游戏数据分析笔试B卷全拆解：从业务理解到SQL与留存分析

1. 拿到B卷先别急着刷题先搞懂这个岗位要什么样的人每年秋招数据分析岗位的笔试题目满天飞但很多同学拿到“吉比特2018秋招数据分析岗位试卷B卷”这种题的时候第一反应都是赶紧找题库、刷SQL、背统计公式。我当年也是这么干的结果第一次模考就翻车了。后来复盘才发现吉比特这类游戏公司的数据分析笔试和互联网电商、金融行业的数据分析笔试题侧重点差异非常大。它不单纯考你会不会写代码更多是在考你有没有“游戏业务感”。吉比特是国内头部游戏公司之一旗下有《问道》《一念逍遥》等多款核心产品。这家公司数据分析岗位的笔试通常不会跳到很抽象的算法题而是围绕游戏运营的实际场景展开注册转化、留存波动、付费ARPU、版本更新后的数据异动、用户流失预警、渠道投放效果评估等等。B卷相比A卷往往在业务场景题和综合思路上占比更大需要你用数据去解释一个游戏现象背后的原因而不是简单地跑出一个数字。所以准备这份试卷你真正要做的第一件事是把“数据分析师”的身份代入到“游戏运营团队的一员”这个角色里。你要理解游戏产品怎么赚钱、用户怎么流失、版本迭代会带来什么数据波动、渠道买量怎么评估ROI。这些业务逻辑远比你会用pandas还是会用R更重要。这篇文章我会把这套试卷的考察点拆开按“岗位画像—核心技能—典型题型—实操链路—避坑经验”几个层面来讲。不管你现在是刚准备秋招的应届生还是想从其他行业转岗到游戏数据分析的同学都可以参考这套思路来备考和自测。我尽量不写虚的全部是能落地的分析框架和答题技巧。1.1 吉比特数据分析岗的本质不是“取数员”很多应届生对数据分析岗位的理解停留在“帮业务部门跑数”这个层面。如果拿这个标准去准备吉比特的笔试题大概率会挂在案例分析题上。因为游戏公司对数据分析师的要求是由行业特性决定的。游戏行业的核心闭环是研发做版本运营做活动市场买流量玩家在游戏里消耗内容并产生付费。数据分析师在这个闭环里既要做“事后复盘”也要做“事中监控”还要在关键节点做“事前预估”。比如一个新英雄上线你要预估它会对付费收入产生多大影响一个签到活动改版你要算清楚对次留的影响是正向还是负向一个渠道买进来的用户你要判断他们的30日留存和长期LTV是否达标。这意味着笔试中如果给你一张用户行为表、一张充值流水表、一张渠道投放表你不仅要能写出SQL把它们关联起来还要能从中提炼出“哪个渠道的用户质量最好”“哪个版本的付费率下降了是因为什么”这类业务结论。这恰恰是B卷特意加强的部分它不考背诵结论考的是你用数据回答业务问题的能力。1.2 B卷的命题逻辑场景比算法重要从历年考生的回忆来看A卷偏重基础能力比如SQL基础、Excel操作、统计基础题型相对固定B卷则更强调综合能力场景题占比更高往往给出一个游戏运营的实际问题让你自己定义指标、选择方法、给出结论。举个例子B卷中常出现“某游戏版本更新后次日留存率下降了3个百分点请分析可能的原因并给出排查思路”这类题。这类题目在A卷里也有但B卷通常不会给你太多提示而是要求你写出完整的分析框架从数据口径去核实、从版本内容去找改动点、从用户分层去看影响范围、从渠道差异去判断是整体波动还是局部波动。因此准备B卷的核心策略是不要死记硬背题库而是把每一道题的场景都当成一个真实的诊断任务。做题时多想一步“如果我是这个项目的数据分析师我提交的分析结论策划能直接拿去改方案吗”这种训练多了答题时的业务敏感度自然就上来了。1.3 备考定位这份拆解适合谁如果你正在准备游戏公司数据分析岗的秋招这篇文章可以作为复习纲要如果你已经拿到了这套真题只是想验证自己的分析思路对不对那我建议你把重点放在“案例题的答题框架”和“业务指标的深层理解”这两部分这是B卷区分度最高的地方。另外即使你不是投吉比特这套拆解思路同样适用于腾讯、网易、米哈游等游戏公司的数据分析笔试。游戏行业的数据分析面试题和笔试题底层逻辑高度相似核心都是“数据能力业务理解”的双重考查。先把这一套打扎实比漫无目的地刷一百道LeetCode更有效。2. 核心技能考察维度拆解四个方向决定你是否能过笔试很多同学复习的时候容易走进一个误区花了大把时间刷Python机器学习算法结果发现笔试根本用不上。根据我对游戏公司笔试套路的理解B卷的技能考察主要集中在四个方向按优先级排列分别是数据提取与处理、统计分析基础、数据可视化与汇报能力、业务指标理解。我逐个说清楚每个方向的考察深度和复习策略都不一样。2.1 数据提取与处理SQL和Excel是基本功别在这上面丢分游戏公司数据分析师的日常工作绝大部分时间在跟SQL打交道。笔试中SQL题通常占20%到30%的分数考查点集中在多表关联、聚合统计、窗口函数、去重计数、时间函数、条件筛选、分组排序等。别看这些点基础B卷的SQL题通常不会直接让你“select * from table”而是会嵌套一层业务场景。比如考次日留存率时会给你三张表用户注册表、用户登录表、日期维表让你计算某天的次日留存用户数。这种题在数据量大的时候必须考虑“一个用户当天登录多次只算一次”的去重逻辑用count(distinct)还是用row_number()都需要你根据数据量来判断。Excel的考察点则侧重于VLOOKUP、数据透视表、条件格式、常用函数组合等一般以选择题或简答题出现难度不大但容易因为粗心丢分。我的建议是SQL的窗口函数和去重逻辑必须练到肌肉记忆Excel至少要把vlookup、sumifs、countifs、数据透视表这些操作在笔试前完整过一遍。这是送分题丢分了很可惜。2.2 统计分析基础假设检验和A/B测试一定要吃透B卷的统计题占比不小但不要以为会算个均值、中位数就够了。游戏公司非常看重A/B测试和假设检验的应用能力因为游戏运营中几乎所有的版本调整、活动设计、商业化改动都需要通过A/B测试来验证效果。常考的统计知识点包括描述性统计均值、中位数、分位数、方差、正态分布与中心极限定理、置信区间与置信水平、假设检验t检验、卡方检验、相关性与因果性的区别、A/B测试的基本流程和显著性判断。B卷的统计题很喜欢要求你设计一个A/B测试方案然后分析结果。比如“某游戏想测试新的首充礼包定价是否提高了付费转化率请设计A/B测试方案并说明如何判断结果是否显著。”这种题如果你只是堆砌统计术语比如“要p值小于0.05”但没有提到样本量估算、分流规则、实验周期、排除干扰因素那分数基本拿不到一半。我在下面第三部分会详细讲一套可以套用的答题模板。2.3 数据可视化与业务报告图和表的背后是“决策信息”游戏公司并不需要你做出一张炫酷的Tableau大屏更看重的是你能不能让图表“自己会说话”。笔试题里关于可视化通常两种考法一种是给你一份数据让你选择最合适的图表类型并说明理由另一种是给你一张做好的图表让你找出其中的问题。“成交金额与时间的关系”你会用折线图还是柱状图“不同渠道的注册用户占比”用饼图还是用堆叠柱状图“用户等级分布”用直方图还是条形图很多同学觉得这类题简单其实恰恰是区分度最大的题。因为这不只是图表类型的选择还涉及对你“数据表达逻辑”的考察你要让看图的人一眼就能看出结论而不是让他自己在一堆图表里找信息。另外笔试中还可能出现“请你根据数据写一份简要分析结论”的题。这种题考察的就不只是工具能力而是把数字翻译成业务决策的能力。比如看到“每个渠道的付费率都差不多但A渠道的次留偏低”你应该能联想到“A渠道买量的用户质量可能偏低需要进一步看一下后续留存和LTV”而不是只写“A渠道次留低”。2.4 商业理解与游戏业务指标这是B卷真正的高分分水岭最后这个方向是游戏公司笔试区别于一般互联网公司笔试的核心。B卷一定会考业务指标相关的题目DAU、WAU、MAU、留存率次留、7留、30留、付费率、ARPU、ARPPU、LTV、CAC、ROI、K因子、流失率、渗透率等等。但如果你只是把公式背下来远远不够关键是要理解每个指标在游戏业务里代表什么、什么因素会影响它、它和其他指标之间有什么联动关系。比如“付费率下降了但ARPPU上升了”是好事还是坏事很多同学第一反应是好事因为付费用户花得更多了。但在游戏业务里这可能意味着付费门槛变高了、中低付费用户流失了长期来看不一定是好事。这就是数据指标背后的业务含义。游戏产品的数据指标体系通常可以拆成五个层级用户获取CAC、ROI、用户激活注册转化率、用户留存次留、7留、30留、用户付费付费率、ARPPU、LTV、用户传播K因子、分享率。准备笔试时我建议你把这五个层级的常用指标都整理成一张表每个指标都写清楚公式、业务含义、驱动因素、与相邻指标的关系。这张表就是你应对业务场景题的弹药库。3. 典型题型深度复盘用一套答题框架应对80%的题目下面这部分我按B卷中大概率出现的四类题型每个题型都给出一套“答题框架示例解析”。不是让你背答案而是让你掌握一种思维方式遇到类似题目都能有清晰的回答逻辑。3.1 指标定义与计算题先把“业务口径”说清楚再谈答案这类题目通常这样出“某游戏1月1日新增用户10000人这些用户在1月2日有3000人再次登录1月3日有1500人登录1月8日有800人登录。请计算1月1日新增用户的次日留存率、3日留存率、7日留存率。”看起来很简单但要拿满分并不容易。首先要明确“次日留存率”的口径1月1日新增的用户中在1月2日即注册后第二天有登录行为的人数占比。所以次日留存率3000/1000030%。3日留存率指的是注册后第3天1月4日仍有登录行为的用户占比但你发现题目没有给出1月4日的数据所以只能判断条件不足或按已有数据估算。这种“信息缺失时如何应对”恰恰是考试想考察的点作为一名分析师你要能识别数据口径的完整性并在数据不足时明确说明。答题时我建议按三步走先写清楚指标定义和计算公式再代入数据计算最后说明数据口径中需要注意的细节比如是否去重、是否包含当天注册当天登录等。这套框架在面试里也适用因为业务方最烦的就是你说半天、他都不知道你的分母是什么。3.2 取数SQL题写之前先确认口径写完后再检查边界SQL题通常是给一个游戏用户行为场景比如“用户登录表user_loginuid, login_date, login_time用户注册表user_registeruid, reg_date, channel充值表user_payuid, pay_date, pay_amount”。常见考题包括统计2024年1月各渠道的新增用户数计算每日活跃用户的次日留存率找出近30天充值总额前100的用户及其充值明细。这些题如果只是写一个简单的select大概率会漏掉边界条件。以“每日活跃用户的次日留存率”为例正确的思路是第一步找出活跃日D有登录行为的用户集合A第二步找出D1日有登录行为的用户集合B第三步求A与B的交集大小除以A的大小。SQL实现时需要用一个子查询先构建“每个用户每一天登录过一次”的明细表再做两次基于日期差的关联。我在实际工作里有几个写SQL的固定习惯笔试时也能用上先明确去重粒度再写where条件最后用limit或union检查小样本数据量。很多时候笔试SQL题丢分不是不会写而是“字段理解错”或者“关联条件漏了”。3.3 案例分析题用“假设驱动数据验证”的方式回答问题案例分析题是B卷的大头也是最容易拉开分数差距的题型。常见问法“某游戏7日留存率最近连续两周下滑请分析原因并提出改善建议。”很多同学的答案是“可能是游戏内容不够丰富、可能是竞品上线、可能是版本更新有bug……”列了一堆可能但缺少分析逻辑。我推荐用“三步法”来回答第一步将问题拆解成几个可验证的维度第二步针对每个维度提出假设并说明用什么数据来验证第三步给出分析结论和行动建议。以“7日留存下滑”为例拆解维度可以包括时间趋势是否所有渠道都在下滑还是某个渠道导致的用户画像中是新用户下滑还是老用户下滑设备类型、版本分布之间有没有明显差异对应版本的更新内容、活动节奏、服务器状况是否正常竞品同期的动作是否影响了用户注意力每个假设都要有对应的数据表和分析方法支撑比如渠道维度看“渠道维表留存表”版本维度看“版本更新记录用户版本分布表”。这种答题方式就算你的假设不是最终原因面试官也会认为你具备分析师的底层能力能把模糊问题变成可验证的具体问题。3.4 数据敏感性题估算和推算体现你的商业直觉B卷偶尔会出现一些“手算估算题”类似“估算一下吉比特《问道》手游2024年春节档的流水大概是多少”或“估算某游戏一天的服务器租赁成本”。这类题并不要求你给出精确数字而是考察你的逻辑拆解能力和对业务量级的感知能力。我通常用“由大到小拆解法”来应对。比如估算春节档流水可以先估算日活跃用户数再估算日均在线时长再估算付费用户占比和人均付费金额分几步相乘得出一个量级范围。关键是每一步的逻辑都说得通每个数都有依据或假设最后再对结果做一个敏感性分析乐观值、悲观值。你不需要担心估得不准因为这类题本身没有标准答案。只要你拆解的框架合理、量级没有离谱到差两个数量级基本就能拿到大部分分数。平时多做这类练习还能提升你对游戏行业数据的感觉这对后续面试阶段聊业务场景也有帮助。4. 从笔试题到实操链路真正的工作中你会把整条数据流程走一遍笔试考的毕竟是纸面上的功夫但很多公司会在笔试中埋伏一些“实操场景”考察你能否把数据从原始状态转换成结论。这里我把一整条游戏数据分析流程走一遍从数据清洗到最终结论每一步都给你讲透。这部分内容即使笔试不直接考面试时也大概率会用到。4.1 数据清洗拿到脏数据先别急着分析先做四件事数据分析里有一句话叫“garbage in, garbage out”。笔试中偶尔会给你一张“明明有问题的表”但不会明说哪些是脏数据。这时候你就要具备识别的能力。第一件事查缺失值。比如注册表里有1000条数据但channel字段有120个空值这些空值如何处理是用“未知渠道”填充还是直接剔除会影响渠道维度的分析结论。第二件事查重复值。同一个uid在同一天出现多条登录记录可能有两种原因一种是真的登录了多次另一种是日志上报重复。如果分析“每天活跃用户数”必须先去重再统计。第三件事查异常值。比如单笔充值金额为负数或者用户等级大于当前等级上限这些数据必须排查来源不能直接进入建模环节。第四件事统一口径。比如日期字段有的是“2024-01-01”有的是“2024/01/01”还有的是“20240101”不统一的话按天聚合时就会出错。我见过不少笔试答案直接把这张脏表拿去做留存率计算最后得出一个完全错误的数字。实际上考察的就是你有没有数据清洗意识。答题时哪怕不写代码也要把这四个处理步骤体现出来分数会完全不同。4.2 数据建模与分析从用户分层到LTV预估游戏数据分析里最常用的方法其实不是复杂的机器学习模型而是用户分层和同期群分析Cohort Analysis。B卷的实操题如果让你分析“某个版本对用户付费的影响”你可以在回答中提出建立同期群按用户首次注册的周或月分组追踪每一组的留存率、付费率、ARPPU随时间的变化趋势。用这种方法可以有效剥离“新用户质量变化”和“老用户行为变化”对整体指标的影响。LTV生命周期价值的预估也是常考点。简单可用的计算方法是LTV ARPU × 平均生命周期天。更精细一点可以用不同留存率队列的累积贡献来计算。笔试如果遇到“比较两个渠道的投放价值”不能只看买量单价应该结合LTV和CAC一起看。渠道A的获客成本是50元渠道B是30元但A渠道用户的30日LTV是80元B渠道用户只有25元这笔账该怎么算不言自明。我建议你把“同期群分析”和“LTV预估”这两个方法反复练熟因为整个游戏行业几乎所有的渠道评估、版本评估、活动评估底层逻辑都离不开这两个方法。它们不复杂但非常实用。4.3 数据可视化呈现让结论清晰到“一眼看懂”在笔试里可视化题往往不会要求你真的去画图表而是要求你说明“你会怎么画”。但如果你掌握了正确的呈现逻辑这类题就是送分题。第一步明确这次汇报的核心问题是什么。如果是“是否存在留存下滑”折线图最合适横轴是日期纵轴是留存率再看趋势线。第二步做对比。单一数据没有意义需要加对比基线比如上个月的平均留存、最近三个月的趋势或者分版本的对比线。第三步标注结论。图表上要把关键拐点圈出来并附上一句解释比如“7月12日留存骤降对应新版本v1.3的线上bug”。可视化最重要的原则是“一张图只讲一件事”。B卷的改错题里最常出现的错误是一张图里塞了太多维度的信息导致读图人无法聚焦。你回答的时候只要能抓住“明确主题、简化元素、突出重点”三个要点分数就稳了。4.4 撰写分析结论从数字到决策补上“最后一公里”分析结论是笔试中隐藏得分点。很多同学把所有数据算完之后最后只写一句“因此我们建议优化版本内容”这种结论等于没写。好的结论要包含三个部分现象描述、原因推断、行动建议。现象描述要说清楚“什么数据发生了什么变化”比如“3月第二周的新用户次留从25%下降到20%”。原因推断要有数据或逻辑支撑比如“通过分渠道对比发现次留下降主要集中在信息流渠道与应用商店渠道无关”。行动建议要具体可落地比如“建议与渠道沟通核对近期买量素材是否有变化同时针对新用户前2小时的核心玩法上线优化引导方案”。在笔试中即使数据是虚构的只要你按这个结构写就展示出了“分析闭环”的能力。游戏公司最怕的就是数据分析师只会取数、只会做图表但说了一句“我不知道为什么”或“我也不知道怎么办”。你的结论能帮助业务方做决策这才是这个岗位的真正价值。5. 常见问题与避坑经验考场上最容易犯的六个错误最后这部分我把自己做笔试和面试辅导时总结的高频错误整理成一张对照表再给出两个比较重要的备考建议。这些坑几乎每年都有人踩。5.1 易错点速查表下面这些错误我在实际批改模拟卷和面试学生时经常遇到建议你在练习之后逐条自查。错误类型常见表现正确思路指标口径不清晰算留存率时不分母不写清楚先定义分母和分子再计算SQL去重不彻底同一用户一天登录多次导致活跃用户数虚高先按uiddate去重再聚合统计检验不严谨只看p值不看样本量分配和实验周期完整描述A/B测试流程设计因果推断草率看到两个指标同期变化就写结论学会用“相关性不等于因果性”提醒自己图表类型选错用折线图表示类别占比根据数据类型和表达目标选择图表结论空洞无行动只写“建议优化”不给具体方案结论必须包含现象、原因、行动三部分5.2 几个重要的备考心得第一不要只刷题不思考。B卷的很多题是开放的没有标准答案你刷一百道题不如深入复盘十道题。每做完一道题问自己三个问题这道题考察的是什么能力我的回答里有哪些地方不够严谨如果把题目换一个游戏场景我还能不能答出来第二一定要建立自己的业务分析框架。我自己复习的时候会把所有游戏业务问题归纳成几个大类用户获取分析、用户留存分析、用户付费分析、版本效果分析、活动效果分析。每一类都整理成一张思维导图包含常用指标、分析方法、可能的问题原因、对应的解决方案。笔试的时候遇到任何题目都往这个框架里套就不会慌。第三练手时最好用真实数据。如果你手边没有游戏公司的内部数据可以自己模拟一份或者用公开的开放数据源。重点不是数据多真实而是把整个分析流程“取数、清洗、分析、可视化、总结”完整跑一遍跑熟之后就形成肌肉记忆了。6. 写在最后比笔试更重要的是分析师的思维方式当年我备考吉比特那会儿最大的感受是笔试题目本身并不算特别难难的是让自己站在“一个真正在游戏行业做数据分析的人”的角度去思考问题。实际上秋招笔试无论是A卷还是B卷都只是第一道门槛面试环节的问题通常更深入会直接追问你的分析思路和项目经历。如果你真的想进游戏行业做数据分析建议从今天开始多玩不同类型的游戏多思考游戏里的数值设计和运营活动背后的目的。闲下来的时候把自己当成一个“玩家分析师”看到某个活动就试着猜它的KPI看到版本更新就想想它的留存和付费会怎么变化。这种习惯对你的帮助远大于考前突击刷十套题。这套拆解更多是提供方法论和方向真正的提升还是要靠你亲手动手做练习。把SQL、统计、业务理解几个维度一个个补扎实B卷其实没有想象中那么难。祝你在秋招里拿到心仪的offer。