国内应届数据分析师面试经验分享

最近参加国内应届生秋招，经历了一些的面试。想跟大家分享一下面试过程中的所见所感。在找工作的过程中踩了一些坑，也积累了一些经验。我自己的背景是国内本科文科专业出身，美国研究生转工科。写下来希望能够帮助到大家~

一. 面试流程

一般国内的面试分为：笔试、两到三轮面试（专业面试、总监面、HR面等）。

笔试有时候不需要。我参加的数据分析师的岗位从行测、SQL、Python到一些业务知识
的考察都有，所以大家可能需要根据具体的公司岗位去准备笔试。

二. 如何准备面试

我自己主要从以下几个方面进行准备的，基本遇到的面试考察内容都是这些内容：

1. sql

面试的时候可能会涉及到手写sql的部分，所以对于sql需要比较熟练的掌握。基本上刷一刷leetcode上的sql题目就足够了。国内的sql考察难度不算特别高，常见的考察内容基本都是窗口函数。Python基本没有在面试考察中出现过，不过一些公司的笔试环节可能会涉及到。

2. 机器学习

主要是你面试上涉及到的一些机器学习的内容一定要熟练掌握。一般只会问一下基础的问题，所以可以把基础知识好好梳理一下。比如：缺失值怎么处理？常见模型的优缺点？如何解决overfitting的问题等等。

3. 统计学

因为我是转专业的，所以是我自己比较薄弱的地方。一般面试考察的问题可能会有：常见的一些分布，假设检验的基础概念（P值、显著性、第一类错误等等）、概率题（贝
叶斯等）。这个大家根据自己的情况查漏补缺就好了，也要看面试官的背景。一般非数理背景的面试官比较少问这些问题。如果可以的话，最好去了解一下A/B testing。

4.产品和业务

国内的面试似乎比较喜欢问这类型的问题，尤其是一些互联网的术语，大家可以多去了解一些。比如电商平台的GMV,ARPU等等。常见的问题有：怎么评价一次活动的效果，可以拆解成什么指标？如果要预测某平台的销售额，你会选什么指标？

这个需要自己根据面试的公司好好准备一下，了解这个公司的业务和其竞争对手的情况。提前设想好面试官可能会问你的问题，一定要主要拆解问题（比如把问题拆解成一个公式，这个公式里的指标分别有什么）。

5. 开放性问题

有的问题可能比较类似咨询里的问题或者绿皮书上的brain teaser。比如怎么估算上海的地铁客流量？修井盖方的好还是圆的好？这个部分不推荐大家花太多时间准备，没有必要。大概了解一下题型，言之成理有逻辑就可以了。

6. 行为面试问题

除了专业考核之外，面试也有涉及到一些行为面试问题，其实核心就是讲故事，特别是HR面试的环节。这里推荐给大家宝洁八大问，或者亚马逊的leadrship principal。我
之前面试的时候，根据宝洁八大问用STAR（Situation,Task,Action,Result）原则的方式，把自己简历上的内容都编成小故事写在文档里了。这样梳理一遍，准备好小故事什么问题都难不倒你。

三. 一些面试中可能加分的突破口

1. 对于公司的了解

面试之前，可以去公司的官网上看看、搜一搜公司最近的新闻。在面试的过程中“不经意”透露出来一些该公司的细节，比如回答问题的时候：“像XX公司，我之前了解到月活跃用户应该是XX。所以这个问题的量级.....” 这样会让面试官觉得你很有诚意，有所加分。

2. 常见的问题准备

很多老生常谈的问题可能被反复问到：“你最大的缺点是什么？”“近几年的职业规划是什么？”“你为什适合这个职位？”大家要根据自己的情况提前准备好，注意一定要贴合职位特点！千万不要说你的职业规划是以后准备去创业这样的作死答案。做自己的同时，也有学会站在面试官的角度想一想。

3. 反向提问

其实我觉得这是一个非常有可能帮助你加分的环节。当面试官问你“还有什么问题的时候？”最好不要说没有问题了。一定要提前准备好一些高质量的问题，去引导面试官多说，但是又展现出你对于这家公司和这个岗位是有一定了解且很向往的。

4. 礼貌、自信且谦逊

我觉得面试的礼仪也是比较重要的，比如自我介绍的时候加一句：“非常荣幸能够得到这次面试机会。”面试快要结束的时候：“非常感谢您的时间，今天您说的XX让我学习到了很多，祝您工作顺利。”这样的话。不要太紧张了，我一般很紧张的时候会稍微停一停深呼吸让自己镇定下来。

四. 写在最后

其实面试是一个双向选择过程，求职者不用把自己放在一个太卑微的地位，面试的过程也是帮助你去了解这个公司的过程。找工作运气成分也比较重要，不用因为一次面试结果否定自己。其实就跟相亲差不多，合适自己的是最重要的。

我身边有前辈，因为大力出奇迹去了一家高于自己水平的公司，拿到offer的时候很开
心，工作的时候非常痛苦。而且我觉得真的遇到合适自己的公司的时候，面试的时候自己也会有一些感觉。借用我一个朋友的话：“幸福不会不到，只会迟到。”