去年秋招我投了英雄游戏的商业数据分析岗笔试做完之后最大的感受是游戏行业的数据分析笔试跟互联网大厂的通用数据分析笔试完全不是一回事。它不单考SQL和Python还会拿真实的游戏业务场景来问你DAU为什么跌了这个活动值不值得继续做题目本身不复杂但答题的思维方式和普通的数据分析岗完全不在一个频道上。这篇就把我当时笔试的全过程、题型、解题思路、踩坑点全部复盘出来给后面准备游戏方向数据分析岗的同学做一个参考尤其是想进游戏公司做数据方向的这篇应该能帮你少走很多弯路。1. 笔试前的岗位画像与复习路线游戏数据分析笔试到底在筛什么人1.1 从岗位JD反推笔试考核维度在投英雄游戏之前我先把它的数据分析岗JD翻出来看了好几遍不夸张地说JD里每一句话都对应着笔试里的某一类题型。这个岗位的核心职责是三类一是支持游戏产品的日常数据监控与异常排查二是参与版本更新、活动运营的复盘分析三是搭建指标体系或报表体系。围绕这三类职责笔试的考核维度就非常清晰了。第一是数据处理能力对应SQL、Python这类硬技能笔试里会直接给表结构让你取数或者给一份脏数据让你清洗。第二是统计基础AB测试是游戏公司做活动评估的常用手段所以显著性检验这类题目必考。第三是业务分析思维游戏公司最看重的是你拿到一个业务问题时能不能拆解出清晰的分析链路而不是一上来就写代码。第四是商业敏感度比如付费渗透率、LTV、ARPU这些指标的含义和波动意味着什么。我做笔试前给自己列了一个能力对照表表格左边是岗位JD提到的硬性要求右边是我对应要复习的模块。这种从岗位反推考点的思路比盲目刷题高效很多强烈建议每个准备笔试的人都先做这一步。1.2 我的复习资料选择与时间分配我当时准备笔试用了大概两周每天保证三到四小时的集中复习时间。SQL刷的是LeetCode数据库板块的中等难度题目重点练窗口函数和表关联统计学快速过了一遍假设检验、置信区间、中心极限定理这几个核心概念Python重点复习pandas的各种数据操作和简单机器学习模型原理业务分析部分主要看了游戏数据分析相关的基础指标定义和常见的分析框架。这里要特别强调一点游戏数据分析笔试有个特点是业务题占比远超预期。我一开始以为大部分时间要刷算法题实际上笔试里纯写代码的题目只占一部分剩下大量题目是给你一个业务场景让你写出分析思路或者拆解指标体系。所以复习时千万不要把全部精力都放到刷题上一定要留出时间建立游戏业务分析的感觉至少要知道留存、活跃、付费这些核心指标是怎么算的、波动了代表什么。1.3 容易翻车的行测与逻辑题部分很多技术背景的同学拿到笔试邀请之后会下意识忽略逻辑推理、图表理解这类题目。我在这部分吃过大亏提前提醒一下英雄游戏的笔试里是带了一部分行测风格题目的大概占15%到20%包括图形推理、逻辑判断、资料分析等。这类题不算难但如果平时完全不练考试时会非常卡时间。我的建议是考前一周每天花二十分钟做一组行测逻辑题优先练图表资料分析因为这类题和你做数据分析报告时的阅读能力直接相关。另外这类题很容易因为粗心丢分比如资料分析里的同比和环比、增长率和增长率差值看错一个字答案就完全不同做的时候一定要圈出关键条件。2. 笔试环节完整复盘从SQL取数到业务分析的题型拆解2.1 SQL题远比想象中务实的取数题英雄游戏笔试的SQL部分不是让你写复杂算法而是模拟真实的数据分析工作流。第一题是给了一张用户登录表字段包括uid、login_date、game_id要求统计连续登录三天的用户。这种题看起来基础但真的很考验对窗口函数的掌握程度我当时直接用lag或者row_number加日期差值做的这个思路在LeetCode上很常见。接着第二题给了一张付费表和一张用户表字段包括uid、pay_time、pay_amount、channel等要求求每个渠道的次日留存率。这道题的考察点在于理解次日留存的核心口径即某日新增用户中第二天仍然有登录行为的比例。SQL写起来不难关键是在手写代码的同时要说明清楚口径假设我在答题框里先用注释写清楚计算逻辑再写SQL语句。还有一道题是给了一份用户行为日志表包含event_name、event_time、uid等字段要统计一个活动页面的点击率、转化率。这道题其实考的是事件数据如何做漏斗table结构里event_name可能是activity_page_clickactivity_pay_success这样的值你需要先按事件类型分组聚合再做口径计算。笔试里这类题没有标准答案关键是展示你把一个模糊业务问题转化为SQL查询的能力。2.2 统计学与概率题AB测试是绝对核心统计学部分最典型的题目是AB测试的显著性判断。题目给了一组实验数据对照组转化率5%实验组转化率6%样本量各1000问实验结果是否显著。这个题考察两个知识点一是需要计算标准误和z值判断是否超过临界值二是要明白显著不等于重要要结合业务实际来看效果。还有一道概率题印象比较深刻大意是一名玩家抽卡SSR出货率为1.5%已经连续抽了100次没出货问在第101次抽卡出货概率是多少。这是个典型的陷阱题虽然游戏有保底机制但如果没有说明保底规则独立事件下概率就是1.5%。这个题想考的是你对概率基本概念的理解不能在题干信息不充分的情况下自行加戏。统计学部分还出现了中心极限定理相关的选择题给了一个偏态分布的总体问样本量增大后样本均值的分布会怎样变化。这类基础概念题复习时过一遍就行难度不大但覆盖面广。2.3 Python编程与数据处理题pandas操作是重头戏Python部分没有考算法题基本上是给你一份数据结构让你写pandas代码完成清洗和分析。有一道题是给了一份包含重复记录和缺失值的用户充值明细表要求完成去重、缺失值填充、按用户聚合等操作。我当时的解题思路是先用duplicated()判断重复再用drop_duplicates()去重对缺失值是金额填0、渠道填unknown最后用groupby(uid).agg()做聚合。另外有一道题是求每日活跃用户数并且输出七日滑动平均。这个题就是典型的pandas窗口函数skill我写了rolling(window7).mean()只要熟悉这些API就能拿分。还有一道关于merge的题给两张表让按uid做内连接和左连接这个也是基本功。Python部分整体难度不大但要注意笔试环境里没有补全提示写代码时大小写和函数名都要准确。我当时在窗口函数那里卡了一下因为平时用SQL比较多pandas的rolling不常写复习时一定要把手写代码练熟。3. 游戏业务场景题是怎么考数据分析思维的3.1 经典活跃分析题DAU下降怎么拆解英雄游戏笔试的业务题里有一道非常经典的活跃分析题某游戏近七天的DAU连续下滑给出了一些可能的因素要求你写出完整的分析思路。这道题没有固定答案核心是考察你是否有清晰的拆解框架我当时从以下几个维度来组织答案。第一是验证数据真实性先排除数据上报延迟、埋点丢失、统计口径变化等数据层面的问题这是数据分析师拿到异常指标的第一步。第二是拆分子群体把DAU按新用户、老用户、回流用户拆开看是新增减少了还是老用户流失了或者回流用户变少了这一步能快速定位问题人群。第三是进一步拆分渠道、版本、设备、地域等维度看是哪些渠道的新用户导入出了问题还是某个版本更新后闪退率升高导致老用户流失。第四是结合版本、活动、竞品等外部因素看是不是同期有竞品大作上线或者游戏自己的版本更新和运营活动有没有节奏问题。答题时我强调了一个核心观点DAU是一个结果指标分析时必须拆解到过程指标比如新增用户数、次留、7留、活跃用户流失率才能真正定位问题根源。这种拆解框架在数据分析笔试里几乎是出题人最偏爱的考察方式。3.2 付费与商业化题从LTV到ROI的思考链商业化相关的题目是游戏数据分析笔试的重头戏。英雄游戏笔试里有一道题是某游戏要做一次付费活动给了活动预计参与人数、历史付费转化率、平均付费金额等数据让你估算活动收入并决定是否值得做。这个题本质上考的是LTV和ROI的计算逻辑。这个题的答题思路要分成几步。先算活动带来的直接收入参与人数乘以付费转化率再乘以ARPPU。然后算成本包括活动奖励发放成本、推广费用、人力成本等。最后对比收入和成本计算ROI。但这样还没完关键加分项是要考虑活动的长期影响比如这次活动会不会提升玩家的付费习惯会不会拉动后续留存这些是活动价值的隐形部分。我当时还在答案里补了一个指标付费渗透率付费用户数占活跃用户数的比例和ARPPU每付费用户平均收入的联动关系。这两者的变化方向解释了很多商业问题付费渗透率下降但ARPPU上升说明大R玩家在支撑收入但普通玩家付费意愿在下降这种结构是有隐患的。这种指标联动分析的意识是游戏数据分析面试官特别看重的。3.3 版本更新与活动效果评估数据复盘怎么写笔试还有一道题是游戏上线了一个新版本增加了新玩法如何评估这次版本更新的效果。这类题目考的是版本评估的分析框架核心逻辑是版本前后的指标对比。我当时把答案分成三层。第一层是确定核心指标包括活跃类指标DAU/WAU/MAU、留存类指标次留、7留、30留、时长类指标平均在线时长、人均游戏局数、付费类指标付费率、ARPPU、收入。第二层是确定对比方法最简单的是版本前后对比但更好的做法是找对照组比如iOS先上线、安卓后上线可以利用上线的窗口期做类似AB测试的对比分析。第三层是异常指标归因如果版本更新后某个指标明显下滑需要进一步拆功能模块看是新玩法参与度低、还是原有的核心玩法被挤占、或者是性能问题导致闪退。这类题在答题时一定要给出指标 方法 异常处理的完整结构避免只回答分析一下玩家的数据变化这种空话。考官想看到的是你对游戏运营场景的熟悉程度以及用数据讲业务故事的能力。4. 笔试中的时间分配与踩坑复盘4.1 我的实际答题时间分配参考在考场里最大的敌人是时间。英雄游戏的笔试时长大概是一百分钟题量在四十到五十道之间包括选择题、SQL编程序、Python编程序、业务分析问答题。我整理了一下自己当时的答题节奏给后面笔试的同学一个参考。首先是选择题部分包括统计基础、逻辑推理、业务常识大约二十道左右我控制在二十五到三十分钟内完成。遇到一眼看不出答案的题不要恋战先标记跳过后面有时间再回来。然后是SQL和Python编程题一共四到五道每道预留十到十五分钟这部分是拉分关键重点是要把核心逻辑写对。最后是业务分析问答题两三道大分值题每道预留十五到二十分钟。业务题是最容易拿分也最容易丢分的因为它的主观性强一定要写得结构清晰、有逻辑层次。我自己在时间分配上犯过一个错误前面选择题花了太多时间纠结导致后面业务题没有写完整。当时有道关于付费活动估算的题我思路已经有了但只写了一半就到了交卷时间非常可惜。所以提醒大家业务题宁可用列提纲的方式写重点也不要空着不写踩中一个点就有分。4.2 类型 | 题量 | 建议用时 | 优先级我可以明确告诉大家一个通用的优先级排序业务分析题 SQL题 Python题 选择题。为什么这样排因为业务题分值最高、最考察综合素质也是游戏公司最看重的SQL和Python是硬技能写出来就能得大部分分数选择题则比较零散分值占比也相对低。我在复习时总结了一个时间分配经验如果在某道题上卡了超过五分钟先放弃做下一道等全部题目过完一遍再回来处理。这样做的好处是保证所有题目至少都看过一遍大多数分数都能拿到不会因为一道题卡住而损失整个后半部分。4.3 最容易丢分的几个隐形雷区笔试结束后我复盘总结了几个特别容易丢分的点这些都是我真实踩坑或者看别人踩坑总结出来的。第一个雷区是统计口径不明确。比如题目问计算付费率付费率的定义是什么是当日付费用户数除以当日活跃用户数还是除以当日登录用户数如果题目没有明确说明你需要在答案里先做出合理假设并写清楚而不是闷头就算。我记得当时有道题就问计算两周的留存率两周后的活跃用户要怎么定义是第14天仍然活跃还是第8到14天活跃过这种细节不写清楚答案的准确性就大打折扣。第二个雷区是答题只给结论不给过程。尤其是业务分析题很多人只写DAU下降了是因为活动结束了这是拿不到高分的。更好的答法是DAU下降了先拆新增、留存、流失发现新增渠道A的投放量减半导致新增用户下降30%同时老用户次留下降5个百分点可能与版本更新后的闪退问题相关再给出下一步的验证方案。每一步都要求有数据支撑每一步都要有可操作的下一步。第三个雷区是忽略名词解释。游戏行业有很多专属术语比如LTV、ARPU、ARPPU、DNU、DAU/MAU、付费渗透率、ROI笔试时如果你在答案里用到这些名词一定要确保写对公式和使用场景。我复习时把这些指标整理成了表格把指标名称、定义、公式、业务含义全部放在一起考前过一遍非常有效。5. 笔试之后复盘输出与面试衔接5.1 把笔试题转化成知识点清单的方法笔试结束不等于这件事结束了。我习惯在考完当天趁记忆还热乎的时候把笔试中遇到的每一道题都记录到一个表格里内容包括题目大概描述、考察的知识点、我的作答思路、参考答案里可能的优化点。这一步看起来不起眼但对后续的面试准备帮助巨大。举个例子当时笔试里那道DAU下降的业务分析题我笔试时的答案虽然完整但面试前复盘时发现我可以再补充一个维度同期是否有竞品游戏上线。后来面试里果然被追问如果竞品上线导致DAU下降你会怎么做我因为提前复盘过答得就比较顺畅。笔试里的很多题其实就是面试题的前置版本一定要把笔试的每道题都吃透。5.2 从笔试到面试的题目转化技巧游戏数据分析岗的面试风格和笔试有很多重合但也有区别。笔试更偏重你能不能做分析面试更偏重你的分析思路是否完整、你对业务的理解是否深入。所以我建议准备面试时把笔试题由解答模式转化成提问模式。怎么转化呢比如笔试时你回答DAU下降要拆新增、留存、流失面试时面试官会追问具体怎么拆怎么判断是新增的问题还是留存的问题再比如笔试时你写了次日留存率面试官可能会问如果次留下降了你会怎么定位根因把笔试题当成面试问题反复自问自答能帮你把知识结构从知道是什么升级成知道为什么和怎么办。我当时把笔试题重新整理成了一个面试模拟题库每个题目下面列了3到5个可能的追问然后自己口头回答并录音回听时会发现自己逻辑不顺的地方再调整表达。这个方法的效率非常高比单纯看书刷题更容易暴露思维盲区。5.3 准备下一年秋招的游戏数据分析笔试应该提前多久开始如果你现在不是马上要笔试而是想提前准备明年的秋招我建议的时间线是提前三个月左右开始系统准备。第一个月重点打基础SQL和Python的语法、统计学的核心概念、游戏行业常用指标含义这些都要过一遍。第二个月进入刷题阶段可以刷SQL题、做pandas练习题同时每天看一两篇游戏数据分析的案例文章培养业务感觉。第三个月做模拟和专项突破找近几年的笔试真题掐时间做整套模拟找出自己的薄弱环节再针对性补强。我个人觉得游戏数据分析笔试的难度不在题目本身而在考察范围的广度。它既要求你写得出SQL又要求你理解业务还要求你能用数据思维解构一个具体的游戏运营问题。提前规划好复习节奏是应对这种广度最有效的方法。还有一点很实际尽量提前了解目标公司旗下游戏的产品类型和运营风格。英雄游戏的产品线比较丰富不同品类的游戏数据侧重点不一样ARPG可能更看重付费和时长指标休闲游戏可能更看重新增和留存。提前了解这些笔试时面对业务题你会更有底因为它要求你具备的不是通用的数据分析知识而是和具体游戏产品结合的分析能力。