春招那些事——数据分析/数据仓库(字节、猿辅导等)
21届渣硕985,目标是互联网的数据分析,也投递了金融/银行行业的数据分析及相关岗位。之前有过几份大厂小厂的实习经历,都是数据分析岗。最终offer为字节的数据仓库(实习转岗),所以本篇面经更加适合数据分析,但是准备过程是通用的。

想通过这篇帖子简单回顾一下自己的求职历程。

求职历程

先聊聊秋招吧~,秋招非常的惨,虽然当时已经有几份实习了,但是面试机会非常少(可能没有把老铁厂的实习经历写上),只有PDD完成hr面但凉,正式offer只拿到一个非互联网公司的但是拒了。

总的来说,就是1.笔试准备不充分(知识点没有好好准备),2.简历未能突出特点,3.面经刷的不够,被笔试面试倒逼着学习。在数据分析这个岗位,卷中卷,不会点算法,不了解业务知识只会狗带~,另外还有一个很大的问题,没有做一个清晰的投递详情记录,以至于后面是否递过、何时投递已经记不清楚了。

再聊聊春招吧~,在春招开始前离开老铁厂这个让我uncomfortable的地方,去了字节实习,当时很希望能转正留下来,但是没有放弃看看其他机会。

春招数据分析的坑就更少了,有些大厂基本不开设岗位,开设的大厂基本只有1个hc,所以,如果你真的不想被卷到最后,秋招一定要好好努力~。春招投递的比较早,3月初就开始从boss直聘上投递岗位,后面陆陆续续在牛客、大厂官网和boss直聘上继续寻找机会。

先说一下春招结果,因为大佬们已经秋招拿到了满意的offer不咋会参与竞争,所以相对来说结果比较好,拿到了5家的offer(不包括携程hr面后无消息,便利蜂因为面试官的问题直接放弃加面和offer),薪资都还可以,但是我还是想等字节和后面更好的机会,所以前面逼签的都拒了。

放弃笔试的公司基本是银行、游戏类(因为没有好好准备)和小厂,这里要说春招的另一大特点:很多公司不用参加笔试直接面试。

春招做了哪些准备:

1.简历,如何用简短的文字突出工作的特点,比如这个工作的原因、用到的方法、产出的结果、有什么价值。


举个例子:在进行XX看板的数据监控时发现XX数据异常(背景/原因),进行异常归因后对此次问题进行了专项分析(希望产出的结果)。利用漏斗分析、XX方法、XX方法发现XX结论(运用的方法),并将结果整理为文档/看板(最终的实质性结果),降低产品运营同学的时间成本和技术难度(分析的意义)。(随便写的例子,但是是这个意思)

2.将工作内容梳理为思维导图(强烈推荐!)

通过这个方式一方面可以帮助你确定简历中如何写,另外一方面,面试中经常会针对你的工作内容提问,那思维导图就提前把你的工作详细且简短的回顾了一下,防止面试官提问的时候突然忘记当时怎么做的。这里加入【反思与总结】,我只要是记录工作中学习到了什么方法(SQL方法和分析方法)、当时有什么想法和应该怎么做/为什么不这么做。


3.刷面经!刷面经!刷面经!

不同公司的面试风格不太一样,比如猿辅导偏重统计学知识和SQL能力,其他公司主要还是简历面。如果有当期热乎的面经最好,没有的话可以查看其他时候春招/秋招的面经了解风格和大致方向。


这里根据被问到的相关内容的频次,从高到低罗列问题,不区分公司

1.AB实验(因为多段实习中都有提及)
(1)AB实验的原理——假设检验
(2)如何设计一个AB实验(一般采用的提问方式是:我想在想做一个活动来检验效果)
预测实验所需样本量——功效分析、实验指标、如何检验效果
(3)比较难的
A.如果我现在用户量很少不支持AB实验怎么办?
B.双重差分
C.实验分流如何设计

2.异动归因(数据分析常考问题)

提问方式:XX指标出现异常了,你要怎么做?
说一下我的思路吧~(个人思路,不喜勿喷)
第一步:检查数据的准确性,是否是计算错误或者SQL代码
第二步:观察指标的时间特性。一方面对XX指标进行同/环比分析,另一方面判断数据本身是否具有周期性、季节性
第三步:以某个角度出发拆分维度,比如用户维度,拆分新用户、老用户等,观察异常来自哪个维度,不断进行维度下钻。
(或者假设某个维度出现问题,通过数据验证是否现在与之前有显著不同)
第四步:尝试定位数据的异常是否来自于某个活动或者功能的改变
第五步:竞品分析,以上都是内部归因,通过竞品分析一方面了解整体行业的情况,另一方面了解我们在整个行业的份额是否发生了变化。

3.SQL题

问题:(1)第n天留存(2)连续发生某个事情(3)结合业务背景(这个里面有的很难,因为你对业务了解不透的时候有些东西是不知道加限制的)
知识点:row_number/dense_rank/rank/lead/lag/split/正则化,总体来说窗口函数要学会,从原理上就要明白为什么会有窗口函数,比如窗口函数和聚合函数有什么本质不同呢?

4.简历面

每次面试都有但是没放在第一位,是因为这个东西不可控。说几个注意点:
(1)你为什么这么做,你这么做有什么问题。比如为什么要做漏斗分析?
(2)涉及算法或者聚类、因子分析等,需要掌握原理,面试官可能会问为什么要用决策树而不是逻辑回归呢?你能不能讲讲决策树的原理和剪枝呢?
(3)常规问题:你遇到过什么问题、怎么解决的?你学到了什么知识、有什么提升?

5.统计学知识

(1)n种分布使用场景、期望,提问方式可能是:某个情景再次出现至少要等多少天,blabla~,所以首先要判断情景对应的分布,然后判断要求的是什么,期望?概率?
(2)非参数检验
(3)聚类分析/因子分析/主成分分析

6.智力题

这个很难控,但是如果其他都表现不错,智力题没回答出来也不会有很大影响。⚠️注意,面试官要看思路,如果有想法就说出来,如果啥都不说一定没戏,说了面试官还能想办法引导你去思考。

7.数据仓库(数据建模)

(1)维度建模、范式建模
(2)知识点:数据烟囱、星型模型、雪花模型
(3)如何设计
(4)数据质量问题

8.其他问题

(1)你认为数据分析师应该有的三个特点
(2)说说你认为的数据分析师
(3)你觉得你和其他竞争者相比有哪些优势(多出现在hr面)


简短回顾我的求职,也希望对你有帮助。总体来说,一定要有相关实习经历和充分的准备。
如果你喜欢这篇文章可以点赞收藏哦~

------------------------------------分界线---------------------------
有的小伙伴可能没有数据分析等相关方面的实习经历,也不太了解需要职业特点和所需具体知识储备,那么了解到牛客自己有个数据分析集训营,里面有两个可以写到简历里的项目(一个自己完成,一个老师带着实操)。如果想要快速了解并上手,可以关注一下这个课程,系统性地学习一下。链接如下:https://www.nowcoder.com/courses/cover/live/641
btw:个人觉得还是要有一两个可以拿得出手的项目,这样在简历筛选中有很大优势。知识的积累在面试环节会有体现。

#面经##校招##字节跳动##猿辅导##数据分析师#

注意!此信息未认证,请谨慎判断信息的真实性!

全部评论
空

相关内容推荐

头像
点赞 评论 收藏
转发
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像 头像
点赞 评论 收藏
转发
头像 头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像
点赞 评论 收藏
转发
头像 头像
点赞 评论 收藏
转发
头像 头像
点赞 评论 收藏
转发
57 398 评论
分享

全站热榜

正在热议