从2023 年秋季到 2024 年初，因为对裁员潮的恐慌 我开启了一次新的资料科学家面试旅程 在亚洲地区的各大科技公司 总共投递了 26 个职位的履历、实际拿到 2 封录取信 亲身感受到资料科学与数据分析就业市场 在海内外都依然是冰天雪地、找工作困难重重 以下文章将流水帐式地分享我面试的见闻 主要目的只是帮助你大致了解该公司面试可能会有什麽内容 如果你恰好要跟我面试相同公司的相似职位 多一分认识、就能少一些旁徨 更完整的文章以及更好读的排版在此： https://haosquare.com/data-scientist-2024-job-interview/ --- ## PayPay 软银与日本雅虎合资的电子支付公司，也是快速扩张中、积极聘用外国人 此职缺是 Product Science Engineer 从 A/B 测试、资料探勘、到机器学习建模都会涉及 整体是更研究导向的职缺 （同部门有其他机器学习工程师与资料工程师处理模型部署问题） 位於 Data Insights 部门，该部门的主轴可以到 PayPay 官网找部门介绍 面试流程：回家作业 -> 技术面试 -> 技术+案例分析面试 -> 主管与 HR 面谈 第一关：回家作业，给你 PayPay 可能会有的电子支付交易纪录，请你给出数据洞见。 主要考察三大面向： 资料探勘与商业逻辑、写程式能力+视觉化技巧、机器学习或时间序列预测模型 这关是线下审核，审核通过才会到下一关、见到第一位面试官 第二关：技术面试，我遇到的全都是非常典型且基础的统计与机器学习问题 例如过拟合、丢硬币机率、资料不平衡等等 有趣的是，这关的面试官问法非常「填空题」，好像一定要讲出他需要的关键字才能过关 例如聊 P-value 与显着水准的时候 我试着解释伪阳性错误，他坚持再问我这称为什麽错误 直到我讲出「Type-I Error」，他才放我走、进入下一题 第三关：技术+案例分析面试，一题要求你用 Python 跑模拟来算掷骰子机率 一题 SQL 考资料表 JOIN，然後案例的大意是「如何设计推荐系统」 案例这题面试官完全没给方向 丢给你情境（介绍 PayPay 现在遇到的某个推荐系统问题），剩下全部自由发挥 第四关：跟主管全都是聊行为面试问题；跟 HR 聊职涯问题与个人特质 最後他们给我 “No Culture Fit” 拒绝了（对我来讲就是不知道为什麽的拒绝） 从面试经验，我主观觉得他们想找十项全能的资料科学家 (ｰ ｰ;) 程式要写得漂亮、A/B Test 要精通、机器学习预测要熟、要懂推荐系统领域知识 除了这些硬技能，对商业嗅觉的要求也极高 近期 PTT 也有另一位网友分享 PayPay 资料科学家面试经验，值得参考 #1c9UDlUN (Soft_Job) --- ## SmartNews 日本有名的新闻阅读 APP，在美国也有团队，遇到的面试官来自美国跟日本都有 我遇到的流程是：第一关 Codility 线上考试 -> 第二关技术面试 -> 第三关与三位面试官 Back-to-Back Interview -> 後面我被拒绝了所以不知道 第一关 Codility：一题 SQL、一题 Python 题实作类似 NumPy 会有的简单计算、 然後有一堆选择题考统计与机器学习观念（大多都是课本有的经典问题） 第二关技术面试：问了很多 A/B Test 与指标设计商业问题 我最有印象的是我们花不少时间在聊 CUPED 与 Bayes A/B Test，有点硬派 第三关之一：聊我履历上的经历、也深入探讨其中他有兴趣的技术细节； 一题案例，在 APP 新增功能该怎麽验证成效、以及潜在风险 第三关之二：聊很多行为面试问题，压力处理、人际沟通等等 然後话锋一转又是一题案例分析，同样是新功能验证成效的题型 第三关之三：连续三题案例分析！包括用户增长、市场大小衡量、数据导向的产品设计 虽然最後被拒绝，SmartNews 的 HR 跟每位面试官都态度和善、是很棒的面试体验 被拒绝後写信询问，HR 还真的帮我向各面试官搜集回馈、给我建议，我十分感恩 --- ## Woven 这家我只有跟 HR 面谈一次就没下文了，所以就简单介绍面谈中我得知的该职缺讯息 Woven 是 Toyota 的子事业体 这个资料分析缺主要是针对 Arene 车用作业系统的资料平台 2024 年初这个资料平台还没正式上线，实际工作会是针对测试阶段的平台设计： 平台距离期望目标还有多远？如何设计成功指标并决定预期成长幅度？上线初期该看什麽指标？ 该资料团队当时正在找视觉化专家，因为当时该团队没有 Dashboard、BI 工具或平台 所以对应徵者的 SQL 与 Python 要求会较高，候选人要有自己捞资料跟视觉化的能力 此职位不硬性要求日文，但有的话显然更好 因为主要客户就是 Toyota HR 原本告诉我（但我完全没经历到的）面试流程包括：SQL + Python 技术面试 考察视觉化与简报能力的 Take-home challenge、Culture fit interview --- ## Coupang 此职缺在台湾，属於产品设计团队（eCommerce Product），职等是 Staff（L6） 面试流程大约是：HR Screen -> SQL 技术面试 -> 好几轮技术与商业分析面试 -> 主管面试 -> Offer 这是非常让我惊艳的公司与团队，我面试过程遇到超多神人 有知名游戏平台超资深 PM、待过韩商巨头的资深资料分析师、叫车平台总监级人物、 世界前几大 MBA 毕业加上超猛外商资历的 PM 等等 现在（2024 年 5 月）还有看到台湾还在开资深的资料科学职缺 面试过程每位面试官（包括 PM）问的问题都是分析技术与商业价值讨论兼备 例如各种 A/B Test 的应用场景与潜在问题、Coupang 现有的优惠券策略案例分析 面试也很重视人格特质，包括工作步调、压力处理等等问题 最终有幸录取，不得不说从团队成员、到工作内容与职涯发展，是让我非常心动的 Offer 考虑个人职涯与生活综合考量，才忍痛拒绝 吹捧归吹捧，Blind 跟 Glassdoor 网站对这家的公司文化都有不少评论 推荐对这间公司有兴趣的朋友参考参考 --- ## Yahoo 应徵部门是 Global Consumer Analytics 工作内容环绕在 A/B Test，包括规划、验证、结果分析与回顾、执行行动策略 合作的 Stakeholders 可能在美国 我遇到的「回家作业」面试是准备分享自己随意选的专案经历，面试官在分享中考察： 问题架构方法、简报设计与摘要能力、商业影响力 Hiring manager 强调，考察的能力不只是挖掘出数据洞见 更重要的是如何转换成具体行动建议 这次面试中，我主观感觉此团队非常重视「问题解决能力」 关键字当然是麦肯锡、BCG 等等商业顾问技能 很白话的说就是「看到问题，马上知道要用哪几种框架来分析」的能力 --- ## Coca-Cola Bottlers Japan (CCBJI) CCBJI 跟可口可乐母公司是不同的，CCBJI 是主要负责生产销售的事业体 有独立的资料科学团队 期望工作内容很全能：除了典型的机器学习建模与数据分析 期望还要会涉及资料工程、前端软体设计、MLOps 初期面试会有 TestGorilla 平台上的 90 分钟线上测验 包含 SQL、Python、机率、统计学与机器学习，每个测验都是简单到困难的题目平均分布 我只在 TestGorilla 测过这一次 觉得它的题目不少、节奏偏快，容易写不完，想题目过程不适合在同一题苦恼太久 我遇到的两位面试官分别是资深的资料科学家+软体工程师、 以及机器学习博士+外商顾问经验的主管 （不同於我对可口可乐的刻板印象）我觉得是超强的资料团队 面试题目大部分是讨论我的经历 我会努力把自己的资历连结到对方提过想做的专案类型。 特别的是，主管还问了我的个人休闲嗜好 较为困难的是开放式的案例分析，大意是问如何衡量促销与广告的成效 我相信对方是针对我的因果推论经验而出这个题目，我个人都是环绕这个主题发挥 --- ## Agoda 面试流程包括：线上数理逻辑测验 -> 技术面试 -> 回家作业+案例分析面试 -> 部门主管最终面试 第一关线上测验很容易写不完！ 千万要注意时间，我个人建议手边准备好 Excel 或 Google Spreadsheet 加速计算 面试关卡考察的能力面向满平均的： 机率统计、商业思维、A/B 测试、案例分析等等都会问到 尤其机率统计，建议简单复习一下网路上常见面试题 （像是各种掷骰子问题）来帮自己暖身 A/B Test 的面试题目很多，除了假设检定这些统计学以外 经常问到 A/B Test 的指标是否能跟「行动」连结、以及可能测不到的潜在问题 回家作业+案例分析的环节，我在面试结尾有特别问对方回馈 对方提醒我优先级排序（为什麽要先采用我的提案、不考虑其他的？） 以及潜在风险（罗列出自己可能有想到但是还没解决的问题） 这些是面试重视的面向 发个牢骚，跟定价有关的面试问题都好难 如果你刚好也面试到定价相关团队的职缺、又有心想提前准备的话 建议你想想看：Agoda 的订房或者各航空公司的机票，定价会怎麽随着时间变化？ 最终在定价团队拿到 Senior Manager 的 Offer 能挑战主管职、我理解到的工作内容也非常有趣，觉得荣幸且感恩 但薪水低於现职，忍痛拒绝 --- ## Rakuten 第一关是线上程式能力测验，我个人遇到的内容跟 Glassdoor 上找得到的一模一样 如果你近期要面试这家，请务必尝试搜寻历史考题 第二关，跟两位资料科学家聊我的经历，他们很重视技术细节 所以聊了特别多 A/B Test 的实作问题、还有因果推论的方法与背後假设 然後我就被拒绝了，即使我觉得我在第二关应该没有搞砸什麽 --- 如果你跟我一样热爱资料科学，我也亲自体验到就业市场的寒冷 但我仍希望我们能一起长期、持续、不灰心地努力 这样下次好机会飞来的时候，才能顺利接到它 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 101.12.29.193 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1716136384.A.C9C.html 对,有幸还没被裁,我评估自己目前更需要在现职多多学习 ※ 编辑: AgileSeptor (101.12.29.193 台湾), 05/20/2024 01:00:22 自己够不够强,亲自面试过确实会有深刻体会 文中其中两个缺,我有在领英找到後来到职的人 那个资历跟硬技能,都让我被刷掉心服口服 明确认知自己能力不足也是出来面试的收获 我也同意自己在文中写市场急冻或许过於主观、草率 但分享的初衷只是希望未来的相似应徵者可以搜寻得到 就像我过去一直在 PTT 获得很多重要资讯一样 ※ 编辑: AgileSeptor (49.216.52.198 台湾), 05/20/2024 10:46:44 谢谢 e 大跟 d 大的回馈, 怪市场不好的确是被动的 也是该思考自己究竟是能力不足、还是技能根本不符合市场需要 （或许我自以为的技能确实很快会被 AI 取代） ※ 编辑: AgileSeptor (61.231.189.208 台湾), 05/22/2024 23:31:26