數據分析師成功面試進入大廠的經歷分享

2021-02-21 矽谷幫

經過小半年漫長又折磨人的求職過程,終於在收到EAD卡的當天上岸了。

背景:應用數學博士New Grad + 一段DA實習經歷 + 一段遠程DS實習經歷

漂流時間:2020八月 - 2020十月 (2020一月-二月找了一陣,但是因為接了個感興趣的實習,後來又畢業答辯就耽擱了)

一句話總結上岸秘訣:要勇於在戰爭中學習戰爭。

疫情期間找工作有多不易我不想贅述了。我開始找工作的時候剛好是各公司剛裁員的時候,那時真是每天目送著無數的努力和希望石沉大海。最近市場漸漸回暖了,筆者也終於乘著小風劃著小槳上了岸。最開心的是在這種情況依然堅持了初心,選擇冒險去拼一把喜歡的公司和職位。過程很漫長,崩潰很經常,結果很美滿,希望我的經歷可以小小地幫助到你。

一、面試情況篇~

我這次的面試情況:

海投+內推:> 100家
店面:粉家(過),狗家(過),果家(過),富國(過),唯一理我的start up是Root家(過),臉家(掛),屁家(掛),軟家(還沒出結果)
Homework:粉車(過),Root(沒出結果)
Onsite:粉車(五輪過),果家(十輪feedback positive,要求加一輪HW,我拒絕),狗家(五輪掛),富國(忘了幾輪了,掛),戴森(因為公司離得近直接給了昂賽,掛),實習公司的嵌入式軟體開發組拋橄欖枝(不合適,掛)
註:其中除了果家和屁家是MLE職位,實習的公司是Embedded SWE職位,其他都是DS職位,有的是NG職位有的不是。
再註:富國和戴森是年初1-2月面的,其他是在8-10月之間。

總結:
1. NG申小廠真的不吃香。小廠更喜歡有經驗的
2. 我只有粉家狗家和臉家是內推,所以只要簡歷寫得好,海投還是會有結果的。
3. 地裡位置有時也很重要,比如戴森直接給我昂賽,比如唯一理我的start up在我隔壁州。


二、面試準備篇~~

即使職位都叫Data Scientist,但其實具體內容可以有N個不同的方向。每個方向要考察的內容也不同。最好的情況當然是認準一個方向準備,可以通過看JD,和recruiter溝通,或者在第一輪面試結尾和面試官溝通來判斷職位是否適合你。
But,由於疫情的影響,這段時間真的沒有那麼多坑可以選擇,所以我面試時其實是來者不拒的,從偏向AB testing的,到偏向Algorithm的,到SWE、MLE只要有機會我都上。雖然多準備了一些東西(比如刷題可能要Python一遍C++一遍),但這樣可以幫助保持一個好的面試狀態,並且磨鍊BQ的面試經驗。


根據面試流程說一些我認為在準備面試時比較重要的地方。
1. 簡歷一定要突出你和職位的match程度,不相關的成果獎項都沒必要放,相關的一定要往細了往多了寫。我的簡歷也不是一開始就好使,也是一點點慢慢改。然後一旦開始收到interview了,我就不再花時間在簡歷上了。
2. 對簡歷上的每一個字都最好能講上一分鐘。既然公司是通過你的簡歷決定給你面試機會的,這時你所需要做的其實就是證明你正如你簡歷上描述得一樣」優秀「。相反地,如果被簡歷上的內容問住了,或表現得不熟悉,將會是一個非常極其特別減分的點。
3. 多學習其他人的面試經驗

4. 有一些公司在面試前會有很詳細的guide,有一些沒有,還有一些會故意告你錯的方向。我的建議是如果是general hiring並且有很正式的prep doc,就按照要求好好準備,如果是組招或者是從recruiter嘴裡問出來的,自己多加斟酌。
5. 昂賽很累,前後兩天能不安排重要的事就別安排。但昂賽前兩三天可以安排幾個店面帶帶節奏。
6. 昂賽時面一輪忘一輪,千萬別想之前的表現,影響了後面的表現。
7. 每一輪面完都要及時復盤,直視面試中的錯誤和尷尬。等你發現你寫下來的條目越來越少,最後只剩下這次都還不錯的時候,offer就離你不遠了。
8. 面完昂賽不要數花瓣,就當它掛了,好好準備下一個面試。
還有一個眾所周知的技巧就是把想去的公司排在最後。但是由於疫情的原因(那會兒只有狗家active)我第一個昂賽就是狗家。雖然很遺憾,但也在短時間內學到了非常多的東西,讓我對之後的面試有了更多的信心。所以如果你也一上來就接到了dream company的面試,不要怕,面就完事。面完記得好好總結。


三、面試內容篇~~~

DS一般可以分為側重模型和側重分析兩個方向, 當然不同公司還會有更多更細緻的方向。我自己是主攻模型方向,但在面試過程中也會被問道很多分析方向的知識,比如AB testing和case study。雖然佔比不大,但也是絕對不能忽視的。

說一下我最了解的DS模型方向一個大概的準備內容和方式。

1. ML基礎知識
這個必須紮實。你也許會看到prep doc上寫著,建議你回去讀讀你的ML101 textbook。但其實,你應該去讀讀《ML 101問》。當然了,並不真的存在這麼一本書,我的意思是,在準備ML基礎知識時,要以回答問題的形式來準備。比如,如果問題是How to deal with imbalanced data?你要從何講起,怎麼講。再比如要你解釋NN的原理,你第一句說什麼。諸如此類。谷歌machine learning interview questions既可。

2. 概率基礎知識
這個就真的要看textbook了,還要多做做textbook上的題。我在學校用的書是《A first course in probability》,這本書也是狗家在他們的unofficial DS blog裡推薦的面試複習用書,對自己概率沒信心的必看,看完秒殺概率輪。

3. Coding能力。
就是刷Leetcode。如果你不面engineer職位就不用想我一樣刷兩種語言了。Python足以走天下,包括MLE職位。我面過的公司裡只有狗家對DS沒有算法要求,其他則要求是LC medium的水平。MLE會要求Medium-Hard水平。
關於刷題的方法我一度受到某些前輩影響選擇直接看答案,但後來發現這個方法也許適合他,但絕不適合我。我現在堅持看到新題一定要自己認真寫一遍,再去看hint,再自己優化,最後看答案。
還有一個我經常做的事就是開著攝像頭(比如Zoom)做題,這樣就很有面試的感覺,注意力也更集中。
刷題的時候經常看的是花花醬的視頻和博客:https://zxi.mytechroad.com/blog/ 
還有一個是Grandyang的博客,他用的程式語言好像只有C++,但他的思路描述都寫得比較逗:https://www.cnblogs.com/grandyang/

4. A/B Testing知識
我相信udacity的課你們都看過了把。看完Udacity,該有的知識你就都有了,但Udacity沒教面試時該怎麼回答問題。

對於面試裡的A/B testing,我覺得比知識更重要的是答題的思路。這個真的只有多面幾次,多復盤幾次,才能在面試的氣氛中做出正確的反應,問出正確的問題,不然很容易jump into conclusion。
我的辦法和建議是找個朋友,懂AB的更好,讓他幫你mock幾次,形成固定的答題思路。這樣在正式的面試中才更能專注於題目本身,而不是分心去想該問哪一類問題了。
A/B題裡絕不會缺席的一個部分就是找metric。我一般會在StellarPeers上搜索公司名字或相似業務來找靈感。https://stellarpeers.com/blog/

5. Case Study
有一些公司會非常在意candidate的business sense,包括A/B testing其實也可以被歸類為一種Case study。
這些題通常都是open ended,所以此時你的答題的思路的重要性會大於你最終答案的重要性。(如果你聽過喜馬拉雅上那個LOMS Consulting Case Interview,你就知道思路這件事的重要性)
關於具體的答題套路我也不是專家,但有幾個點你一定不能miss掉。第一是上來一定要問business goal,不然後面全白搭;第二是答案一定要organized,不要東一句西一句讓人摸不著頭腦,最好在開頭把你的答題框架說出;第三是從一個點講到下一個點的時候一定要有銜接,讓人知道你思路的連貫性和因果關係。做到這三點,再加一個總結,你這輪就穩了一半。
準備Case的時候我在亞馬遜上買了好幾本書,後來他們都寄丟了。。。所以我只看了《Cracking the PM interview》聽了 LOMS Consulting Case Interview,感覺前者對BQ幫助更大,後者才真的讓我的Case提高了一個層次。

6. BQ
BQ就是用眾所周知的STAR格式講故事。建議至少準備6個例子,兩個關於衝突的,兩個關於失敗的,兩個關於leadership的。其他的當然多多益善。上面提到的《Cracking the PM interview》會對梳理和準備例子很有幫助。

7. SQL
我準備了,但是沒被考到過。
準備方式就是刷SQLZOO刷Leetcode刷HackerRank。
雖然沒考,但SQL絕對是DS的基本技能。實際上,會SQL不只是為了面試,更是為了日後的工作效率。本來30分鐘能讀完的數據,小白的寫法就是能給讀成50小時。你說重不重要。

8. 簡歷上的項目
據我粗略的統計,每一輪面試都有大約0.5的概率被問到簡歷上的項目。所以一定要把它們講得滾瓜爛熟,聲情並茂,繪聲繪色,不明覺厲……。當然還是要給面試官講明白來龍去脈,並且強調impact,比如有多少多少人現在正在用你做的東西就是一個很抓人的點。
如果沒有impact很大的項目,就努力打一個出色的Kaggle排名,也會讓你在面試官面前散發光芒。

面試內容大概就是這些了,嗯~

四、面試心態篇~~~~

就像我在開頭說的,找工作的過程是漫長的,崩潰是經常的。據我老公觀察記錄,我在每個面試前24小時都會有一次或大到哭著打滾,或小到喋喋不休的焦慮舉動。此舉動會在面試結束後自然消失。但崩潰,它也是會進化的。我在面狗家昂賽前,感覺複習不完了,是躺在沙發上哇哇哭了半小時。直到準備粉車面試的時候,是一邊坐在電腦前準備的BQ答案,一邊就哭完了,啥也沒耽誤。  

所以朋友們,有壓力不怕,崩潰也不怕,崩潰說明你在突破自我,崩的都是困住你的銅牆鐵壁,我們就是要使勁崩它,崩飛它。

關於心態還有一點想說的就是,不要害怕面對能力以外的挑戰,不要輕易放棄任何一個機會。我年初剛開始找工作的時候,拒絕了三四個面試機會,因為我覺得我的能力還達不到,怕尷尬,怕出醜。但後來我覺得這樣不行,越是困難我越要上,要在戰爭中學習戰爭!於是投了很多MLE的職位來鍛鍊自己的Coding技巧。屁家我面了兩次,都很尷尬,但每次面完我都感覺自己進步了一大截。可以說不在屁家丟臉,我絕不可能在果家MLE走到那麼後面。

早點犯錯就可以早點集齊缺點,改正不足。所以就勇敢地面吧,面好了當時爽,面不好下次爽。


本文源自一畝三分地

相關焦點

  • 成功轉行字節跳動數據分析師,月薪30k+,這幾點經驗分享給你!
    從一個什麼都不懂的小白,到現在字節跳動的高級數據分析師,月薪30k+,我用了大概1年半的時間,在這裡想給大家分享一下我的轉行經歷,希望能有一些幫助。先說一些個人背景,本科是商科相關,非計算機非統計學,轉行前從事諮詢相關的工作。和大家一樣,我也曾度過一段職業迷茫期,在不滿意的工作中掙扎。
  • 零基礎轉行數據分析師是怎樣的體驗?
    這篇文章是根據將之前自己的知乎問答結合自己入職後的體驗進行修改分享給大家,如果有意轉行做數據分析師的進攻參考。這裡的數據分析師定位於偏業務的數據分析師,不談高大上算法和數倉之類的數據分析師。講這個之前還是要潑潑冷水,現在數據分析師的崗位被一些培訓機構炒的太熱,導致很多人被忽悠進這個行業。
  • 學「土木工程」,能做數據分析師嗎?
    你是否動過轉行數據分析的心思呢?今天來分享一個不相關專業的轉行經驗,看看專業不相關如何敲開數據分析的大門!文中更有9.9元求職訓練營,掃描文中任意二維碼添加好友都可報名!成就你的數據分析第一步,交給我們,沒問題!
  • 不想跑數了,數據分析師的前途在哪裡?
    這兩天面試了幾個數據分析崗的候選人,結果一個都沒錄用,感觸頗深。這幾個候選人大都幹了好今年的數據崗,結果一問經歷,不是只會跑數,就是只會做表,做過的項目寥寥無幾。但我這個崗位基本要求是要有至少兩個完整項目經驗。
  • 面試大數據分析師,你需要掌握的基礎技術棧.
    本文主要面向的讀者是在校計算機/軟體相關專業想踏足大數據領域尋找相關實習機會的學生,以及剛工作1-2年想轉大數據方向的同學。
  • 數據分析師面試最常見的十道面試題分享!
    以下是容大教育小編日常整理的數據分析師面試時經常遇到的十道數據分析面試題,下面讓我們一起看看數據分析師面試最常見的十道面試題:1、海量日誌數據,提取出某日訪問百度次數最多的那個IP首先是這一天,並且是訪問百度的日誌中的IP取出來,逐個寫入到一個大文件中。
  • 人大師兄:半年0基礎轉行數據分析師,薪資翻3倍,我做對了什麼?
    大四畢業,錯過考研、春招失利、放棄大廠……基本你能想到的錯過,我都遇到了。時光荏苒,再回想,已是兩年後。現在的我,已成功轉行成為了一名數據分析師。從0基礎月薪6k的運營,半年準備轉行,到月薪18k的數據分析師,差不多用了2年的時間。這2年,見證了自己的成長,也見證了數據分析人才需求的井噴式增長。
  • 實習經歷很菜鳥,要怎麼去大廠?
    【索沃內推】:提供留學申請、工作求職、背景提升一站式解決方案,指導過近千名學生成功求職,以內推形式幫助百名學生進入投行、券商、諮詢、四大、快消等。關注公眾號:【索沃內推】。查看券商、投行部(IBD)、研究所(行研)、證券、基金、VC、PE、四大、MBB諮詢最新可內推實習崗位List。
  • 談談數據分析師11w月薪背後的邏輯(附送資料~)
    這也是為什麼,大廠的高薪數據分析崗不僅要求精通各類數據工具,還要求有完整的項目經驗、能快速分析數據異動的原因、能應對複雜的業務決策。今天,給愛學習的大家送一份免費且全面的資料包——《數據分析秘籍:面試+技能提升》,身邊認真學習後進大廠、拿高薪的朋友比比皆是!
  • 3個月0基礎轉型頭條數據分析師,他做對了什麼?
    年初的黑天鵝打亂了我的求職陣腳,專業不對口,無實習經驗,在求職路上的競爭優勢幾乎為0,然而,開啟自救模式後,我順利成為了頭條數據分析師,下面我就講講人生是怎麼開掛的。當機立斷,我決定學數據分析。可是從來沒學過數據分析,我真的適合學嗎?要怎麼入門?就在這時,我遇到了CSDN小姐姐,她送我學習路線圖+入門課程資料+大廠面試高頻題+線上直播課學習,這些資料足夠測試我是否適合學數據分析!
  • 「我,從0經驗找大廠實習,到秋招拿下字節跳動SP offer,都經歷了什麼?」
    我面試的那天人數實在是太多了,我的4輪面試從早晨9點一直持續到了下午5點(不得不說真的蠻辛苦),不過面試到最後自己也慢慢進入狀態了,和面試官溝通的也越來越自然,沒有那麼緊張了。我參加秋招時最大的感受是幾乎沒有面試官去care我的績點高不高,拿沒拿獎學金,都是在問我之前的實習經歷,以及在之前的工作中遇到問題我是怎麼處理的。這就要求去參加校招的同學需要有相對豐富的實習經歷才能在面試中不至於「無話可說」。最後,作為一個過來人,我想借offer先生的平臺,給學弟學妹分享點經驗與祝福!
  • 面試網絡公司大廠都會被問到哪些問題
    提到找工作一定離不開面試,而大廠的面試對於有些人來說很容易,對於有些人來說卻很難,那麼如何才能得心應手地應對大廠面試呢?知己知彼,百戰不殆兵法有雲,知己知彼,才能從容獲勝。我們要想應對大廠的面試,首先應該知道的就是大廠面試會問哪些問題,我們對應準備才能得心應手。
  • 二本本科生如何才能進入騰訊、阿里、百度這些大廠?
    編輯導語:我們都知道一些大廠需要一定的門檻才可以進去,但在面試上以及實習中下功夫,有經驗以及自己的目標,也可以在面試中脫穎而出;本文作者分享了關於二本本科生進入大廠的一些問題以及解決方法,我們一起來學習一下吧。正值校招季,前段時間在知乎上回答了這個問題:一個二本本科生如何才能進入騰訊、案例、百度這些大廠?
  • 獨一份,BAT一線大廠面試題整理,看看Java大牛們的通行證
    市面上有許多Java大牛們分享了自己進入BAT等一線大廠的面試題,看過去每個面試分享都乾貨滿滿,但如果想查閱單個知識點的面試題或者想專攻某方面的面試卻難免有一定的麻煩。於是乎,小編花時間在網上翻遍各位Java大牛的大廠面試經歷,按技術點細分整理了下面這些面試專題文檔。
  • 一個二本本科生如何才能進入騰訊,阿里,百度這些大廠?
    非常多的雙非、或者條件不如雙非的同學,卻依然有一顆想要進入大廠的夢想。該放棄夢想嗎?該如何努力進入大廠呢?今天以一些同學的親身經歷為案例向大家介紹一下進入大廠的必備技能——案例1:大三廣告學在讀,大二的寒假和暑假都在字節跳動實習第一、你需要的是進入大廠的敲門磚——簡歷,簡歷是十分重要的,因為簡歷是hr了解你的首樣東西,也是你展現你能力的一種表現形式。
  • Vue 和 React 大廠面試通關指南.pdf
    他是自學轉行,擁有從0到1的寶貴經驗,加上他有從小廠跳到大廠的經歷,所以他有很多學習和面試方面的心得,這些都會融入到他的課程中。在課上,他還會給大家分享從剛轉行月薪2K到2016年月薪40K的前端進階之路。
  • 一畢業就拿到數據分析師和商業分析師全職offer,她比同班同學少走了多少彎路
    我在今年2月初完成了PHD Media的初輪電面,之後一周內完成了和hiring manager團隊3位成員的面試,隨後就拿到了PHD Media的數據分析師Offer(Data Analyst)。正因為這家公司的產品是數位化營銷解決方案,因此我覺得我的營銷組合建模的經歷和他們的行業特別匹配。我拿到的offer是這家公司的商業智能分析師。面試的第一輪就是做10道計算題,計算一些ROI還有考察一些統計知識。
  • 有了這份攻略,再也不怕數據分析面試了!
    今天,我就給大家分享一下,我珍藏多年的數據分析面試秘籍!1問題篇任何面試,最逃不開的是自我介紹。根據你的經歷,面試官也會針對性地問相關的問題,如某一段項目的情況,你的角色是什麼,結果如何等等。自我介紹的重點是在最短的時間突出自己的項目經歷和技術水平,但也不用過於詳細,留給面試官問問題的空間。下面是一些大廠常見的面試問題,大家可以自查一下,有個心理預期。
  • 最新廖雪峰Python數據分析教程免費分享!
    這也是為什麼,大廠的高薪數據分析崗不僅要求精通各類數據工具,還要求有完整的項目經驗、能快速分析數據異動的原因、能應對複雜的業務決策。今天,給愛學習的大家送一份免費且全面的資料包——《數據分析秘籍:面試+技能提升》,身邊認真學習後進大廠、拿高薪的朋友比比皆是!
  • 【校友風採】崔嘉琪:PayPal商業分析師
    Offer:PayPal - 商業分析師(Business Analyst)Z:你能給我們分享一下你的求職時間線嗎?C:我們項目的時間是一年,所以一般情況下我們都會在春季3月份到畢業一兩個月以後找到工作,而秋招的崗位往往不多。