[心得] 2019冬＿數據分析相關求職面試經驗
各位大大晚安～
前年2018年也有發過一篇數據分析求職面試心得文
去年年底，剛好也經歷轉職面試，就順手更新一下
大概分享一下這次面試的經歷及目前對於數據分析的職位看法
Medium好讀版：https://reurl.cc/V6EoZn
（文長滲慎入）
因為前公司業務方向改變，以致於我開始有了找新工作的念頭，大約從2019年末（10月開始）陸續開始投履歷，一樣稍微紀錄一下這次面試的過程與經驗分享。
＜背景及經驗＞
求學經驗前年面試時已經寫過了，還沒看過的也可以先看這一篇文章。 近一份工作主力以Python作為開發工具；包含數據分析、Tensorflow、Django後端API串接。
＜近期專案簡述＞
主要就是最近一個工作所做的專案，也就是這次面試的武器～
1. 客戶生命週期價值預測分析
(1)利用顧客過去交易紀錄，透過隱藏馬可夫鏈進行顧客交易機率預測。
(2)進而使用 Tensorflor 及 Keras 套件進行神經網路深度學習,預測顧客未來淨利金額。
(3)將模型預測分析結果存回 MySQL 資料庫,並透過 Django API 傳送資料至前端網頁呈現。
2. 視覺化BI決策系統
(1)設計視覺化 UI 系統介面,並透過 Python 串接 SQL Server 之企業營運財務歷史資料,加以計算整理。
(2)與合作廠商資料串接及討論畫面排版;協助廠商架設視覺化系統網頁,並適時追蹤進度。
＜履歷投遞＞
與之前基本上差不多，選擇還是科技公司、軟體業、新創公司為主。
投遞的平台也是以104及Yourator為主，還有公司本身的招募系統。
話不多說，直接進入面試過程及結果。
＜面試及結果＞
1. 大學生交友社群平台_data analyst
結果：
這個職位從我大學還沒畢業要開始投履歷就有，去年也有投過，但連續兩年都是被寄感謝信。
後來從獵人頭打聽到，聽說要求學歷高、還要有即戰力，對於要看學歷這件事，我被刷掉也是不意外。
2. 台灣旅遊比價平台(新創公司)_資料科學家
面試：
直接面對data部門主管，主管對於該職位的規劃及工作內容相當明確，主要就是要做演算法推薦系統，所以大概聊了一下過去的專案內容之後，後面都是在討論推薦系統的作法；本身對於推薦系統較為陌生，大概了解方法，但沒有實際經驗，所以……
結果：
不太意外，以感謝信作收。但整體回覆速度都很快，不會讓人等待，面試過程也算是學到了一課，主要是主管對於項目很清楚，也很了解要什麼樣的人。
3. 台灣線上教育平台_資料工程師
線上填寫資料：
先透過該公司的招募系統，填寫線上履歷，只能說非常的詳細，也問得很深入，由此可知此公司，所需要的人才要非常具有想法及獨立思考的人。
線上測驗：
收到履歷後過幾天就收到線上測驗通知，馬上約了時間進行線上測驗。
時間約莫1個小時，有點忘記多久。該公司會在排定時間寄送題目給你，然後在時間內寫完，上傳至Github上。
題目有四題
1. 第一題是字串反序排列，不得使用套件。
2. 第二題
請寫一個程式，Input是一個數字，Output是從1到這個數字，扣除掉3的倍數及5的倍數，但是需保留同時是3和5的倍數的總數字數。
3. 第三第四題都是邏輯題。
(題目過長，請到網頁版看)
面試：
該天面試約兩個小時，前面還是紙筆測驗，包含SQL和邏輯題。
時間大概是半小時，寫完之後會有人跟你討論作法，還有問說為什麼是這樣思考的。
再來就是問專案經驗跟實際開發經驗。
結果：
感謝信，後來再一次分享會上，有遇到面試我的人，有聊了一下當初沒有錄取之原因，主要是因為工作內容會需要與前後端串接，所以需要有網頁經驗的人，另外也有面試者比我有經驗。
4. 國際旅遊票卷平台_data analyst
線上測驗：
當初投遞好像是透過Linkedin投的，有點忘記。
後來就收到HR寄來的線上測驗網址，大概也是一個小時。
題目包含一題演算法、兩題的SQL。其中一題SQL是時間排序等比較複雜。
結果：
HR寄信說未通過測驗…
5. Google Cloud代理商_數據挖掘工程師
面試：
直接面對香港及台灣的總經理，面試當天在辦公室利用視訊，還同時跟新加坡的工程師同步，主要是由工程師問相關技術問題；
總經理們後續就是問人格特質的問題及可不可到海外工作等問題。
該公司主要就是協助企業導入google cloud的相關方案，再由數據工程師，協助架構data flow等，有點像是顧問的角色。
結果：
等了很久沒有結果，有寄信去問HR，但HR直接把信轉寄給兩個老闆，就再也沒有消息了。
6. 台大教授的教育遊戲平台_Data Engineer
面試：
投遞履歷後，不到兩天就約面試了，當天有先技術測驗，之後就是直接與工程師review專案，到一半HR有進來一起聽，後面就是HR問相關問題。
術科測試：
給了3個dataset，做指定的資料整理及運算出指定數字。
結果：感謝信…
7. 台大醫院及清大共同的醫療研究新創公司_Data Engineer
術科測驗：
在PTT上看到的，投遞履歷後，不到一天就邀請進行線上測驗。
題目是爬取博客來前100名的書的資料，包含書名、作者、分類等。
最後要你算分類的統計量。還有找到前5％折扣的書籍。
面試：
直接與工程師聊技術，中間還有幾個邏輯演算法的討論。
結果：
感謝信，但我感覺是因為要求稍微高一點，而且是做影像辨識，也是比較陌生的領域。
8. 新加坡電商，目前台灣最大的拍賣APP_Data Engineer
第一次面試（電話）：
唯一一間面試了三輪的公司，但每次都很快，30分鐘到一個小時。
第一次是HR打電話來，大概問一下找工作的原因，預計什麼時候換工作這樣。
就直接約去公司和部門同仁面試了。
第二次面試：
第二次是到公司與部門同仁和小主管面試，主要就是聊了做過什麼商業專案，有考一題商業邏輯題。
＞忠孝東路的順成麵包店，請預估它一個月的營業額？
第三次面試：
與部門主管面試，大概都是聊人格特質的問題，也是沒有聊很久，就結束了。
結果：
這間算是我面試完，覺得非常有希望的一間，工作內容也就是很單純的商業分析。
只是最後也是收到HR的感謝信……
9. 台灣直播APP_Data Engineer
線上測驗：
這間是朋友內推，朋友就在他們的data部門，稍微聊過之後，就決定投定履歷試試看。
線上測驗也是2題SQL＆1題邏輯運算題；題目偏簡單，好像是寫1個半小時，我寫不到1小時就寫完了。
結果：
交完線上測驗後，隔天就收到HR的面試邀約，但已經有拿到其他offer就拒絕了。
10. 新加坡博奕軟體公司_data analyst
第一輪面試：
透過線上投遞系統投遞履歷，大概10天之後就收到HR的面試邀約。
第一輪面試是HR的電話面試，因為是電話面試，所以HR會在約好的時間打電話給你，主要就是自我介紹、為什麼想到新加坡工作、之前大概做什麼工作。
主要不要邪魔歪道，Singlish聽得懂基本上應該就沒問題了。
第二輪面試：
當天最後就約了第二輪線上視訊面試的時間，在一個禮拜後。
第二輪偏技術面試，主要就是聊之前做過什麼，還有請你解釋演算法。
接下來就是30分鐘的線上coding測驗。
但他會關螢幕，也不用分享螢幕，只有時間到之後才請你分享螢幕，然後解釋程式及分析內容。
第一題是給你一組資料，做預測。
第二題是A/B test，給你兩組model的預測率及相關數值，請你解釋兩組模型哪組好。
算是偏基礎統計分析。
第三輪面試：
第二輪結束後，隔天HR就寄信邀約第三輪面試，並提供相關公司文化的資料。
第三輪為部門主管面試，大概都是人格特質及面對問題的處理方式，還有公司文化的問題。大概45分鐘就結束了。
結果：
隔天就收到HR的訊息，恭喜我錄取，跟我要一些基本資料，就寄offer letter來，詢問是否要接受這個package。
後續就有專門的HR協助辦理簽證及相關手續。
大約是一月初拿到offer，後續有相關的reference check及簽證所需文件，就依指示提供給HR。
大概是2月初HR就向新加坡申請工作簽證，約2週後，就收到工作簽證核發，也就準備前往新加坡。
＜結論＞
這次投遞履歷的時間點不算太好，剛好在各家公司年末結算之時，職缺其實偏少，真正有職缺的我相信也都是需要即戰力(相對要錄取就比較難)。
所以這次在台灣的錄取率偏低，雖然有點氣餒，但也更加了解市場需求。
經過兩年AI人工智慧吵得沸沸揚揚，市場對於相關人才的需求越來越精準，開出來的條件也越來越高，只能說現在要踏入這個圈子，一定要有一定的水準及技術。
現在市場上對於資料科學家，主要分成三種領域：
1. 數值分析（商業分析，預測數值居多
2. 影像辨識（工業應用，影像分類
3. 文字NLP（輿論分析、文字分析
大概有這三種領域，後續才會分成是做資料工程(data processing)、網路爬蟲、演算法、ETL運算等工作內容。
當然也是有一些職位是需要通包的。
建議對於上面三種領域，一定要有一塊是比較了解或精熟的；
再來是對於資料流、分析流的掌握及了解。
最後當然還是需要有實作，才能夠證明自己是有實戰經驗的。
感謝大家的收看，請多多指教，非常感謝～～
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 202.52.127.147 (新加坡)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1585058011.A.5E1.html
推
03/24 22:53,
4年前
, 1F
03/24 22:53, 1F
→
03/24 22:54,
4年前
, 2F
03/24 22:54, 2F
推
03/24 22:54,
4年前
, 3F
03/24 22:54, 3F
推
03/24 23:07,
4年前
, 4F
03/24 23:07, 4F
推
03/24 23:20,
4年前
, 5F
03/24 23:20, 5F
推
03/25 03:14,
4年前
, 6F
03/25 03:14, 6F
推
03/25 04:08,
4年前
, 7F
03/25 04:08, 7F
推
03/25 08:34,
4年前
, 8F
03/25 08:34, 8F
→
03/25 08:35,
4年前
, 9F
03/25 08:35, 9F
→
03/25 08:35,
4年前
, 10F
03/25 08:35, 10F
→
03/25 08:35,
4年前
, 11F
03/25 08:35, 11F
→
03/25 08:35,
4年前
, 12F
03/25 08:35, 12F
推
03/25 09:43,
4年前
, 13F
03/25 09:43, 13F
推
03/25 13:40,
4年前
, 14F
03/25 13:40, 14F
推
03/25 16:06,
4年前
, 15F
03/25 16:06, 15F
推
03/25 17:17,
4年前
, 16F
03/25 17:17, 16F
推
03/25 17:20,
4年前
, 17F
03/25 17:20, 17F
推
03/25 18:25,
4年前
, 18F
03/25 18:25, 18F
推
03/25 22:02,
4年前
, 19F
03/25 22:02, 19F
推
03/26 00:44,
4年前
, 20F
03/26 00:44, 20F
推
03/26 13:56,
4年前
, 21F
03/26 13:56, 21F
→
03/26 13:56,
4年前
, 22F
03/26 13:56, 22F
推
03/27 16:08,
4年前
, 23F
03/27 16:08, 23F
推
03/28 02:29,
4年前
, 24F
03/28 02:29, 24F
→
03/28 02:29,
4年前
, 25F
03/28 02:29, 25F
→
03/28 02:29,
4年前
, 26F
03/28 02:29, 26F
推
03/29 13:45,
4年前
, 27F
03/29 13:45, 27F