪一个小时(当地时间)?

4.呼叫订单第二天继续呼叫的比例有多少?

5.如果要对表中乘客进行分类,你认为需要参考哪一些因素?

解题过程:
导入mysql数据库及数据预处理
观察表中时间相关数据结合题目,要做出2步数据预处理
【1】将时间相关列转换格式
【2】按巴西比中国慢11小时,将表中北京时间转换为巴西时间。
图片
-- 利用cast函数转换成日期数据
update didi set
call_time = cast(call_time as datetime),
grab_time = cast(grab_time as datetime),
cancel_time = cast(cancel_time as datetime),
finish_time = cast(finish_time as datetime);
-- 将北京时间调整为巴西时间,date_sub函数
update didi set
call_time = date_sub(call_time,interval 11 hour ),
grab_time = date_sub(grab_time,interval 11 hour ),
cancel_time = date_sub(cancel_time,interval 11 hour ),
finish_time = date_sub(finish_time,interval 11 hour );
处理后数据
020年滴滴数据分析面试题"
问题1:订单的应答率、完单率分别是多少?

应答率 = 应答订单数 / 呼叫订单数
完单率 = 完成订单数 / 呼叫订单数
select sum(if(year(grab_time)<>1970,1,0))/count(call_time)as '应答率',
sum(if(year(finish_time)<>1970,1,0))/count(call_time)as '完单率'
from didi
图片
问题2:呼叫应答时间多长?

图片
-- 使用timestampdiff函数,计算应答时间与呼叫时间之间的时长
select sum(TIMESTAMPDIFF(MINUTE,call_time,grab_time))/count(grab_time)as '呼叫应答时间'
from didi
where year(grab_time)<>1970;
图片
问题3:

从这一周的数据来看

呼叫量最高的是哪一个小时(当地时间)?

呼叫量最少的是哪一个小时(当地时间)?

根据题意,需要新增一列数据,订单呼叫时间的小时,进行分组分析
-- 新增一列
alter table didi add column call_time_hour VARCHAR(255);
-- 使用substr函数做字符串截取,为新列赋值
update didi set call_time_hour = SUBSTR(call_time from 12 for 2);

— 方法2:使用date_format函数转换格式
update didi set call_time_hour = DATE_FORMAT(call_time,’%k’)

020年滴滴数据分析面试题"
-- 找出呼叫量最高的小时,显示2行防止出现重复值。
select call_time_hour,count(call_time)as'呼叫量'
from didi
GROUP BY call_time_hour
ORDER BY count(call_time) desc
limit 2;

020年滴滴数据分析面试题"

-- 找出呼叫量最少的小时,显示3行确认是否有第三个相等值。
select call_time_hour,count(call_time)as'呼叫量'
from didi
GROUP BY call_time_hour
ORDER BY count(call_time) asc
limit 3;
020年滴滴数据分析面试题"
得出结论:呼叫量最高的是18时,呼叫量最少的是2和3时。
问题4:呼叫订单第二天继续呼叫的比例有多少?

select count(DISTINCT a.order_id)/(select count(DISTINCT order_id) from didi)as'第二天继续呼叫比例' 
from didi a join didi b
on a.passenger_id = b.passenger_id
where datediff(a.call_time,b.call_time)=1;
图片
问题5:如果要对表中乘客进行分类,你认为需要参考哪一些因素?

基于已有的表格中数据,可以参RFM模型对用户进行分类,
R:乘客上一次打车距离3月11日的时间间隔
F:乘客在数据期间的打车频率
M:打车消费金额(表中无打车金额,可以用完成订单总时长代替)
图片

作者:逆流

https://zhuanlan.zhihu.com/p/136915306

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

分享本页
返回顶部