商业分析岗笔试题型拆解：从数据基础到业务案例的备考指南

前阵子好几个学弟学妹找我聊商业分析岗的校招准备话题绕不开一份东西京东2019校招商业分析类试卷笔试题。说实话完整原题我手上也没有市面上的回忆版都是零散的。但如果你问这类笔试到底在考什么、哪些题最能拉开差距、怎么准备才不会白费力气这个我可以聊得很细。商业分析岗的笔试题这些年虽然一直在变底层筛选逻辑却相当稳定尤其像京东这种电商巨头出的题几乎都能在“用户、商品、流量、效率”这几个词里找到影子。这篇内容不是把题目抄一遍给你而是带你把这份试卷的考察逻辑拆开看看商业分析笔试到底筛的是什么人以及如何在有限时间内写出让面试官眼前一亮的答案。无论你是在准备校招还是想转行做数据分析、商业分析这篇都能当一份备考地图来用。1. 为什么这份试卷难在“筛选逻辑”而不是题目本身1.1 商业分析岗笔试的隐藏定位先筛人再筛能力很多人拿到商业分析的笔试题第一反应是“这跟我想的不一样”第二反应是“题量怎么这么大”。这不是错觉。商业分析岗笔试的定位和开发岗、产品岗都不一样它本质上是在用有限的时间判断你在真实工作场景里能不能扛住数据压力。我见过不少候选人单看简历背景很漂亮实习经历也有大厂相关结果笔试环节就挂了。问题往往出在不是不会做而是时间不够用、表达不完整、遇到业务场景题没有结构。笔试不会给你和面试官对话的机会你写在卷子上的每一句话就是你的全部。公司要在一个半小时到两小时里判断你有没有商业 sense、能不能拆解业务问题、会不会用数据说话。这就决定了试卷里所有题目的一个共性明面上考知识点暗地里考工作习惯。计算题考的是你是否细心业务题考的是你有没有框架开放题考的是你思考是否有边界。1.2 京东2019校招商业分析类试卷的结构还原基于公开考情下面这份结构还原不是官方原题是我基于历年考生回忆和同类型商业分析岗位笔试题型做的合理还原但考法基本是准的模块常见题型题量参考建议用时核心考察能力行测能力逻辑推理、数量关系、资料分析25-30题35-40分钟思维敏捷度、计算速度数据基础概率统计、指标计算、业务概念10题左右20分钟数据敏感度、业务理解业务案例简答、小案例分析2-3题30分钟业务拆解、逻辑表达数据操作SQL写法、取数逻辑1-2题15-20分钟数据提取能力综合方案开放式大题1题20-30分钟方案可行性与结构化思维注意看时间分布行测加数据基础占了近一半时间这部分是入场券但不决定你是否被录取真正把考生区分开的是后面的业务案例、数据操作和综合方案题。很多人栽就栽在前期选择题上花了太多时间导致后面分值更高的大题只能草草写几行。1.3 笔试题型背后的能力模型数据、业务、表达三层把题目剥开来看商业分析笔试想验证的是三层能力。最底层是数据能力。看懂指标、会算数、能写 SQL这是商业分析师的生存基础。卷面上的概率题、计算题、SQL 题都在这一层。中间层是业务能力。给你一个业务场景你能不能提炼出关键问题能不能把 GMV 拆成流量乘以转化率再乘以客单价能不能判断一个活动到底有没有效这些都需要电商业务的经验和图景感。不是说你必须实习过电商而是你要有“业务常识”。最上层是表达能力。你的思路是清晰的你的答案就要有结构。很多候选人业务能力不差但写出来的答案一团乱麻面试官根本不知道你第一步在干嘛、第二步想推导什么。笔试是没有机会追问的所以“结构化书写”是一种软实力。2. 行测与数据基础题入场券题型的得分策略2.1 资料分析与数量关系题怎么练才不白练商业分析笔试里的行测和考公的行测并不是一回事。虽然都叫逻辑推理、数量关系、资料分析但大厂商业分析岗的行测题往往更偏数据场景不会让你去算一个水池多久能灌满而是给你一张销售明细表、一组用户行为数据让你做计算和推断。我在准备阶段的一个经验是不要盲目刷考公题库而是优先刷带“资料分析”属性的题。这类题练的是三件事读表速度、估算能力、单位换算的敏感性。比如给你一个电商平台过去12个月的 GMV 和订单量让你判断哪个月的客单价环比增长最快。很多人拿到题就开始精算但商业分析讲究的是“先有方向再精确验证”。你完全可以通过目测增长幅度排除掉两个选项再精算剩下的两个能省下大量时间。数量关系题则要留意“电商化包装”。比如发优惠券、满减叠加、会员折扣本质上都是四则混合运算但难点在清晰区分口径。满减是按原价门槛算还是按优惠后金额算会员价是否参与叠加这些在题目里就是一些不起眼的描述词。建议做题时圈出“原价”“实付”“券后价”这类关键词减少低级错误。2.2 概率统计考点笔试常考的计算逻辑概率统计在商业分析笔试卷子里出现的频率不低但难度通常停留在大学基础课水平。考得最多的有两个方向一个是基础概率计算一个是简单的统计推断。基础概率计算题有个高频套路就是漏斗转化。给你一个转化路径曝光到点击是8%点击到加购是25%加购到支付是40%最后问曝光到支付的总体转化率是多少。答案是 8% × 25% × 40% 0.8%。看起来简单但很多人会纠结要不要考虑流失率其实这个题就是把概率相乘。另一个变体是“至少有一个用户下单”的概率也就是1减去没人下单的概率属于典型的逆向思维题。统计推断部分不排除会出现类似“两组用户转化率是否显著差异”的题但笔试不太可能让你做完整假设检验更多是考你对置信区间、p值、样本量概念的理解。这里给你一个偷懒但高效的准备方式把“中心极限定理”“显著性水平”“置信区间”三个概念用大白话各写一遍再配合两道题目练手就够用了深挖偏难怪题反而是浪费时间。2.3 业务指标计算题一个漏斗题搞定整条 GMV 链路业务指标计算是商业分析笔试比较标志性的题型它不直接考公式而是把公式藏在业务场景里。最经典的就是 GMV 拆解。GMV 最粗略的拆法是GMV 流量 × 转化率 × 客单价。再往细一点GMV 新客人数 × 新客转化率 × 新客客单价 老客人数 × 老客复购率 × 老客客单价。笔试里可能出现这样的题某品类10月 GMV 为 1200 万其中新客贡献 200 万老客贡献 1000 万老客中 30 天内购买两次及以上的人群贡献了 600 万。问你该品类老客的复购人群 GMV 占比是多少以及如果要提升整体 GMV你会优先提升哪个指标。这类题考的不是计算本身而是拆解思路。即使最后数字算错了只要你的拆解步骤清晰阅卷时通常能拿到大部分过程分。我的建议是平时多练习把“GMV 提升”翻译成一个个可执行的下一步是提高曝光还是优化转化还是提升客单每个方向对应的运营动作完全不同。笔试题里没有唯一的正确答案但一定有得分点的分布。3. 业务案例与 SQL 大题拉开差距的“分水岭”3.1 电商商业分析的出题母题用户、商品、流量、效率如果你把京东历年商业分析相关的笔试题放在一起看会发现翻来覆去就是四个母题用户、商品、流量、效率。用户题关心的是新客获取、老客留存、复购、流失预警商品题关心的是品类结构、爆款分析、库存周转流量题关心的是渠道效果、转化漏斗、路径分析效率题关心的是补贴效率、人效、履约成本。所有复杂的场景案例分析都是这四个母题的不同组合。所以我在做备考准备时没有去背大量“标准答案”而是建了一个框架遇到任何业务问题先判断它是哪个母题再套相应的分析思路。比如问你“某品类近30天复购率下降了5个百分点怎么分析”这就是典型的用户题思路大概分为先确认数据口径再看下降是全局性的还是某个渠道、某个客群特别明显然后从品类结构、竞品动作、平台策略三个角度找原因最后给出可落地的优化建议。这套框架不是万能的但至少能让你在笔试时不会大脑空白。面试官阅卷的时候看到混乱的答案和清晰的框架拉开的就是这个差距。3.2 案例拆解会员体系上线如何评估效果这是我在做题时比较喜欢的一道模拟案例公司上线了一个付费会员体系半年后领导想知道这个项目到底有没有效果要求你给出评估方案。很多人第一反应是“对比开卡会员和未开卡会员的 GMV 差异”。这个思路方向对但不够。因为直接对比会存在自选偏差本身就爱买东西、客单价高的用户更愿意开卡所以开卡会员的 GMV 天然比非会员高并不代表会员体系真的有促进作用。一个相对完整的评估方案应该包含四层第一层是整体指标看会员总数、渗透率、会员 GMV 占比、会员人均消费频次这些大盘数据有没有明显变化。第二层是分层对比不能只看平均要把用户按新客老客、高客单低客单、活跃沉默等维度切分看会员体系对不同人群的影响是否一致。很多项目表面上效果很好拆开看其实是某一小部分高价值用户撑起来的。第三层是成本收益会员体系有权益成本比如券、折扣、积分、专属客服评估时必须算净增量收益。如果 GMV 涨了但毛利反而掉得更多这个项目就需要打一个问号。第四层是因果推断要想办法排除自然增长和自选效应有条件的话用准实验设计比如给相似人群随机发放会员体验卡对比实验组和对照组的行为差异。这个框架就是我在前面说的“结构化书写”。不用你把每层都写几千字但每个维度下给出关键指标和一个落地动作就能让阅卷者觉得你是真的懂业务。3.3 数据实操题补贴效率分析的正确打开方式数据实操题在商业分析笔试卷里变化比较多有时给一张表让你做排序和对比有时给你一个业务问题让你用数据思维给出分析方案。我拿一道模拟题来举例电商平台对四类用户发放了不同金额的优惠券下面是补贴前后的数据用户分层补贴前人均月GMV补贴后人均月GMV人均补贴成本人均GMV增量高活跃用户8001200100400中活跃用户35060080250低活跃用户10025050150沉睡用户20603040题目问如果预算有限补贴应该优先发给哪类用户低水平答案会直接写“高活跃用户因为增量 GMV 最大单位补贴拉动 GMV 为4倍最高”。这个答案从字面数据看没错但一个合格的商业分析师还会多问几个问题。第一个问题是成本视角GMV 增量不等于利润增量还要看毛利率。高活跃用户虽然拉动了 400 元 GMV但如果这个群体对补贴非常敏感、习惯性等到有券才买那么券后的毛利空间会被压得很薄。第二个问题是自然增长问题高活跃用户就算不补贴可能也会自然产生一部分 GMV 增长不能把 400 元增量全部归因于补贴。第三个问题是未来透支问题低活跃和沉睡用户可能因为这次补贴提前完成购买把未来几个月的需求透支了导致后续月 GMV 反而下滑。更好的答案是先补充毛利率和自然增长数据按“净毛利增量 - 补贴成本”重新排序同时关注不同用户分层补贴后的次月留存是否有明显差异。如果短期看不出来可以先用小额补贴做小范围测试再逐步放量。这种“多问几个为什么、不轻信表面数据”的表述就是商业分析题拿高分的关键。3.4 SQL 题留存的两种考法以及拿到步骤分的关键SQL 题在很多商业分析岗笔试里是必考的京东这类电商大厂尤其如此。题型通常不是让你从零写一套复杂查询而是给你一个用户订单表要求你统计复购率、留存率、Top 品类这类常规指标。以 MySQL 语法为例计算某月下单用户的复购率核心思路是子查询先聚合再在外面数人数-- 复购率2024年10月下单用户中下单2次及以上的用户占比 SELECT COUNT(DISTINCT user_id) AS total_users, COUNT(DISTINCT CASE WHEN order_cnt 2 THEN user_id END) AS repurchase_users, COUNT(DISTINCT CASE WHEN order_cnt 2 THEN user_id END) * 1.0 / COUNT(DISTINCT user_id) AS repurchase_rate FROM ( SELECT user_id, COUNT(order_id) AS order_cnt FROM orders WHERE DATE_FORMAT(order_time, %Y-%m) 2024-10 GROUP BY user_id ) t;再看新客次月留存率通常需要先把每个用户的首次下单月份算出来再关联订单表判断下个月是否再次下单-- 新客次月留存率简化版 WITH first_order AS ( SELECT user_id, MIN(DATE_FORMAT(order_time, %Y-%m)) AS first_month FROM orders GROUP BY user_id ) SELECT a.first_month, COUNT(DISTINCT a.user_id) AS new_users, COUNT(DISTINCT b.user_id) AS retained_users, COUNT(DISTINCT b.user_id) * 1.0 / COUNT(DISTINCT a.user_id) AS retention_rate FROM first_order a LEFT JOIN orders b ON a.user_id b.user_id AND DATE_FORMAT(b.order_time, %Y-%m) DATE_FORMAT( DATE_ADD(STR_TO_DATE(CONCAT(a.first_month, -01), %Y-%m-%d), INTERVAL 1 MONTH), %Y-%m ) GROUP BY a.first_month;笔试里写 SQL 有一个拿步骤分的技巧就算你记不住 DATE_FORMAT 这种具体函数也一定要把思路写清楚。先按用户分组再数订单数最后算比例——把这三个步骤用文字写出来阅卷者同样能看到你的思路。我在模拟阅卷时常说SQL 题最怕的不是写错函数而是完全空着空着等于告诉面试官你没有数据提取的实战经验。4. 针对这套笔试的备考路径与避坑清单4.1 基础盘点不同背景的候选人怎么补短板商业分析岗的候选人背景很杂有学统计的有学商科的也有学计算机的。不同背景的人面对这份试卷薄弱点完全不同我建议先做一个自我盘点。统计背景的人通常数据基础题不慌但业务场景题容易“为了分析而分析”缺少电商的运营语境感。这类候选人需要补的是业务常识什么是 GMV、什么是毛利、什么是复购率以及平台型电商和自营型电商的商业模式差异。商科背景的人对业务框架比较熟但看到 SQL 题或者较大计算量的资料分析题容易手忙脚乱。这类候选人需要补的是动手能力至少在笔试前把 SELECT、JOIN、GROUP BY、窗口函数这四类 SQL 操作练得足够熟练。计算机背景的人逻辑强、写 SQL 轻松但容易忽略“商业分析”的核心是商业决策而不是炫技。写 SQL 时不要只顾着把结果跑出来还要想想这个数对业务方意味着什么。笔试不是考你会不会写代码而是考你会不会用代码回答业务问题。4.2 按题型训练的节奏从碎片练习到限时模拟如果你的备考时间还有 2 到 4 周我建议按下面的节奏来第一周做基础盘点找一套模拟题完整做一遍标记出自己在哪个模块最慢、最容易错。不用急着刷大量题先定位问题。第二周按题型专项训练行测题每天刷 20 到 30 道练速度业务案例题每天拆一道重点不是写完整答案而是训练框架感。SQL 题每天练 2 道覆盖聚合查询、留存、复购、排序取 Top N 这几类。第三周开始做整套限时模拟严格按照真实笔试的时间来中间不暂停。这一步非常关键因为你只有真正感受过“时间不够用”的紧张感才知道哪些题应该战略性放弃。第四周回到错题和薄弱环节把之前反复出错的题型再过一遍同时积累几个业务案例的答题模板比如活动效果评估、用户流失分析、库存周转优化这几个高频话题几乎每年都会以不同形式出现。4.3 笔试中最常见的失分点我帮你一条条列出来结合我带过的候选人和其他备考者反馈的情况下面这些失分点出现的频率最高你可以对照着自查失分点表现应对策略只给结论不给过程计算题直接写答案没写拆解步骤把关键公式和中间量写出来哪怕最终数字算错也能拿过程分用平均掩盖分布一刀切给平均数和总量忽略分层增补中位数、分位数按新老客、渠道、品类拆分只盯 GMV 不考虑成本只看增量收入忽略补贴成本和毛利从“GMV 视角”切换到“毛利增量视角”业务题没有优先级分析面面俱到但没说先做什么给出一二三步说明不同步骤的先后逻辑时间分配失衡行测纠结太久大题仓促应付拿到试卷先扫一眼各模块分值心里提前规划时间SQL 只写函数不写思路空着不写或逻辑完全混乱先用文字描述思路再写可运行的 SQL我自己在模拟阅卷时有个体会大多数人的分数差距不是来自“某个知识点不会”而是来自“本来会做但表达方式让阅卷者不想给你分”。商业分析是一个既要结果也要过程的岗位把每一步想清楚、写清楚本身就是一种职业素养的体现。最后分享一点我的个人体会。很多人把笔试当成一场考试做完对答案就结束了。但准备商业分析笔试最好的方式是把每一道题都当成一个真实的业务问题来对待如果业务方真的问你“这个活动值不值得做”你会给他一个什么样的回答这种思维转换比多刷十套模拟题都管用。等你去面试的时候也会发现面试官问的很多问题其实都能在笔试里找到影子。准备笔试本质上就是在为整场校招做准备。