秋招时说过校招结束后，编写面经分享给大家，奈何拖延症🤣🤣🤣。现在终于闲下来复盘一下。     背景：双非本+211硕，本硕应用统计专业（只谈offer经验，不谈背景就是耍流氓。我这教育背景在数分下实在是low）                京东日常--数据运营实习经历（2021.5～2021.6)，顺丰科技暑期实习--大数据挖掘与分析实习（2021.7～2021.9）    实习情况：京东实习偏向于业务，主要用的是 sql+excel（实习薪资3300+500🤣）。顺丰实习偏向于技术算法，主要用的是 sql+python（实习薪资8000+21餐补/day）     秋招情况： 数分真的很卷，但是如果有两段数分的实习还是比较好拿到offer的。     本人投递时间：8月中旬～9月上旬（2023年肯定要更早）     本人海投了100家公司左右，笔试了40家，进入面试18家公司，放弃面试2家。    其中一面挂的有：途虎、欢聚、富途（投的早主要拿来涨经验）    其中二面挂的有：京东、腾讯    hr面完泡池子无消息的：美团、58同城、美的、vivo    拿到offer的：顺丰（实习转正）、广联达、去哪儿、兴业银行fintech管培生、同花顺、转转、唯品会、携程（春招）    接下来说说如何拿到数据分析的offer     1.实习！实习！还是实习！       感觉找实习就是在套娃，就是因为没有实习所以要去找实习，但是很多公司找实习生都是要求有实习经历的同学。我于21年3月底开始找实习，一直在碰壁，收到面试机会更是寥寥无几（元气森林、美团还是直系学姐招继任、得物），由于毫无经验又时间处在找实习峰期（很多厂开始招暑期实习），理所当然地从3月到4月没有一家公司要我。但是本人运气非常好，在牛客上遇到一个成电的学姐，然后顺利继承了她在京东的岗位。    2.技术层面上       数分要求一般不高，主要的技术栈：sql(top1重要)、python（一般偏向于业务型还用不到）、excel、tableau、统计学（假设检验特别重要）、概率论（正态分布等）、机器学习（掌握一般常见的分类、回归、聚类算法）    3.业务层面上       数分对业务层面上要求更高。最好在面试某一家公司前，去了解一下该公司的业务，有利于帮助你和面试官的沟通。常见的问题有指标异动如何分析（例如gmv下降）、指标体系的构建（例如构建抖音数据指标体系）、选择一个数据指标来反馈一个问题、如何来评价一次活动的好坏等等。   4.简历上       要对自己的简历非常熟悉，你写的每一点内容都有可能成为面试官的问题，特别是要对自己的实习经历了如指掌。如果在问简历的过程中出了问题，那么面试基本凉凉了。      接下来回忆了一下本人面试中遇到的一些问题（使劲回忆）     实习面试     滴滴暑期实习（50min，一面挂）：            问简历            sql：四个字段：用户编号uer_id、 消费时间ord_time、消费金额gmv、订单编号ord_id，Q1:每一天每一个用户的最早的消费时间及其gmv（用子查询或则窗口函数），Q2:每天每个小时的消费金额                    sql的查询顺序？          abtest的统计原理？          case：在订单旁边是否出现预估价如何来做abtset？如何设置分组？如何保证分组的随机性？若B组比A组确实多了10%，如何分析？     滴滴日常实习：            一面（25min）              问简历，如何评估618活动效果好坏              介绍p值，决策树、随机森林的原理           二面（20min，过了没去）          互联网思维           抖音快手区别、           问社区团购哪家会赢，说说原因    网易日常实习：         一面（40min）            问简历（被问住了）            abtest的各种问题（又被问住了）     微众银行暑期实习：          模型的各种评价指标    字节日常实习：         问简历（被问住了）       为教育平台搭建指标体系，选出最能反映学生做题效果的数据指标   顺丰暑期实习：         一面（30min）：       sql题（窗口函数，左表a行 右表b行 左连接后最多有几行）、写斐波列契、美团gmv下降如何分析、机器学习模型的评价指标、给小朋友介绍正态分布       二面（hr面，去了顺丰暑期实习）   bilibili日常实习：         一面：       数据倾斜、实习内容（线下用户如何拆解）、abtest样本量计算、bilibili用户与抖音用户区别、在上海开健身房如何预估利润、为bilibili挑选3个top指标，why？、如何评估一个up主的质量        二面：       忘记了   秋招面试     转转：       一面（30min）：       sql题、介绍k-means、excel的一些函数       二面（25min）：       工作上的一个项目介绍、估计一个学校一年外卖的gmv（费米问题）、最近看了什么书，学到了什么       hr面（20min）：       问了手上offer 情况、一些常规问题   58同城：         一面：       简历、拥有大盘的数据如何搭建指标体系向老板汇报、京东成本考虑哪些、辛普森悖论        二面：       简历、常用的app给产品经理写日报会从哪些因素考虑（说了tb）、新用户Dau上升3%，老用户下降2%，总体指标会不会超过这个范围、如何去预估一张A4纸的面积       hr面：       第一份工作会考虑哪些因素   斗鱼：         gmv下降如何分析、RFM模型   广联达：         一面：        如果给你15天休假，你会研究工作上的事情还是其他事情？        你有什么兴趣爱好？对它做过什么研究？过去让你感到遗憾的事情？过去你的重要决策，为什么会去做这个决策？介绍一个算法？其他的分类算法？什么时候用决策树，什么时候用逻辑回归？介绍L1 L2正则化？python基础怎么样？        二面：       在校学的最好的科目和最差的科目分别是什么？业务难，会放多少时间用于学习业务？一个东西重复失败你能接受吗？聊天，问了其他offer和薪资 富途：            美团点外卖的流程？           美团如何识刷单商家？              是否有历史的商家的数据，如果有可以做分类算法，如果没有可以做聚类算法（可以考虑时间角度、地址角度）     携程：         一面          自我介绍           问简历，618复盘 如何判断此次活动效果好坏           做题 sql、统计学、计算roi等相关题目（ibu数分主管 纯英文               二面            自我介绍           介绍一个实习项目           想做业务还是做技术 原因           机票gmv下降如何分析（机票事业部           概率论题目           职业规划               hr面                在校收获              实习收获              优缺点              为什么想来上海              其他offer情况         美团（投的商分，被转产运营）：           一面                  自我介绍             实习经历              问在京东的实习，业务相似              问在顺丰的配送、客诉率等              主要就是聊天，面试官也很好（可能因为业务相似            二面      自我介绍       在学校的社团学生会经历，介绍一个       给了一篇报道，给了几个问题（关于社区团购的        hr面       实习收获等 唯品会       一面（武汉线下）       1. 简历（面试官很感兴趣在京东的实习，回答的也不错）        2. abtest展开，后面说了一个case        3. excel的一些函数       二面（线上50min）       1.假设检验       2.唯品会gmv下降如何分析       后面问的忘记了       hr面       1.问了offer，期待薪资（说了要sp，果然给了🤣）   同花顺       一面       1. 问了数据分析方法       2. 简历       3. 一个项目经理       二面       1. 聊天～       hr面       1. 对同花顺的了解       2. 炒股吗       3. 有缺点   腾讯       一面、二面（都给忘记了🤣）   京东       一面       1. 实习经历       2. 在校的社团活动       3. 聊天       二面（9进2挂了）       1.实习经历       2.问在顺丰和京东实习的区别      总结：       面试了很多家，也有自己的心得体会吧。无非以下一些问题：       （1）简历面：要对自己的实习经历、项目非常熟悉，最好指出一些不足以及可以优化的点。       （2）技术上：偶尔面试需要做sql题（实习面试比较多，秋招比较少）；机器学习常见的模型用法、优缺点、原理都要清楚；统计学上的问题比如辛普森悖论要会解释、几种假设检验要熟悉；涉及到AB-test的一些问题包括大数定律、中心极限定理、样本量的计算等等也需要会       （3）业务上：常见gmv下降如何分析、构建指标体系等等需要比较完善的逻辑思维   以上就是本人的秋招历程，需要交流学习的小伙伴可以加我vx～