英雄游戏2023秋招数据分析岗笔试刚结束那会儿朋友问我考得怎么样我说别的还好就是最后那个游戏战役活动的量化评估题差点没写完。回头再看整张卷子作为一场面向应届生的秋招笔试它的考察点其实非常典型既有硬核的工具能力题又有极其考验游戏业务理解的分析题还穿插了让你意料不到的开放性问题。这篇文章我把整场笔试的题型、节奏和踩过的坑做一次完整复盘同时结合我自己的答题思路和后续准备经验来聊给准备游戏行业数据分析岗的同学一份可参考的实战样本。无论你是即将投递游戏大厂还是正在打磨数据分析技能都可以从中摸到一些共性的套路。整场笔试大概持续90分钟题目量不算特别多但覆盖面很广。我印象比较深的是卷子没有一上来就考SQL而是先用几道送分的选择题铺路中间突然切入业务场景最后压轴的竟然是一道类似咨询case的分析设计题。这套组合拳下来如果只准备了刷题没准备业务思考很容易在中期开始卡壳。所以这篇复盘我不会只把题目列出来而是会按我的实际作答顺序把每一类题型的考察意图、答题思路和容易踩的坑都拆开讲顺便附上我对游戏行业数据分析这个岗位的理解。1. 笔试整体情况与节奏盘点1.1 题型分布与时间分配先给没参加过游戏厂笔试的同学还原一下大概的卷面构成。英雄游戏这场秋招笔试整体来看分为四块选择题与判断题、SQL取数题、业务分析简答题、综合案例分析题。前三块加起来大概占70%的分数最后一道综合案例虽然只有一道题但分值占比很高而且极其考验表达和逻辑属于典型的“一道题定胜负”的压轴戏。我实际拿到卷子后先花了5分钟扫了一遍所有题目而不是直接埋头做。这么做的主要目的是判断题目难度的分布和哪些题值得花时间重点打磨。比如我注意到倒数第二道业务简答题问的是“某游戏版本更新后次留下降了5个百分点你会如何定位问题”这种题看起来不难但如果想答出亮点必须结合游戏数据分析的常见漏斗维度去拆解。扫完题之后我给自己定的时间节奏是这样的选择题和判断题控制在15分钟以内SQL题控制在25分钟左右业务分析简答题预留30分钟最后的综合案例题用剩下的20分钟来写框架。这个节奏有点紧但考虑到选择题里面有基础题保底实际操作起来还算可行。1.2 笔试平台与作答环境的几个细节这场笔试用的在线测评平台支持SQL在线运行也允许在自己本地编辑器里先跑通再粘贴。这里有个小建议平时刷题用的SQL语法在笔试平台上偶尔会出现方言差异比如日期函数、字符串截取函数在不同数据库里写法不一样。我答SQL题时就遇到过一道用日期差算用户活跃间隔的题平台环境走的是MySQL风格而我一开始按Hive的datediff写法去套结果本地跑通了但平台一直报错。后来我改成先用一个简单查询测试平台的函数支持情况再开始写正式答案才算绕过去。另外笔试时还能使用本地搜索引擎这意味着查函数语法是可行的但千万别想着靠搜索找原题。这类游戏厂笔试的题库每年都在更新业务场景题基本没有固定答案即使搜到类似题目也只能作为思路参考。我自己的感受是与其花时间去搜题不如把时间花在理解游戏业务指标的联动关系上这个能力在考场上远比死记硬背答案有用。2. 选择题与判断题中的考察逻辑2.1 统计基础与概率题是送分题还是陷阱题卷子前段的选择题一部分是纯统计基础比如中心极限定理、假设检验里的P值含义、置信区间的解释。这些题目对科班出身的同学来说确实属于送分题但如果不仔细审题很容易在选项描述上翻车。比如有一道题问“P值小于0.05意味着什么”答案里面混合了“原假设为假的概率是95%”和“如果原假设为真观察到当前或更极端结果的概率小于5%”这两个表述前者是经典误解后者才是正确定义。说实话这种题在面试里也很常见主要考察的是统计概念是否真正理解透彻还是仅仅停留在会背公式层面。概率题则更贴近实际业务。有一道题大致是给了一个游戏内抽卡活动的概率设定问连续抽N次至少出一次SSR的概率是多少。这题本质上就是1减去不出货概率的N次方但当时有个选项写得比较绕需要用期望次数来算。我的习惯是先把公式写出来再对照选项而不是直接心算这样能显著降低粗心错误的概率。这种题在游戏行业笔试里出现频率很高因为抽卡、付费、掉落等系统和概率天然深度绑定数据分析师如果连这类基础建模都搞不定后续做活动效果预估会很吃力。2.2 游戏行业常识题不是死记硬背而是理解业务指标定义让我比较意外的是选择题里穿插了好几道游戏行业常识题。比如问“LTV、ARPU、ARPPU、次留存、付费率这些指标的定义与区别”还有一道题是“当一款游戏同时存在大量新增用户和大量流失用户时哪些指标会呈现虚高或失真”。这种题对平时只刷LeetCode和SQL题的同学来说可能有点懵但对关注游戏行业、拆解过榜单产品的同学来说反而比较顺手。当时有一道题让我印象很深它给出了一个场景某游戏做了一次渠道买量活动新增用户多了但7日留存率和付费率都在下降问最可能的原因是什么。选项里有“新用户导入质量变差”、“老用户付费能力下降”、“游戏版本出bug”、“市场整体热度下降”等。正确答案是基于新增用户结构变化来推断的因为买量带来大量非核心玩家这部分用户本身留存低、付费意愿弱会自然拉低整体指标。这类题表面上考业务常识实际上考的是指标归因和结构性分析思维刷题不太好准备关键还是靠平时多看游戏行业分析文章以及自己动手拆解一些游戏的数据表现。3. SQL取数题常规操作背后的“隐藏分”点3.1 从用户充值流水表中计算关键指标SQL题一共两道第一道是经典的用户充值场景。表结构大概是用户ID、充值时间、充值金额、区服ID。要求统计2023年8月1日当天每个区服的充值总金额、充值用户数、人均充值金额并且要按充值金额降序排列。这题如果只写基础版三个GROUP BY加一个ORDER BY就结束了。但我当时多写了一步同时算出“充值用户数占当日活跃用户数的比例”虽然题目没有明确要求但我在SQL里先JOIN了当日活跃表这样既能体现对游戏行业付费渗透率指标的敏感度也可以展示自己会主动做多维拆解而不是只当取数工具人。还是那句话笔试平台支持SQL在线运行所以写完SQL之后我习惯跑一遍看输出是否符合预期。这里提醒一句取数题的“正确答案”往往不唯一阅卷人更看重的是你是否考虑到了边界情况比如金额为0的记录是否需要剔除、同一用户在同一天充值多笔应该怎么处理。我答题时专门用注释写了一句“此处假设一张订单对应一次支付成功记录若有退款需要额外过滤”这种细节不一定是得分点但能体现思维的严谨性。3.2 连续登录N天用户数量的窗口函数解法第二道SQL题难度直接上一个台阶给定用户登录日志表用户ID、登录日期要求统计连续登录3天及以上的用户数。相信刷过SQL题的同学对这类题不陌生经典解法是先用ROW_NUMBER对每个用户的登录日期做排序然后用登录日期减去排名的序号得到一个日期分组标识再按用户和分组标识计数筛选计数大于等于3的用户。这个思路的核心逻辑是连续登录的情况下日期减去行号得到的是同一个基准日期一旦中间断档基准日期就会变化从而把连续区间切分出来。我当时写的SQL大致是三层嵌套子查询一用DISTINCT去掉同一用户当天重复登录的记录子查询二计算日期与排名的差值外层再按用户和差值分组统计天数。最后再加了一个细节就是取出这些用户的具体连续登录区间方便后续业务方做针对性触达。这题难度不是特别大但每年都有很多人挂在重复登录记录的过滤上。如果不对登录日期做DISTINCTROW_NUMBER的排序结果会偏移直接导致最终统计错误。这个坑我在平时练习时踩过所以考场上算是避开了。4. 业务分析简答题从指标异动到用户行为洞察4.1 次留跌了5个百分点你会怎么定位原因这道题绝对算整张卷子的分水岭。题目场景很常见某款游戏近期做了一次版本更新更新后次日留存率从35%下降到30%活跃用户数没有明显变化需要你作为数据分析师给出排查思路。如果只写“看是不是服务器问题”、“看是不是新用户变多”这种粗颗粒度答案得分会很有限。这道题想看的是你能否建立一个系统化的排查框架而不是盲人摸象。我在答题时按四个维度展开数据准确性、版本变更影响、用户结构变化、外部环境因素。先验证数据本身有没有问题比如埋点是否上报异常、统计口径是否发生变化再看版本更新内容比如新手引导是否被改复杂、核心玩法门槛是否提高、首次进入游戏的加载时间是否变长然后看用户结构新增用户来源渠道是否变化以及新老用户是否分层看因为新用户次留和老用户次留波动的含义完全不同最后看外部因素比如是否有渠道投放策略调整、是否有竞品大规模推广、是否赶上节假日导致样本群体发生偏移。最后我给了一个可落地的结论框架先验证数据口径再拆用户分层然后定位版本差异点最后用具体的漏斗分析确认可能性最高的原因。说实话这类题目没有标准答案但面试官最怕看到的是分析思路乱成一团、想到哪写到哪的答案。我自己的经验是用“先确认数据、再拆维度、后验证假设”的逻辑线串起整个回答哪怕你对游戏业务细节不熟悉也能保证答题结构是清晰的。这道题还让我意识到日常工作中如果接到类似的异动排查需求一定要先花时间和数据开发确认口径而不是一上来就冲进数据堆里写SQL后者往往方向错了还浪费大量时间。4.2 设计一套游戏用户分级运营策略另一道业务简答题是“结合你熟悉的某款游戏设计一套用户分级运营策略”。这题考察点有二一是你是否真的熟悉某一款具体游戏能够说出它的核心玩法和付费点二是你是否具备用数据驱动运营的思维。如果只泛泛地写“把用户分为大R、中R、小R和非付费用户”这个人人都会写根本看不出你的数据分析能力。我写这道题时选了ARPG类游戏作为例子因为这类游戏的成长线比较清晰。我把用户按付费金额和活跃天数两个维度做了一个简单的四象限分群高活跃高付费看作核心玩家、高活跃低付费看作潜力付费用户、低活跃高付费看作需要挽回的付费用户、低活跃低付费看作流失风险用户。针对每一类用户我给出了不同的运营目标和数据监控指标。比如高活跃低付费用户运营目标是促进首充与小额付费转化关键指标是付费转化率和首充礼包点击率低活跃高付费用户运营目标是召回和防止流失关键指标是7日内回流率和活跃天数变化。这种回答方式既体现了“基于数据分群”的思路也让面试官看到你能把分析结果落到运营动作上而不是停留在理论层面。这道题我最大的心得是一定要选一款自己真正玩过或者认真研究过的游戏来写。如果选的游戏自己都不熟悉写出来的运营策略会很虚数据和玩法细节也会露怯。我在笔试前特意花时间拆解了一两款市面上比较热门的游戏梳理了它们的核心系统、养成线和付费模式这个准备在答这题时帮了大忙。5. 综合案例分析题压轴的一整页长篇材料5.1 游戏战役活动结束后如何评估活动效果压轴题是一道接近咨询case的开放题题干给了一大段背景某游戏在暑假期间上线了一个为期两周的大型战役活动活动包含新的PVE关卡、限定皮肤奖励以及累计充值返利。活动结束后项目组想知道这次活动是否达到了预期效果以及如何用数据评估这次活动。说实话看到这道题的时候我的第一反应是这不光是在考数据分析还在考项目管理思维和商业敏感度。我当时定了两个大方向来组织答案一是从指标体系的建立出发二是从数据对比方法出发。指标体系方面我拆了三层第一层是活动直接产出指标包括活动参与率、关卡通过率、活动期间DAU峰值、活动期间付费率等第二层是活动间接影响指标包括活动前后的留存变化、用户在线时长变化、核心玩法参与度变化第三层是长期价值指标包括活动结束一周后回流率、新用户次周留存、付费用户后续付费频率等。数据对比方法方面我提出采用活动前同期对比、活动参与组与未参与组对比、以及按用户分层后对比三种方式结合同时用简单的置信区间判断差异显著性避免把活动期整体指标的波动全部归因于活动。这题最需要展示的是批判性思维。比如我专门写了一段“活动效果评估的干扰因素”提到暑期本身是游戏流量的高峰期活动期DAU上涨也许不全是活动的功劳需要找到对照组来剥离自然增长和季节性影响。这种对归因问题的敏感度恰恰是游戏行业数据分析师日常做活动复盘的核心难点。我当时没有时间写特别详细的计算过程但把逻辑闭环里的几个关键点都覆盖了答题结构是完整的。5.2 估算题估算某款游戏的日流水或服务器数量综合案例题里还附了一道估算小题要求估算某款热门竞技手游的日流水或服务器数量。这类估算题在数据分析岗笔试里几乎是必考的思路比结果重要。我当时先圈定了一个大概方向先估算日活跃用户数再估算付费用户占比和人均付费金额最后相乘得到日流水量级。比如设定DAU接近千万量级、付费率3%-5%、ARPPU在20-50元之间算出来的日流水量级就在几千万到上亿之间。这个结果不像官方财报那么精确但作为量级估算逻辑是自洽的。估算题最常见的错误是忽略假设的合理性。比如有同学把付费率设成30%这个数值在竞技类游戏中明显偏高。我的习惯是把每一步的假设都写清楚并且做一次敏感性检查看看如果把核心假设适当调高或调低结论量级是否还在合理范围内。我当时还专门估算了一下活动期间和非活动期间的差异因为题干提到这款游戏刚上线了新皮肤通常这时候流水会有一个明显的波峰。把这种业务常识带入估算过程能让阅卷人觉得你真的在思考游戏行业的真实场景而不是在套公式。6. 复盘与建议秋招游戏数据分析岗如何高效备考6.1 从这次笔试反推岗位能力要求考完这场笔试我最大的感受是游戏行业数据分析岗并不只是招一个会写SQL的人。你需要在数据工具能力之外理解游戏产品生命周期里的核心节点活动为什么能拉收入、留存为什么波动、用户为什么会流失这些都需要靠数据去量化定位。笔试里出现的大量业务场景题本质上都在考察一件事你能否把数据转换成业务决策的依据。我自己总结的岗位能力金字塔大概分三层底层是数据基础能力包括SQL、Excel、统计学知识和Python数据处理中间层是业务理解能力包括游戏行业指标的认知、常见分析框架的掌握和AB测试的基本逻辑顶层是沟通与推动能力这层在笔试里比较难直接考察但会在后续的面试环节通过自我介绍和项目经历来验证。如果你想进游戏公司做数据分析不要只埋头刷算法题花时间认真拆解几款游戏的内容循环和经济系统非常值得。6.2 备考资料与日常积累方向关于备考我建议从三条线同时推进。第一条线是工具硬实力SQL务必练到条件反射级别尤其要熟悉窗口函数、日期函数、多表关联和去重场景第二条线是统计与业务分析框架可以看一些商业分析相关的书和案例分析留意别人面对一个模糊问题时是怎么拆解的第三条线是游戏行业的垂直积累关注游戏行业的报告和数据解读文章或者直接把某款热门游戏当成研究样本每周拆解它的榜单表现、版本更新内容和玩家评价变化。至于笔试前一周做什么我当时是集中刷了一遍近年的笔试面经尤其是针对游戏大厂的数据分析岗笔试题。重点不是背题而是熟悉他们的出题风格和常用场景。笔试准备到后期手感和答题节奏真的非常重要如果你能建立一套自己的“业务分析答题模板”比如异动排查模板、活动评估模板、用户分群模板在考场上会节省大量组织语言的时间。这里还有一个小技巧想分享我在准备期间专门用一页纸整理过游戏行业最常用的20个指标名称和它们的计算公式比如DAU、WAU、MAU、留存率、LTV、ARPU、ARPPU、付费率、K因子、病毒系数、7日回流率、30日滚动留存等。笔试前花半小时过一遍看到业务题的时候能快速在脑海里建立指标地图避免出现“知道意思但说不清定义”的尴尬。6.3 笔试作答过程中的临场心态管理最后一个我想聊的是心态。很多人笔试挂掉不是因为水平不够而是因为时间分配失控前面选择题纠结太久后面大题仓促写完。我自己的经验是遇到一道题卡壳超过3分钟先跳过去把后面能拿的分稳住等到整张卷子都过了一遍再回头研究卡壳的题。这种策略可能拿不到完美分数但能保证整体得分最大化。另外在线笔试过程中的环境也很重要。我当时提前把浏览器缓存清干净、关掉了所有无关的聊天软件并且把手机放到另一个房间。笔试时间本来就紧张任何一次意外中断都可能导致心态崩盘。还有一个小细节如果平台允许先在草稿纸上画出答题框架再开始打字尤其是在回答业务分析题时框架清晰能显著提高答案的逻辑性和阅卷友好度。我考完这场笔试之后虽然不知道最终成绩如何但整个人对游戏行业数据分析师这个岗位的理解比之前清晰了不少。它不像纯技术岗那样只拼代码能力也不像纯运营岗那样只靠感觉做判断而是需要你既懂数据又懂业务能在模糊复杂的场景里用数据找到确定性。这种复合型的能力要求恰恰是这份工作最有意思的地方。接下来如果在面试环节有新的体会我再来继续更新。