現實的DATA面試:你沒sense,面試官就對你沒sense

「問我的求職方向？」

「是技術崗位，好拿offer，能拿offer就行。」

無論是不是科班出身，這年頭哪個專業沒接觸過數據？誰沒做過幾個分析？match上不難吧？

求職系列精品講座

想要轉Data的同學看過來，你想知道轉Data勝算幾何嘛？面試什麼流程？又有什麼備戰建議？

FLAG資深數據分析工程師Gary老師將為大家帶來一場精彩講座！

掃碼回復【講座】就能預約哦~

一般情況下，HR過完聖誕就會整理空缺，在1月10日左右發布崗位。雖然距離春招不足兩個月，大家依然覺得「來得及」，對Data求職信心滿滿！實際上.

來！不！及！了！

據保守估計，從準備初期到offer落地，至少需要半年多的時間。再加上科技面試並非一成不變，海量競爭對手直接增加了拿offer的難度。只會「三板斧」，按部就班準備的人無疑將處於求職劣勢。

既然寄希望於年末突擊，那麼今年的Data出現了什麼面試新趨勢？

需要掌握哪些重點，才能在2021年，乃至以後的求職中逆襲上岸？

我們將從以下六個大方面說起：

一．SDE與Data，魚與熊掌

二．Title極多，細分領域需細看

三．上岸難點不在Coding

四．Product Sense成今年面試新重點

五．面試考的，學校不教

六．HM：你願意和這個人一起工作麼？

很多同學在求職期間，都處於盲目準備的狀態，雖然Data是目標但也想看看SDE。

首先要明確，對大部分人來說SDE與Data就等於魚與熊掌，不能兼顧。

SDE和Data這兩個方向考核的面試知識只重疊了很小一部分，切勿造成兩手抓兩手丟的尷尬局面。另外，即使是同一方向，不同細分領域的要求也有所不同。

根據內部數據，只有不足7%的同學清楚了解求職信息，清楚自己到底要什麼。

信息不對等讓很多同學身處求職劣勢，不能輸在起跑線上啊兄弟們！

掃碼添加小助手，即可匹配來自一線大廠的資深面試官，就求職市場環境、公司發展動態、細分領域發展、個人興趣與強項等，為你做一場1v1的細緻職業規劃。

 

先到先得，限時免費~

在上文中我們提到，Data有許多細分領域，其就業方向大致可以分為Data Scientist，Data Analyst，Data Engineer，Business Intelligence和Business Analyst等。

另外，招聘市場上Data崗位的Title實際有些混亂，例如掛著DS但也會做DE工作，寫著DS實際更偏向DA工作等。

為了增加上岸機會，或者說為了找到更適合自己的工作，凡是Data相關的都可打開看看。

不要在意崗位Title，要看職位詳情是否匹配。

下圖的表格比較權威，也很清晰地寫明各個崗位對於模塊技能的需求程度。

Data Scientist（DS）

DS需要具備強大的數理分析能力，尤其在數理統計，人工智慧算法方面的理解程度要高於Data Track的平均水平。

在工作中面對龐大的數據群，要想從中找到目標答案，需要針對數據群進行統計分析選擇合適的數據特徵，然後利用機器學習與深度學習算法建模，根據模型結果進行核心算法優化。

偏向於建模與優化的工作內容使得數據科學家必須具備深度理解算法的能力。

Data Analyst（DA）

Data Engineer（DE）

Business Intelligence

Business Intelligence偏向於DS與Business Analyst的交叉崗位。

這個崗位既需求數理分析與建模能力，也對求職者的商業敏感度(Business Sense)，產品敏感度(Product Sense)，市場敏感度(Marketing Sense)提出了額外要求。

注意Soft skills和Data Driven下的商業驅動，這都是面試中的重點部分。

Business Analyst

Business Analyst可以理解為與商業決策更緊密的DA崗位。

在工作中不但需要具備DA的能力，還需要具備較強的商業洞察能力與溝通能力。

最後，通過漂亮的dashboard來表達從數據分析中得出的結論，即數據可視化的技術能力，也是十分重要的。

今年上岸難，技術面試更苛刻。這是不少人的慣性思維。

雖然上岸門檻變高，各個公司有不同的考察側重點，但Data求職不太看重Coding能力，即使面試中出現相關題目，難度也基本與往年持平。

眾多反饋表示Data職位的Coding部分不會很難。

這位面DA的小夥伴，只被考了easy level的題目。

既然如此，面試官都在哪裡加碼呢？

Product Sense是Data面試出現的最大黑馬。

直通矽谷Gary老師透露：「Product Sense已經成為了FLAG面試考察新重點，未來各大廠對於Product Sense的考察比重也會越來越大。」

LinkedIn的數據科學崗面試官會問Product Sense相關的問題，例如「LinkedIn的這個新功能是否會影響用戶體驗？」

Google面試除了看重候選人算法以及算法的拓展、coding、邏輯思維、technical skill等能力外，對Product Sense也非常看重。

Facebook對Product Sense就更加看重了。不僅在DS崗的SQL考察上會偏Product Bussiness Sense多一些，還會專門拿出一個輪次考Product Sense！

有人在Quora上哭訴：「數據科學崗面試中的Product Sense該咋準備啊？掛了成噸的面試得到的反饋都說我Product Sense太弱。」

這可不是1+1=2此類算對了就行的問題。

Product Sense題目具有非常強的「主觀性」，它考察內容廣泛，問題有深度，具備高可變性，還常與其他重要考點結合。

缺乏工業界經驗也摸不清面試官思維的同學，很容易被問的呆若木雞。

那麼，Product Sense一般與哪些重要考點結合？

1. 數據可視化，是數據科學家必備技能之一。畢竟衡量和檢測產品表現也是數據科學家實際工作中重要組成部分。

2. A/B Test亦是數據科學家的必備技能，同時這也是數據工程師在日常工作中常常處理的問題。

3. 機器學習模型就更不用說了，不單是必備技能，而且是面試必考點。

如果你的簡歷中具備數據可視化、A/B Test項目、機器學習模型這三個工業級項目，還同時兼顧Product Sense，那麼拿Data面試基本穩了。

數據可視化項目：How to use Retention Rate to make Data-Driven Decisions

大部分的公司都會使用Retention Rate來衡量和監測產品的表現。

本項目主要集中於如何設計Retention Rate和如何用Retention Rate to make Data Driven Decisions。

此項目將能大大提高應屆畢業生的指標設計以及從數據中尋找Insight的能力。

本項目將使用Python去處理數據和計算指標，並使用Python實現數據可視化給公司提供以數據支撐的推薦。

A/B Test項目：A/B Test Analysis (Both SQL AND Python)

本項目將會帶領學員參與實戰，通過同學們親手編寫的Python程序來分析A/B Testing Results。

通過Bootstrap，Hypothesis Testing，和Logistic Regression等多個步驟完成一些有趣的數據分析。

讓同學們在實戰中深入理解並掌握工業界數據分類預測的方法和技巧。

機器學習模型項目：How to Improve Conversion Rates (Machine Learning)

此項目貼近真實工作場景，使用來自電商平臺的數據進行數據分析並用機器學習模型進行預測。

學員將使用現有的數據去找到對轉換率影響最大的因素，並作出相應的商業決策。

學員將使用Random Forest和Decision Tree等模型去預測轉換率的變化。

通過此項目的學習，學員能把平常學到的模型知識運用到真實實戰中，並增加學員的分析能力與提取insight的能力。

完全掌握項目一、二、三可以獲得等同於FLAGM公司在數據分析方面Junior DS level的1-2年工作經驗。

除Product Sense外，今年公司還格外看重簡歷裡的工業級項目。

這是學校沒有教的內容，也決定了你是否有機會拿到面試。

在美國拿到面試就等於成功了一半，公司一般不會海量發麵試但在中間掛掉很多人。所以，如果你可以走到面試這一步，那麼恭喜你已經幹掉大半的競爭對手啦。

我們簡單舉個例子：

環境工程專業的A同學經常會做氣候方面的研究，平時確實接觸了一些與數據分析相關的項目。

但是這1、2個項目的結合非常有限，在簡歷呈現上存在局限性。

而網際網路行業非常注重與產品相結合進行分析。

A這樣的簡歷即使能吸引到公司，也基本都是環境氣候向的，非常小眾，offer數量與熱門方向沒法比。

即使暫時委身於這些小眾公司，因為他們的Data工作內容與傳統科技公司存在很大差異，能否成功跳到熱門大廠也變成了不小的問題。

另外，學校的練習項目在面試官看來只能稱為一個模塊，是toys。真正吸引他們的工業級項目需要：

具備比較大的規模

非常完整

使用的技術棧是行業主流

達到足夠的技術深度

簡歷方向與職位匹配

同學們雖然有顆上進的心，但因為沒機會接觸到一些質量高、對自己找工作有益的項目，在簡歷關就被大廠拒之門外。

沒有關係，12月11日數據科學求職旗艦課重磅升級，3+9個工業級深度項目任君選擇！

具備多年豐富工作經驗的Noah老師，將以工業界眼光，從面試官角度手把手的帶大家做項目，從無到有全面提升簡歷質量和面試能力！

如果對時間及項目有特殊需求的同學，也可以關注一下VIP定製課，業內精英導師團隊將根據學員自身情況定制課程、定製項目，全程1v1授課，幫助你迅速彌補求職上的不足！

掃碼添加小助手，了解課程詳情

還能匹配專業面試官

免費來一場說走就走的個人求職分析~

上面說的全是技術相關，最後老生常談，叨叨一下social skills。

近年來，公司對同學們的交流能力提出更高要求。

一些HM甚至會直接問面試官："只要告訴我，你們願不願意和這個人以後一起工作就行"。

不要小瞧social skills， 有時候一句話就能讓面試功虧一簣。

舉個面試官反饋的真實案例：

他隨口問參加面試的轉專業學生，你不是CS專業的是麼。

結果被懟「我認為面試應該把重點放在我的技能上，而不是我的學位上」。

可想而知，給了Red flag。

除了technical的技術考核及簡歷準備外，面試技能還包括揣測面試官心理，引導面試官問題，題目解讀，答案講解及討論，BQ軟技能，薪資談判以及選組等，而這些恰恰都是同學們一貫忽略的面試死角。

距離春招不到兩個月，這麼多內容該如何準備？重點應放在哪裡？又該如何分配時間衝刺？

簡歷修改、實習背景、項目準備、面試技巧、薪資談判… …任何一個環節出問題都會讓上岸成為空談。

大廠資深工程師/數據科學家，依個人情況為你量身制定學習計劃，在系統化的學習裡，只需跟隨計劃，便可在不知覺中達到FLAG onsite水平！

直通矽谷70%的學生都是非科班出身，他們有些自始至終都沒在學校報過相關課程。

即使非科班出身、編碼能力較弱，通過直通矽谷的學習，也可以爭取科技大廠offer。

我們鄭重承諾拿不到offer退款！

服務周期整整一年，有問必答！

3000+一線offer足以證明實力，科技求職——就是這麼簡單！

直通矽谷擁有數百名來自Apple、Microsoft、Google等一線科技大廠的資深面試官，深諳各大公司行為面試套路，可以幫助大家高效備考！

如果你也想得到目標公司面試官的指導，掃碼添加小助手匹配你的專屬HR，獲得免費求職諮詢了解更多課程詳情！

鄭重聲明：為避免行業亂象帶來的誤導，以下截圖及信息為完全真實信息，直通矽谷願意為此承擔法律責任。

 5位一線面試官+1位教授，歷經5年合力打造旗艦課程：

Jerry：Google資深面試官；Fred：LinkedIn資深面試官；Charlie：Google資深面試官；Lancelot：LinkedIn資深面試官；Jason：Amazon資深面試官；利物浦大學博士生導師審核，知識模塊系統全面，技術含量近乎飽和，貼近面試趨勢，課程結構，教學方式，根據實時職場面試變化，不斷升級；

學練結合，掃平面試死角；顯著提升求職準備效率。

 精心選拔技術實力，授課經驗豐富的主講老師：

Fred、Lancelot、Charlie老師主講，作為求職者，一馬平川，曾斬獲各大科技公司offer；作為面試官，身經百戰，深知面試官套路；作為主講老師，融會貫通，庖丁解牛層層深入，歷屆學員好評如潮。

 全方位答疑，涵蓋求職各個方面：

專業助教24小時答疑，問題講解細緻入微：作業有疑惑？刷題總犯卡？解題不清晰？代碼有錯誤？助教老師都會為你全面解答。

導師集中追蹤，為求職保駕護航：網申過程中如何填寫？與HR溝通如何回覆郵件？offer談判過程中如何佔據主導地位？選擇哪個項目組未來發展空間更大？學員求職過程中所有問題不用擔心去哪裡找老師，去跟誰諮詢，所有服務老師集中諮詢，隨時、快速幫助學員解答。

心理疏導，幫助學員解壓：求職準備過程中，同學們既要完成學校的課業，又要拼盡全力投遞簡歷、刷題備戰、一次一次面試考核，壓力可想而知，及時的疏導和打氣，能夠幫助同學們克服心理障礙和精神壓力，任何苦楚都可以隨時跟老師傾訴，求職中全程陪跑的老師最了解你的痛苦，也最知道如何幫你解壓。

 配套服務：

不限次數簡歷修改+項目諮詢：簡歷是求職的敲門磚，其重要性不言而喻，沒有競爭力的簡歷很難拿到面試機會，每位同學的簡歷我們都會有專門老師仔細修改5~7輪，並且會對其中的項目及工作經歷進行迭代指導，反覆修改直到滿足我們的要求為止。我們的要求會嚴格參考行業要求而定。

每份簡歷，老師都會詳細批註如何修改，項目內容如何迭代，提出儘可能多的方向讓同學們進行選擇和優化，下圖是批註過的兩份不同簡歷：

註：紅色部分為修改批註部分。

20h+模擬面試+名企內推：模擬面試是熟悉面試流程，摸索麵試官套路的關鍵環節，除了解題能力、技能強度，在面試中，面試官同樣注重求職者的思維方式，溝通技巧和表達能力，通過模擬面試和現場反饋，多個巨頭公司直播模擬面試，教會同學們如何在面試中佔據主動權。通過多點聯合內推，幫助同學們拿到更多面試機會。

求職文書資料：四年積累資料庫，包含求職文書模板、面經資料、BQ資料等，讓同學在求職的前、中、後期大大節省資料搜集時間。

 課程成果：

經過長期迭代的課程升級，配套服務的不斷完善，直通矽谷歷屆學員課程好評率均在90%以上，offer成功率90%以上，累計幫助學員拿到3000+offer。據統計，通過系統的學習和準備，按照老師的指導方式去準備，學員求職準備效率提升近2倍，大大節省了準備時間。

學員經歷：學員就讀的學校CS專業全美排名75，學校綜合排名全美129。學員GPA尚可，但在求職方面接收到的信息極為有限，對北美科技公司行業相關信息了解甚少。簡歷中雖然項目較多，但大部分均為學校的homework，不具備工業屬性，且項目描述深度不夠。

該學員通過課程的學習，對於計算機工程師求職面試考核範圍有了全面的認識，尤其在動態規劃方面，該學員在此之前對此類型題目的解決較為模糊，思路不夠清晰。在課程中，老師通過由易到難的題目分析，不斷強化動態規劃題目與遞歸的聯繫與區別，並分析清楚算法以及面試時的思考模式，使得該學員在此類型題目的解決能力大大提升。關於系統設計方面，也進行了深入淺出的講解，使得該同學的面試能力得到了系統的提高。

在顧問老師的幫助下，該學員先後進行了多輪一對一簡歷修改。針對學員的情況，導師挑選簡歷中比較好的項目進行深度優化和學習，針對每個項目的描述進行詳細的改寫，使得該學員簡歷份量大大提高。在職位申請的整個過程中，導師及時了解學員的問題，針對學員的具體情況，給出指導，幫助學員完成一系列職位的申請，與HR的溝通等等。

學員在斬獲了ViaSat的offer之後，本已接受offer準備入職，但在導師的督促下，仍然繼續堅持準備，最終斬獲Facebook offer。在offer negotiation階段，與導師商量對策，最後成功進入Facebook並拿到豐厚package。

學員經歷：絕大多數正在準備求職的學員，都會覺得在準備過程中，只要「使勁」刷題，把LeetCode題目反覆刷就可以了，所以很多同學開始了日復一日、周而復始的刷題，那麼刷題真的這麼管用嗎？

刷題當然有用，但對於面試而言，刷題是必要條件，而絕非充分條件。在求職準備過程中，我們之所以不提倡盲目刷題，原因有二：一是目前LeetCode題目數量太多，只用刷題來準備面試，時間成本過高，而且只有少數學員，能夠把題真正「刷透」，做到針對各個細分知識模塊舉一反三；二是因為在整個技術面試過程中，能夠準確解題並不一定能夠保證面試通過。基礎知識的QA問答，面向對象與模式設計，系統設計，做完題目的講解，與面試官之間的溝通技巧，回答Behavior Question的軟技能水平，面試節奏的把控等，也是決定面試成功不可缺少的因素。

該名學員在諮詢過程中，也曾想過，我就學習一個刷題訓練課就可以了，但經過顧問老師的綜合評估，該名學員的簡歷內容針對性不夠強，簡歷項目方向比較單一且深度不夠，對於求職面試的算法與數據結構，作業系統以及系統設計等知識掌握也並不夠全面，出於全面準備的考慮，該名學員最終報名了軟體工程師求職提高旗艦課。

在提高班課程學習期間，該名學員的學習態度一直非常積極，有任何不明白的內容，都能夠隨時與老師溝通，除了能夠完成老師布置的必做作業之外，還會花費時間完成選做作業，自我練習。通過課程學習，在短短兩個月時間，對於求職面試的內容便已有了較為全面的掌握。

求職期間，該學員也與老師保持著極好的互動，從企業的招聘情況到預約面試的熱身準備，到面試經過的經驗總結，再到面試後期的offer跟蹤、談判、選組。求職過程中的任何決策及問題，都與老師積極協商。

在諮詢老師的幫助下，先後多次進行簡歷修改，調整簡歷內容，對原有的全棧及機器學習項目進行深挖改造，使簡歷更加符合工業界要求，減小簡歷與工業界技能的gap。通過直通矽谷內推拿到多個面試，斬獲多個offer，並最終選擇面試難度高，通過率非常低的LinkedIn offer。

學員經歷：本科和研究生均為土木工程專業，純轉專業學員，參與直通矽谷課程前，無任何科技公司面試經驗，無任何數據結構與算法，OOP，OS及system design的知識積累，對計算機軟體工程師方向求職知之甚少。曾參與少許AI項目開發，簡歷較弱，項目深度一般，沒有開發工業項目經驗，但對計算機視覺與人工智慧方向非常感興趣，未來想進入到自動駕駛，或其他以計算機視覺為基礎的人工智慧領域工作。

參與直通矽谷的軟體工程師求職旗艦課及計算機視覺方向VIP專向定製項目開發課程後，系統的學習了軟體工程師求職的面試知識體系，訓練題目300餘道，面經100+，OOP，OS等大量考點總結，System design的系統化答題技巧。同時，由VIP老師規劃求職方向，增加簡歷中的項目深度，學習了3D計算機視覺的實時相機系統開發，了解整體系統架構及設計模式。同時系統的學習了相機校正，雙目視覺及結構光算法的原理及實現。在公認的面試難度很高的自動駕駛公司Pony.ai中輕鬆斬獲offer，隨後又在Facebook等多家知名公司中拿到offer，首年package 22+萬美金年薪，因為簡歷項目側重AI及視覺，成功破例分到相應領域，完美實現職場新人的目標。

該學員在學習過程中，最大的優點就是不懂就問，善於在老師提出問題後自我思考並且能切實自己動手解決問題。而不是只聽不練，因此轉專業求職準備不到一年，便很快具備了能夠進入到超一線科技公司的實力。即便拿到offer之後，仍然保持著積極求學的態度！

更多offer故事：http://www.zhitongguigu.com/offergs-202