这里是我第一次写文章，主要目的是记录自己从事数据分析师这个行业，自己的一些思考和想法，同时更新数据分析师所需要掌握的技能和面试的一些技巧，那么这次的第一篇，就从面试题开始。
数据分析师面试题中，有一类题目叫做--费米问题，比如面试官会问你：北京有多少星巴克，一辆公交车可以装多少人？
面试官他是真的想知道问题的结论吗？
其实不是，这些问题的答案，更多的是只有上帝知道的，所以我们只能给出我们的思路，也就是估算。
这类估算题，就是费米问题----它主要考察的是面试者的逻辑能力以及数据敏感度的问题。如果你从来没有接触过这类问题，你就会一脸懵逼，但其实费米问题的回答是有套路的，我们在答题的过程中，需要不断将难获得的数据一步步拆分成能够简单易得的说句，也就是将复杂的大问题，拆成多个简单的问题，这样就能解答了。
费米问题的解题套路----需求端、供给端。
1.需求端----从用户（客户）的需求出发
eg：全中国一年要消费多少猪肉---这个问题就是典型的费米问题，我们需要拆成小问题，那么从哪里拆起呢？
这里就是我们说的需求端，消费猪肉的人 拆分起：
公式：全中国一年的猪肉消费量 = 平均一个人每天消耗多少 * 全国人数 * 一年的天数
（会有同学纠结其他客观因素，但是费米问题的本质，就是考核你的：逻辑斯文的连贯性，不是在意最终的数字有多准确）
上面的公式中：全国人数和一年天数都是已知的，接下来要知道一个人一天消耗多少猪肉。
公式：每天消费的猪肉量 = 每天吃的肉量 * 猪肉占肉类食材的占比
（大家拆解的问题的时候，要有自上而下的视角）
这里已经可以开始按自己来估算了，不用再太细了：
每天吃的肉量：自己每天大概能够吃3块牛排左右的肉量，所以每天吃肉总量是300g，再思考猪肉的占比：每天会吃：猪肉，鸡肉，牛肉，鱼肉等，考虑实际情况，50%的比例是可能的：
所以每天消费的猪肉量=300g*50% = 150g
所以这里能够得到公式3：
全中国一年的猪肉消费量
=每天消费猪肉量全国人数*一年的天数
=每天消耗的肉量猪肉在肉类食材中的占比*全国人数*一年的天数
=300G*50%*14亿*365天
=7665万吨
这个和实际的数值是否准确，其实不重要了，你拆解复杂问题的过程 才是面试官看重的。
这里用的是个人来评估全国人的吃肉习惯，其实是不准确的表达，在面试的时候，可以用：
采用问卷访谈的形式，取了xxx数值的中位数，发现xxx。
其实也可以再细分成：不同区域的肉食比例不一样，不同年龄的人肉食比例不一样，都可以。
假如按照区域的角度去细分，原本的公式可以拆解成：
全中国因爱你的猪肉消费量：
=每天消费猪肉量*全国人数*一年的填数
=（西北地区每天消耗的柔亮*西北地区猪肉在肉类食材中的占比*西北人数*365）+
（南方沿海地区每天消耗的肉量*南方沿海地区猪肉在肉类食材中的占比南方沿海人数365天）
+(其他地区每天消耗的肉量*其他地区猪肉在肉类食材中的占比其他人数365天)
然后给出各部分的估算数据，相加即可。
2.供给端
供给供给，顾名思义，就是商品的提供方：商家，市场的供应维度出发，进行预测。
这里用费米问题的经典：星巴克问题：
楼下星巴克一年卖多少咖啡？：
第一步，拆解公式：
星巴克一年营业额 = 一杯星巴克的均价 * 每天卖出去的星巴克的咖啡数 * 365 天
一杯咖啡的均价是已知的，但是每天卖出的咖啡数量是未知的，下一步计算每天卖出咖啡的数量
每天的营业分成：忙时和闲时
每天卖出的咖啡数= 忙时产能 + 闲时产能
那么假设：公司楼下的星巴克，有2台咖啡机，每台可以同时制作2杯，那么一家咖啡店可以同时制作4杯咖啡
忙时：两分钟4倍咖啡-每分钟2杯，（一天忙时4个小时，闲时8个小时）
忙时：2*60*4=480
闲时：设备利用率20%---2*60*8*0.2=192杯
一年营业额：
30*（192+480）*365 = 736w
当然，供给端还可以拆分成：
一年营业额= 咖啡一年收入+茶饮一年收入+甜点一年收入
=咖啡工作日收入+咖啡非工作日收入+xxx
=咖啡工作日的杯数*天数*单价+xx
也可以从需求端思考：
一年的营业额 = 每天咖啡的人数* 咖啡均价* 365天
重点就是每天喝咖啡的人数，最简单的：分早中晚三个时间段来观察店铺人流量，得到3个数值进行相加；也可以考虑工作日和周末，看不同日期的人流量；或者通过年龄+性别来划分，都可以，没有标准答案，面试官关注的是你的思维逻辑，和拆复杂问题的能力
比如：一辆公交车能装下多少个乒乓球：
= 公交车的体积/乒乓球体积
=公交车长宽高/乒乓球半径xxx
总结：
费米问题是笔试最常见的，关键还是拆分问题，拿到问题之后，试图拆解成一层一层的小问题，再次击破小问题，拆分的时候，维度往往集中在：地区、年龄、性别、职业、时间段、
在这里有一些常用的数据，要记住：
1.城市人口：
一线城市2000-2500w人
其余新一线：800-1000w人
2.阶层数据：
年龄阶层，学历阶层，通常在计算食物，通勤，交通问题，可能要借助年龄阶层的数据可以提现自己更细致的思考
分析外卖、出行、共享产品时候，只要考虑职业结构数据（学生+企业）
（1）年龄阶层：
0-18岁：18-30岁：30-60岁：60岁以上 =20%：20%：45%：15%
（2）年龄阶层（2）
儿童：中青年：老年：15%：70%：15%
（3）教育层次：
未上过学：小学：初中：高中：专科&大学及以上=5%：30%：45%：10%：10%
（4）网民职业结构：
学生：企业（白领）：农村：工人：其他 = 25%：20%：10%：10%：35%
3.互联网数据
在面试前可以针对特定公司准备数据，比如面试快手前，准备快手的数据，时间充足的话也可以同时准备抖音的数据。
（1）总计约9.04亿网民，其中手机网民占比99%，可约等于9亿
（2）互联网不同行业用户数：网络游戏用户5.4亿，网络视频用户8.88亿，网约车用户3.4亿，外卖用户4.09亿，网购用户7.49亿。
（3）APP用户数：快手3亿+，抖音4亿+