2021北美数据分析岗位求职：我是如何成功快速拿到Data类Offer的？

在求职中经常会有这样的疑问：

• 学历，技术，经验和项目，到底哪一样才是应该重点准备的，HR到底会看重哪一块？
• 我的背景投递什么样的岗位成功几率比较大？

要成为一名合格的数据科学家，需要有良好的数学统计背景，精通Python或者R语言，了解数据库以及常见大数据平台工具，懂得机器学习与人工智能，并且了解数据可视化。最重要的，要有不断的求知欲与商业敏感性，优秀的沟通技巧和团队协作精神。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
广告行业转行数据分析——Data Science在Digital Ads行业的求职与应用有哪些？
北美数据岗必备：三种DS/DA求职应该了解的小众工具
2021年北美数据求职：Data Scientists应关注这15个网站
狗家/IBM/微软：哪家线上Data Analyst证书求职含金量最高？

虽然大家面试岗位的title各有差异，但是数据类工作的面试流程基本会分成如下五个步骤：

众所周知，数据科学家岗位对于求职者的背景要求非常多样化，这张图很好的总结了不同方向的技能要求。

了解了这些基本信息后，我们通过学员多次的面试反馈，总结了提问机率最高的几个问题：

Data类岗位求职绕不开的一关就是OA——online assessment，OA的特点是问题难度不高但是答题时间有限，这样会帮助公司刷掉一些基本功不合格的候选人。

面试数据类职位有两点极为重要——SQL和 product sense。 SQL大家都十分了解了，什么是product sense呢？Product sense基本概念就是考察你对产品的了解，如果面试者对公司的产品和服务没有深刻理解，很难进一步发展数据相关的工作。另外，数据相关工作还需要跨团队合作，这些都需要对产品服务一定的了解。

近期数据应用学院的学员Hazel拿到了Amazon BIE和 product analysist的offer，我们根据她面试的大概过程以给大家总结了一手的面试经验：

两家公司面试内容首先就是SQL，然后就是stacks的东西，behavior相关的内容和A/B testing知识也是考察的重点。

• 1.面试期间，两家公司都考了SQL，几乎可以确认SQL是必考的。面试时需要又快又准的写出所需要的东西。如果有任何困难，需要和面试官多交流，观察面试官的反馈，尽量按照面试官的要求来写SQL语句。
• 2.Stacks, 主要问到的问题就是type 1 error以及type 2 error。
• 3.Behavior这方面Amazon十分看重。正在求职的同学可以在LinkedIn上查看Amazon的高层Manager写的关于behavior的心得从而准备面试答题。
• 4.A/B testing只是问了一些常规的case 问题。没有深入的问题比如network，effect等，但是从面试准备较多，自然是掌握的知识多多益善。
• 总而言之，SQL需要写的又快又好，面试的SQL问题的难度一般处于hard level，并逐渐递进。
• 具体的考察方式是，面试开始时，面试官会把SQL面试问题会分享在一个editor上，面试官会询问面试者对此问题的基本想法并且会追问你是否有更好的解法，如果觉得有可以自己尝试写出更好的方法。

以下部分是我们根据同学的反馈以及嘉宾的面试经历，对Hazel的一个简单采访：

1.问：如果面试SQL时对题目不理解应该怎么跟面试官交流呢？

答：有问题主动及时问面试官，确定题目需求，得到肯定后在继续写下去。有些公司在你面试前会确保你明白问题，在确认面试者明白问题过后，才允许面试者开始答题。

2.问：Product sense题目一般很难，如果遇到这种题目该如何处理。

答：目前遇到的都是common sense问题，比如会问面试者有哪些user path可以想到，面试官会接下来一步一步引导。比如想要搜索什么东西，需要点击搜索图标等等。一般分为两种，一种为default search和mannual search。Default search就是什么都不用输入会自动弹出一些热门界面供选择，点击购买或者观看就有了一些参与。Mannual search的话就是需要输入一些东西然后进行参与。所以说从user path入手为比较好的思路。

3.问：除了SQL外，还需要刷一些其余的算法题目吗？

答：这个问题主要还是根据求职业务的岗位不同有不同的问题。考BIE的时候考过是否可以读懂python语句，是否明白这个python语句想描述什么。

4.问：首先恭喜你成功入职，但是你最终为什么没有接受amazon BIE的offer呢？

答：Offer的考量还是比较个人化的。我根据自己的需求从优二选一就行。大家可以自己的情况在入职前跟老板沟通，询问自己关心的问题，比如升值路径，职业规划，薪资等等。

以上就是这次关于北美数据类岗位求职成功案例的经验分享，感兴趣的同学欢迎关注微信公众号，B站，Youtube来获取更多的面试北美求职干货。

Recap 作者：Peter Mei
美工编辑：过儿
校对审稿：冬冬
公开课回放链接：https://www.youtube.com/watch?v=2ARX-KZhLk0&ab_channel=DataApplicationLab