楼主背景:C9经济学本科,现在在美国top 30的院校读公共政策与数据分析项目,去年上了一学期网课,今年年初 也去不了干脆休学了一年用来实习。有两端大厂实习经历,分别是数据产品、数据分析。
6.25/20 :00 一面:
面试官是超级温柔的眼镜小姐姐
1. 自我介绍
2. 简历挖掘:挑一段数据分析的项目讲讲是怎么做的(讲了风控实习的时候风险评分的项目),小姐姐评价我基本用的都是统计方***想到用算法模型吗,我说一个是我不会算法模型,一个是有专门的算法同学负责算法这一块,我作为数分实习生负责制订一些规则。
3. 简历挖掘:问我有没有做看板的经历,挑一个说一说思路。我做过很多,说了一个统计发放优惠券的量,一个手机模型风险变化过去7 天的趋势(中低高风险之类的)。接着问我如果数据出现波动会如何分析,我说会先看数据的来源、统计是不是出错;如果真的是出现了波动则可以继续分析。这一块分析的不太好,我应该引入订单量变化的那个思想去拆解指标。主要还是不了解风险评分这一块的数据来源。下次就往订单上说
4. 技术问题:问有没有接触过 sql,我说实习的时候每天在用。出了一道题,有一个订单表,一个商家表,想统计过去30天内每个用户下过单的商家的平均得分。接着问我如果想给所有用户按照下过单的商家评分来分100个桶(就是划成 100类)该怎么分,我一开始说用row number窗口函数,后来面试官说应该用 ntile
Select pin, ntile(100) over (order by score desc) as zu
From (Select pin,avg(score) as avg_score
From(select pin, 商家 id
From 用户表
where dt >= sysdate(-30)) a join 商家表 b on a. 商家id = b.商家id
Group by pin)
5. 业务问题:对广告的效益有了解吗? ROI如何计算?
6. 问我对画像、标签相关的工作内容感兴趣吗,我说我之前看过《用户画像》这本书略有了解,还蛮感兴趣的
7. 问我有没有问题了,我问了下刚才没想起来的窗口函数,还有北京上海杭州电商部门的区别。告诉我抖音电商部门主要在上海杭州,北京人比较少。
6.28打电话通知三面。
6.29/13 :00 二面:
接着问如何去构建画像,考虑哪些标签?我说基础标签+算法标签(其实还应该加上规则标签)。又问如何根据这些标签进行推荐?我说可以用聚类算法(机器学习的东西我不太懂,这块是瞎蒙的)
Sql题目:有一张所有中国人的名字的表,统计名字是两个字的人中,姓氏按从多到少排序。继续问如何尽可能多的找出来中国人的复姓有哪些,我没答上来,面试官说和上一题思路差不多,可以把4个字的人名提出来,分割前两个字,看下分布,出现较多的大概率是复姓,然后可以用三个字的名字验证一下。
6.30打电话通知三面。
7.1 / 19:00 三面
前两个面都是标签(用户画像)方向的,二面结束面试官把我推到行业分析(业务分析)方向来了。面试官是一个很亲切的小姐姐。
Select name, class
From
(Select score, name, class, row_number() over (partition by class order by score desc) as rank
From t)
Where rank <= 10
面试完10分钟hr小姐姐约四面。
7.2/13 :00 四面
一个稍微严肃一点的男面试官。这一面全部都是简历深挖,一道业务和sql题都没问。
面试完1小时hr小姐姐约了当晚的hr面。
7.2/21:00 hr面
hr是一个很温柔的小姐姐,全程笑意盈盈的~她面试好像在聊天一样,很亲切,楼主一下就不紧张了。很多都是行为面,一定要提前准备好答案哦。
1.自我介绍
2.简历挖掘:介绍最近一段实习的经历;介绍一个数据分析的项目,结果为什么会不显著,结果不显著的话是怎么分析的呢?
3.行为面:说一下自己的三个优缺点;我还投了其他非数分岗位,自己的职业规划是什么样的?对数据分析师有什么认识?数据分析师和产品经理的工作内容有什么区别(是因为我有过产品经历所以这么问了)
4.业务问题:GMV下降如何分析?
5.之前在字节实习感觉怎么样?喜欢字节的氛围嘛?一般几点下班?
6.反问环节:我问了下自己的表现,小姐姐说hr面主要考察沟通能力、应变能力还有说话的逻辑性(所以分点作答真的很重要啊!)等等软实力,因为业务问题之前的业务面试官都问过了,所以她不会细问业务问题。她说我这些都表现得不错,但会担心我的稳定性,然后我就表了下忠心,说一定会实习到年底的hhhh
因为面试完已经是周五晚九点半了,就等了一个周末,周一没有offer call,周二直接发的录取邮件~
总结:面试官如果是小姐姐的话基本都很温柔,但男面试官会有点严肃。简历的话一定要准备好细节,业务问题可以看b站或者论坛,sql题最好刷一刷题(窗口函数问的特别多,基本每次都会问)。祝大家都能拿到offer!!
全部评论
(7) 回帖