途虎养车2023秋招数据分析岗的笔试试卷B最近在圈子里讨论度不低。这份卷子不是那种背背八股文就能过的题它把业务理解和分析功底揉得很紧更像是在模拟你入职之后每天要面对的真实工作场景。我拿到题目之后完整过了一遍又跟几个参与过秋招的同学对了对思路今天把这套试卷的考察逻辑、各题型考点、答题策略和复习方向一次性讲透给准备投递数据分析岗的朋友做个参考。先说结论这份试卷B的定位很清晰就是筛掉“只会跑数”的人留下“懂业务、能拆解、会落地”的人。整张卷子没有特别偏难怪的题目但每个板块都在暗中考察你分析思维的成熟度。如果你只是刷过几套SQL题、背了几个Python库大概率会挂在中后段的案例题上。1. 试卷整体设计与考察思路1.1 途虎养车数据分析岗的能力模型要读懂一份笔试卷子先要明白这家公司、这个岗位到底想要什么样的人。途虎养车做的是汽车后市场核心业务涵盖轮胎、保养、维修、美容等线上平台加上线下门店的服务链条非常重。这种业态的数据分析师不是单纯对着报表写周报的而是需要深入参与到门店运营、用户增长、供应链效率、商品定价等具体业务决策中。从这个角度回看试卷B你就会发现它考察的能力模型很聚焦主要分四层基础数据能力能不能熟练地从数据库里把数取出来能不能用Python做数据清洗和特征处理。业务理解能力知不知道汽车后市场的核心指标是什么能不能把业务问题转化成数据问题。逻辑推导能力面对一个模糊的命题能不能建立分析框架拆解影响因素再用数据验证。落地沟通能力分析做完之后能不能给出可执行的建议而不是只说“数据上涨了20%”。试卷B的每个模块都是在为这四层能力做筛选。第一部分的逻辑题看你的基础思维第二部分的数据分析题考你的基本功最后的大题则直接模拟了一个业务分析场景。1.2 试卷B的题型结构与分值分布整份试卷B的题量不算大但时间依然紧张我印象中大概90分钟到120分钟。题型分布大致如下表所示不同批次可能略有浮动但总体结构比较稳定模块题型考察重点建议用时第一部分资料分析/逻辑推理数理思维、快速计算、逻辑判断20分钟第二部分数据工具应用SQL、Excel、Python基础30分钟第三部分概率统计与机器学习基础统计推断、常见模型原理20分钟第四部分业务案例分析指标拆解、分析框架、商业洞察30分钟第五部分开放论述题行业认知、数据价值理解10分钟这里要提醒一句不要把前面客观题的时间压得太狠留给案例分析题。很多人挂在最后不是因为不会做而是前面磨太久最后的大题只写了两行字。案例分析题的分值通常占30%到40%它才是决定你能不能进面试的关键。1.3 对比其他秋招笔试试卷的差异化如果你同时投了互联网大厂的数据分析岗就会发现途虎的试卷B和纯互联网公司的出题风格有明显差异。大厂的数据分析笔试题往往更侧重用户增长、DAU、留存、转化这类纯线上指标SQL题占比很高有的甚至会出现复杂的窗口函数连环嵌套。但途虎这套试卷B明显加重了线下业务和供应链相关的内容。比如它会问你门店的保养渗透率怎么算、轮胎的复购周期怎么分析、SKU的库存周转天数异常怎么排查。这种题目要求你理解实体业务的运转逻辑而不是只会对着数据表做技术操作。另外试卷B的案例分析题非常喜欢用“某区域门店营收下滑”“某城市的保养订单量波动”这类具体场景这其实是在模仿途虎数据分析师日常工作周报里经常遇到的问题。如果你平时只接触纯互联网数据没有接触过线上线下结合的业务模式做起来会明显吃力。2. 各题型考点深度拆解2.1 资料分析与逻辑推理题试卷B的第一部分通常是一组资料分析题给出一个表格或图表然后连续发问。乍一看有点像公务员行测的资料分析但仔细做会发现它更注重业务含义。这类题常见的出题材料有某品牌轮胎在不同城市的销售额与安装门店数量对照表不同保养套餐的购买用户数与复购率数据某区域门店的进店客流、成交率、客单价月度趋势考点主要集中在三个层面。第一是基础计算能力比如同比增长率、环比增长率、占比、平均数、中位数这些指标能不能算得又快又准。第二是数据敏感性比如看到“销售额上涨但利润下滑”这种现象能不能在选项中识别出最可能的原因。第三是逻辑推导比如给出AB两个城市的数据问哪个城市的门店运营效率更高这时候不看总量要看人效、坪效、客单价这些相对指标。这一板块想拿高分没有捷径但是有技巧。我建议在草稿纸上先列出题目里给出的几个关键量再带着问题回表格里找数。不要试图理解整张表的所有含义时间不允许。做完一道题就过不要回头检查因为后面的分析题更需要时间。2.2 SQL和数据处理题SQL在试卷B里占的分量不轻出题范围包括单表查询、多表关联、聚合统计和窗口函数。难度不会特别离谱但题量多容错率低。常见的出题场景有这样几类门店订单表关联用户表统计每个城市的活跃用户数、订单量、GMV。给定订单明细表计算每个用户的首次下单时间然后统计新用户的次月留存。根据SKU表和库存流水表查询库存周转天数连续上升的品类。这些场景都是在模拟途虎日常数据工作中取数的真实需求。所以复习的时候不要只刷力扣上的纯算法题而是要多练业务SQL题尤其是“每个分组的前N条”“连续出现N次”“时间窗口内的累计值”这些典型场景。举个典型的例子试卷里出现过类似的题目有一张订单表 orders字段包含 order_id、user_id、store_id、order_amount、order_date。请统计2023年1月至3月期间每月下单用户数环比增长最快的月份并给出该月的下单用户数。这道题本质上考察两件事一是会不会用DATE_FORMAT或EXTRACT把订单日期聚合到月份维度二是会不会正确计算环比增长率。很多人的写法是直接COUNT(DISTINCT user_id)然后分组却忘了同一个用户在一个月内可能下多单去重逻辑一旦写错后面的环比数字全错。另外一个高频考点是留存率计算。以“新用户次月留存率”为例SQL写法的核心思路是先找到每个用户的首次下单月份再找到该用户是否在次月有下单记录。这个过程看起来不难但你得注意首次下单月份的标记方式不能用订单月份直接代替否则老用户会被误判成新用户留存率就会虚高。2.3 Python与办公工具的应用Python在试卷B里主要是以代码阅读和小程序题的形式出现很少让你从零手写一大段代码。考察点集中在Pandas的数据清洗和聚合操作、Numpy的基础计算以及简单数据可视化方案的判断。有一类题很典型给你一段用Pandas处理DataFrame的代码问你最终输出结果是什么。这时候关键是理清groupby之后的聚合方式、merge的连接类型、drop_duplicates的去重规则。很多人会在这里栽跟头倒不是说语法多难而是心不够细比如join默认是左连接还是内连接reset_index之后索引怎么变化这些细节很容易被忽略。除了Python试卷里也会出现Excel相关的题目。这也符合途虎数据分析岗的实际工作环境日常取数、做报表、画图表Excel的使用频率非常高。比较常考的是VLOOKUP、数据透视表、IF嵌套函数以及用Excel做简单数据清理的思路。复习时不需要去钻研什么高深的Excel VBA把常用函数和数据透视表练熟就够了。2.4 概率统计与机器学习基础这部分内容说难不难说简单也不简单核心考点是概率计算、假设检验、常见机器学习模型的原理和适用场景。概率题喜欢结合业务场景出。比如已知某款机油产品的平均更换周期是6个月标准差为1个月假设更换周期近似服从正态分布问用户在购买后8个月内再次购买的概率大约是多少。这道题表面上考正态分布实际上是在考你能不能把“复购周期预测”这个业务问题转化成统计问题。假设检验在试卷B里出现的频率也很高。常见问法包括某个门店调整了保养套餐的推荐话术想验证转化率是否显著提升应该用什么检验方法给出P值让你判断是否拒绝原假设。这里要特别注意区分Z检验和T检验的适用条件以及单尾检验和双尾检验在什么场景下使用。机器学习部分的考题相对基础不会让你手推公式但会考概念辨析。比如决策树和随机森林的区别是什么逻辑回归处理的是分类问题还是回归问题什么是过拟合怎么解决聚类算法在高维数据上有什么局限性准备这部分内容时不要死记硬背概念而是要把每种模型的核心思想用大白话讲清楚。面试官其实很反感那种把“决策树根据信息增益进行特征选择”挂在嘴边、但完全说不清实际业务里怎么用的人。3. 业务案例分析题的答题框架与实操3.1 指标拆解类题目的通用分析框架试卷B的案例分析题占据最后的重头戏也是最容易拉开差距的地方。常见题型是给你一个业务现象让你分析原因并提出建议。比如“某城市近三个月的保养订单量持续下滑请分析可能原因并给出数据验证方案”。这种题没有标准答案考官看的是你的思考过程是否完整。我总结了一套屡试不爽的答题框架按照“先定义、再拆解、后验证、最后给建议”的顺序来组织答案。第一步定义问题。先明确“保养订单量下滑”这个表述里订单量到底是什么口径。是新增订单还是全部订单是线上预约单还是包含到店直接下单口径不同分析方向完全不同。第二步拆解影响因素。可以采用公式化的拆法订单量 新客订单量 老客复购订单量。继续拆新客订单量 曝光量 × 点击率 × 下单转化率老客复购订单量 可复购用户基数 × 复购率。这时候再横向叠加外部因素比如季节性波动、竞品活动、恶劣天气等。把这些因素列全分析框架就有了。第三步给出数据验证方案。每一个假设都要对应一个数据验证方法。比如“转化率下降”这个假设可以通过漏斗分析验证“可复购用户基数减少”的假设可以通过计算活跃用户数变化验证。第四步提出可落地建议。这一步是很多人的弱项容易写得非常空比如“加强运营推广”“优化用户体验”说了等于没说。更好的写法是给出具体的动作比如“对超过6个月未回店的保养用户进行定向召回发放100元保养抵扣券以两周为周期观察召回率”。3.2 途虎场景下的典型业务题目演练举一个贴近途虎业务场景的题目是我在试卷B里见到的变体某门店轮胎业务的GMV环比下降了15%店长认为是天气原因导致进店量减少但区域经理认为是内因问题。请设计一套数据分析方案来判断店长的说法是否成立。这个题目如果你只写“分析进店量和GMV的关系”那就太浅了。正确的思考路径要复杂得多。先用公式拆解门店GMV 进店量 × 成交率 × 客单价。要判断天气是否是主因需要先确认进店量是不是真的下降了。如果进店量没有下降只是成交率或者客单价降了那店长的说法直接不成立。假设进店量确实下降了还要再看下降的幅度和周期的匹配度。如果去年同期同样有阴雨天气但GMV没有明显下滑那就说明天气只是触发因素门店自身的问题才是关键。对比方法可以用同期群分析找几类门店同样是天气影响较大的区域A类门店GMV稳定B类门店GMV大幅下滑差异往往出在店内的接待能力、库存深度、促销力度上。最后再给建议。这时可以建议店长在雨天做两件事一是把保养预约客户集中在上午时段减少天气对客流的冲击二是通过企业微信推送轮胎安全检测的免费服务吸引车主在不下雨时到店。这种建议才是数据分析师该输出的内容而不是冷冰冰地写一句“天气对销售有显著影响”。3.3 案例分析题的答题表达技巧案例分析题阅卷时间非常短考官未必会逐字读你的答案所以表达结构要格外清晰。我建议每道大题都按“结论先行、分点展开、数据支撑、落地建议”的格式来写而且开头第一句话就要亮出核心结论。比如题目问“某SKU下架后对整体销售额的影响如何分析”不要上来就写“我打算从以下三个方面分析”而是先写“核心结论该SKU属于高关联性商品下架后不仅影响自身销售额还连带降低了其他保养品的销量建议尽快恢复上架或寻找替代品”。然后下方再分几个要点展开验证过程。这种写法的好处是阅卷人哪怕只看第一行也已经知道你的立场和判断能力。数据分析师写周报、做汇报也是这个逻辑结论永远先行不要让人在一堆数据里帮你找重点。另外能在答案里写出数据口径和假设前提是明显的加分项。比如你写“按近30天窗口期计算”“剔除大促异常值”这类话阅卷人会默认你有真实的数据分析工作经验。这不是套话而是专业素养的体现。4. 备考策略与常见失分点4.1 不同基础的复习路线建议我把准备途虎笔试试卷B的人群分成三类每一类的复习侧重点完全不同你可以对号入座。第一类基础扎实、有实习经验的人。你的SQL和Python能力已经过关不需要花太多时间刷语法题重点放在业务案例题和开放论述题上。多去看途虎养车的业务数据、汽车后市场行业分析报告尝试自己拆解“门店利润下滑”“保养渗透率提升”这类业务问题。你的目标是学会用数据语言讲业务故事。第二类技术够用但业务理解偏弱的转行/应届生。你最大的短板是案例分析题因为你对实体门店的业务场景不熟悉。建议每天花一小时做案例拆解练习找几篇汽车后市场的深度分析报告把里面的核心指标、业务逻辑、行业痛点整理成自己的笔记。同时把SQL的留存计算、漏斗分析、同比环比这些题型练熟保证基础分不丢。第三类编程基础薄弱或刚入门数据分析的人。这时候就不要贪多求全了优先保住资料分析、Excel数据处理和基础统计题的分值。SQL至少掌握SELECT查询、JOIN、GROUP BY、HAVING这些核心语法Python掌握Pandas的读取、筛选、分组、聚合就够用了。案例题能写出一二三点就一定不要留白写了就有机会得分空着肯定没分。4.2 时间分配与应试节奏笔试现场最容易犯的错误就是在某道硬骨头上死磕。我见过有同学在SQL窗口函数题上花了20分钟结果最后一道案例大题只剩10分钟草草写了两行。这是典型的战略失误。合理的时间分配建议是刚拿到试卷先花2分钟把整张卷子扫一遍看看有哪些题型判断案例分析题的难度。资料分析题控制在每题1分钟到1分半钟遇到计算量大的先跳过最后如果有时间再回来算。SQL和Python题控制在每题3分钟到4分钟如果卡住了先把能想到的思路写下来再跳到下一题。概率统计题一般计算量不大控制在每题2分钟到3分钟。案例分析题一定要预留出至少20分钟其中前5分钟搭框架中间10分钟展开写最后5分钟检查补漏。这个节奏不是绝对的但核心原则是分值越高的题投入的时间比例应该越高。案例分析题分值占比大值得你花充足时间去打磨答案。4.3 那些容易忽略的细节坑从很多考生的复盘反馈来看有几个很容易被忽略的坑我单独拎出来强调一下。第一个坑是单位换算。试卷里给出的数据经常是“万元”“千人”“万单”这种大单位计算时如果不换算最后的答案会差好几个数量级。比如GMV单位是万元订单量单位是单算客单价时要先统一单位。第二个坑是时间口径。很多数据题里给定的时间区间是“近7天”“自然月”“2023Q1”做题时一定要看清题目问的是哪个时间区间。有时候材料里给了12个月的数据但问题只问Q2你如果看错范围整道题就废了。第三个坑是异常值处理。数据分析题里给出的数据往往不是干干净净的可能存在促销日、退货单、测试用户这些干扰项。题目里如果提到“剔除异常数据”的条件一定要在答案中体现否则你的计算结果会和预期答案有偏差。第四个坑是答题逻辑的展示。试卷B里的SQL题和Python题除了看最终结果很可能还会看你的解题思路。所以即使不能保证代码完全正确也要把思路写清楚比如先做什么再做什么。有些阅卷老师会给思路分留白你就什么都没有。5. 从笔试延伸下来的能力地图5.1 复盘一套试卷的价值很多人刷完笔试就丢到一边这是很浪费的。一套设计合理的笔试试卷其实浓缩了这家公司当前最看重的岗位能力要求。你应该趁记忆还热的时候把每道错题和当时卡住的知识点整理成错题本复盘时问自己三个问题这道题考察的知识点是什么对应到日常数据分析工作中的哪个环节我为什么没做出来是基础概念不牢还是业务场景不熟悉下次遇到类似的题我的分析框架应该怎么调整这个过程比盲目多刷三套题都管用。因为笔试题是有限的但能力模型是稳定的。这一轮复盘下来你不仅是在备考途虎也是在系统梳理自己作为数据分析师的能力拼图。5.2 从笔试到面试要补齐的软技能如果你笔试顺利通过接下来要面对的是业务面和HR面。这时候再看这套试卷B你会发现它其实是在为面试做铺垫。案例题里你写过的“指标拆解”“异常排查”“方案建议”面试官会在面试中继续追问。比如笔试里你写了“用漏斗分析验证转化率下降环节”面试官可能就会追问“具体怎么搭建漏斗每一步流失率多大才算异常”你如果只是背了一个分析框架没有真实的项目经验支撑这时候就会被问住。所以在准备面试时要把笔试试卷里的每一个分析思路变成自己的项目案例。不要只说“我分析过用户流失”要说清楚你从哪些渠道取数、用了什么分析方法、发现了什么洞察、最后落地了什么动作、带来了多少业务收益。这个逻辑链在面试里比任何证书都值钱。5.3 汽车后市场数据分析的未来方向最后稍微聊一下行业前景。途虎所在的汽车后市场已经过了靠门店数量扩张的阶段现在拼的是数字化运营效率。数据分析师在这个行业里不只是看数、写报告而是深度参与供应链预测、门店选址、用户生命周期管理、差异化定价这些核心环节。新能源汽车保有量不断上升汽车后市场的服务结构也在发生变化。比如轮胎的更换周期、保养项目的侧重点、甚至门店的服务半径都会跟传统燃油车时代完全不同。这些变化对数据分析师来说是一个巨大的机会因为越是在变化期决策越需要数据支撑。如果你对汽车行业本身也有兴趣途虎这类公司其实是一个不错的平台。传统电商数据分析的经验可以直接迁移但同时你还要补上供应链、仓储物流、线下门店运营这些知识。这套笔试试卷B就是帮你提前感知这些职责边界的一次演练。从我做数据分析这些年接触到的大大小小几十套笔试题来看途虎这套试卷B的出题水平在行业内属于中上等它不玩文字游戏也不故弄玄虚每一道题都在很务实地考察你“拿到数据能不能分析出有价值的东西”。如果你准备充分这套卷子做起来会很有手感甚至会给你一种“这不就是我平时工作里的活儿嘛”的感觉。最后分享一个我在辅导别人时经常强调的点笔试不是终点它是你跟这家公司第一次真正的专业对话。答题时不光要给出正确答案还要让阅卷人看到你的分析思路是清楚、可靠、能落地的。哪怕最终没通过这套试卷也是一份很高质量的能力体检报告。认真拆一遍你的收获绝对不会低于刷十套普通笔试题。