面试流程

第一轮：
1.介绍一下自己
2.介绍一个数据驱动的项目（针对项目问了很多问题，诸如为什么这样设计，有什么地方想改善）
3.平时经常使用什么类型的产品
（1）有什么想要改善的地方
— 我介绍自己最近一直在研究字节的新产品 gogokid，并且认为first time user experience做得不是特别好，希望通过增加新手教程来改善
（2）具体怎么确定改善的不错（典型的ab实验导向）
— 确定实验目标：增加新手教程的目的是希望改善用户第一次登陆使用产品的体验，接下来需要思考那些kpi可以反应用户的体验，比如d1 retention, d7 retention
— 设计实验：ab实验的设计步骤
— 评估结果

**第二轮： **
1.介绍一下自己
2.介绍一个数据驱动的项目
3.如果想提高你公司的gmv（我之前在一家wish做da），你想怎么做
4.给抖音设计一个数据看版，你想怎么设计（我的回答事后觉得中规中矩，仅供大家参考并讨论哈）
（1）理清抖音的产品逻辑（如果把抖音看成一个供需市场，有创作者提供视频，有更多的消费者看视频，并且消费者通过点赞评论转发与创作者交互，同时平台从中变现，同时注意产品的时间基础，比如抖音属于日用产品，那么应该多关注日用指标）
（2）围绕产品的关联方，设计相对应的指标进行观测
— 创作者：每一天新视频的产生量，每一天的创作者；
— 消费者：DAU，Time Spent/DAU, Number of Sessions;
— 交互：评论数量，点赞数量
— 平台：收入
（3）最后对于每一个产品都提前做好segmentation，比如DAU在设计的时候分不同的用户年龄，用户性别，地区，等等。便于之后分析或者查找异常值
5.我们发现一部分用户的参与度并不好，该怎么去改善呢（这道题我感觉自己答得特别不好，先把我当时答案列出来，再列出我后来重新想的答案，供大家讨论。友情提示：这属于一个非常典型的四类数据分析中的描述性分析，诊断类分析和预测性分析）
（1）我的答案：
— 找到平台参与度最高的10%或5%的用户，假设一些影响他们参与度高的因素，然后通过描述性数据分析寻找相关性（注意，这里只是寻找相关性，因果性只能通过ab实验才能被验证）
— 确定一些因素后，赋予到并不engage的用户上，设计一些ab实验，探究效果
这里面试官追问，可不可以不通过ab实验，我给出的回答挺差的，我希望通过找到一些曾经不engage，后来非常engage的用户，看看改变他们的因素是不是我们一开始假设的因素。（这个回答非常天真善良萌萌哒，但感觉自己其实挺不专业的）
（2）重新思考后的答案：
— 建立一个机器学习模型，通过最终模型的系数，找到对参与度影响最高的因素（变量），进一步确定改善哪些方面

第三轮：（数据分析leader）
1.介绍一下自己
2.数据驱动的项目，怎么改善它
3.平时经常使用什么产品（我回答了instgram），可不可以把它介绍给我
（1）产品的目标
（2）产品的受众
（3）产品的设计如何满足产品的目标
（4）产品其他突出的功能
（5）未来发展的方向
4.你想怎么改善这个产品，多提出几个改善的方向，怎么验证改善的好坏呢
5.职业规划

**第四轮：5.8（hr面试） **
1.自我介绍
2.遇到的困难怎么解决（stare原则）
3.在现在的公司做得还不错，为什么想换工作
4.期望薪资

总结及面试准备

其实从头到尾面试下来，感觉字节真的非常注重面试人的产品感觉和逻辑思维，也就是我们常说的business/product sense。我遇到的问题几乎是大部分公司都会问产品数据分析师的问题（我也面试过很多美国这边的产品分析师），因此怎么提升我们的 product sense以及逻辑思维能力是面试准备中最为至关重要的。
分享一些自己准备面试用过的资料：
面试：
我个人觉得面试过程一定要注意自己的逻辑思考。每遇到一个问题，可以先想想问题的目的，如果无法确定可以和面试官反复确认。确认好问题后，先从宏观上思考问题的不同方面，做出不同的假设，之后针对不同的方面去做答。比如一个kpi下降，怎么找原因。我个人的思路是：
（1）确认问题出现的时间区间 ——上一周到这一周，还是前三天到今天
（2）提出可能影响它的因素，也即做出假设。数据问题，内部原因（产品的迭代，新的项目），外部原因（竞争对手，季节性因素）
（3）分别验证，从易到难。首先排除数据错误问题，之后通过segmentation去不断缩小问题出现的范围，哪一类用户，哪个地区的指标下降最大。更具体的希望大家可以通过自己的资料产找获取思路，我就不直接把更细致的答案分享出来啦