00
序言
面试环节中，你是否遇到过面试官提的这类问题：
- 问题1：北京有多少数据分析师？
- 问题2：每天有多少人住院？
- 问题3：每年售出多少瓶可口可乐？
此类问题统称为「费米问题」，要求候选人在不参考任何资料的前提下，预估问题中的数值。如果你不假思索，没有逻辑的胡编一个答案，那很不幸，大概率你要回去准备下一个面试了。此类问题的重点不在于问题本身，而是考察你对于问题拆解的逻辑性。
下面，详细为大家介绍一下费米问题的本质，以及该如何解答此类问题。
01
什么是费米问题
恩利克·费米，美籍意大利著名物理学家，1938年诺贝尔物理学奖得主。流传至今的费米问题，出自于其在芝加哥大学上抛出的一个问题：“芝加哥有多少个钢琴调音师？”。
这个看似荒谬的问题，其背后考验的是逻辑思维能力。如何将一个庞大未知的问题，通过逻辑树方式，拆解为一个个微小已知的问题，从而利用先验知识，反推问题本质。拆解思路如下图：
举一个案例，帮助大家更好的理解。
02
案例详解
面试官提问：“北京有多少数据分析师？”
候选人回答：“需要将问题进行如下逻辑拆解。”
第一轮拆解
北京数据分析师 = 北京就业人口数 × 数据分析人数比例
第二轮拆解
北京就业人口数 = 北京人口数 × 非退休比例 × 就业率
北京人口数大概2000w（不用估算也可知）；退休人数大概在20%左右，即：非退休比例为80%；就业率预估在80%左右。
北京就业人口数整体预估 = 2000w × 80% × 80% = 1280w。
数据分析人数比例 = 大型公司数据分析人数比例 × 占比 中型公司数据分析人数比例 × 占比 小型公司数据分析人数比例 × 占比
预估大型公司数据分析人数比例10%（根据经验推测），公司数量占比1%；预估中型公司数据分析人数比例5%，公司数量占比19%；预估小型公司数据分析人数比例2%，公司数量占比80%。
数据分析人数比例整体预估 = 10% × 1% 5% × 19% 2% × 80% = 2.65%。
北京数据分析师整体预估 = 1600w × 2.65% = 42.4w
拆解逻辑树图如下：
03
注意事项
最后，来聊一聊费米问题原理上的几点注意事项：
注意1：「平衡律理论」使得整体预测较为准确
由于各拆解因素的取值，大多含有预估成分，因此存在预估高于或低于真实值的情况。然而恰巧是这种误差有高有低，导致因素之间的误差是可以相互低消的。因此你可能会很惊讶的发现，最终的预测结果与真实值高度吻合，这也就是所谓的「平稳律理论」。
注意2：模型拆解要经得起推敲
整体预估是否准确，与因素拆解的逻辑性有很大关系。如果在拆解上就存在逻辑问题，不可深入推敲，那么无论各因素预估的再精准，最终的结果都会南辕北辙。
注意3：各拆解因素的预估要选择概率最高的值
各因素变量最终的定值，可能会存在很多预估可能性，选择理论上概率最大的一个，作为单因素的定值。当所有的因素均选取可能性最大的值，才能保证整体结果的准确性。
以上就是费米问题的详细介绍，快去找个实例实操一下吧，保证面试过程中，不会被此类问题难到
