[心得] 2024資料科學家面試經歷分享

看板Soft_Job作者 (S.Duncan_JB)時間3周前 (2024/05/20 00:33), 3周前編輯推噓34(34推 0噓 19→)
留言53則, 40人參與, 2周前最新討論串1/1
從2023 年秋季到 2024 年初，因為對裁員潮的恐慌 我開啟了一次新的資料科學家面試旅程 在亞洲地區的各大科技公司 總共投遞了 26 個職位的履歷、實際拿到 2 封錄取信 親身感受到資料科學與數據分析就業市場 在海內外都依然是冰天雪地、找工作困難重重 以下文章將流水帳式地分享我面試的見聞 主要目的只是幫助你大致了解該公司面試可能會有什麼內容 如果你恰好要跟我面試相同公司的相似職位 多一分認識、就能少一些徬徨 更完整的文章以及更好讀的排版在此： https://haosquare.com/data-scientist-2024-job-interview/ --- ## PayPay 軟銀與日本雅虎合資的電子支付公司，也是快速擴張中、積極聘用外國人 此職缺是 Product Science Engineer 從 A/B 測試、資料探勘、到機器學習建模都會涉及 整體是更研究導向的職缺 （同部門有其他機器學習工程師與資料工程師處理模型部署問題） 位於 Data Insights 部門，該部門的主軸可以到 PayPay 官網找部門介紹 面試流程：回家作業 -> 技術面試 -> 技術+案例分析面試 -> 主管與 HR 面談 第一關：回家作業，給你 PayPay 可能會有的電子支付交易紀錄，請你給出數據洞見。 主要考察三大面向： 資料探勘與商業邏輯、寫程式能力+視覺化技巧、機器學習或時間序列預測模型 這關是線下審核，審核通過才會到下一關、見到第一位面試官 第二關：技術面試，我遇到的全都是非常典型且基礎的統計與機器學習問題 例如過擬合、丟硬幣機率、資料不平衡等等 有趣的是，這關的面試官問法非常「填空題」，好像一定要講出他需要的關鍵字才能過關 例如聊 P-value 與顯著水準的時候 我試著解釋偽陽性錯誤，他堅持再問我這稱為什麼錯誤 直到我講出「Type-I Error」，他才放我走、進入下一題 第三關：技術+案例分析面試，一題要求你用 Python 跑模擬來算擲骰子機率 一題 SQL 考資料表 JOIN，然後案例的大意是「如何設計推薦系統」 案例這題面試官完全沒給方向 丟給你情境（介紹 PayPay 現在遇到的某個推薦系統問題），剩下全部自由發揮 第四關：跟主管全都是聊行為面試問題；跟 HR 聊職涯問題與個人特質 最後他們給我 “No Culture Fit” 拒絕了（對我來講就是不知道為什麼的拒絕） 從面試經驗，我主觀覺得他們想找十項全能的資料科學家 (ｰ ｰ;) 程式要寫得漂亮、A/B Test 要精通、機器學習預測要熟、要懂推薦系統領域知識 除了這些硬技能，對商業嗅覺的要求也極高 近期 PTT 也有另一位網友分享 PayPay 資料科學家面試經驗，值得參考 #1c9UDlUN (Soft_Job) --- ## SmartNews 日本有名的新聞閱讀 APP，在美國也有團隊，遇到的面試官來自美國跟日本都有 我遇到的流程是：第一關 Codility 線上考試 -> 第二關技術面試 -> 第三關與三位面試官 Back-to-Back Interview -> 後面我被拒絕了所以不知道 第一關 Codility：一題 SQL、一題 Python 題實作類似 NumPy 會有的簡單計算、 然後有一堆選擇題考統計與機器學習觀念（大多都是課本有的經典問題） 第二關技術面試：問了很多 A/B Test 與指標設計商業問題 我最有印象的是我們花不少時間在聊 CUPED 與 Bayes A/B Test，有點硬派 第三關之一：聊我履歷上的經歷、也深入探討其中他有興趣的技術細節； 一題案例，在 APP 新增功能該怎麼驗證成效、以及潛在風險 第三關之二：聊很多行為面試問題，壓力處理、人際溝通等等 然後話鋒一轉又是一題案例分析，同樣是新功能驗證成效的題型 第三關之三：連續三題案例分析！包括用戶增長、市場大小衡量、數據導向的產品設計 雖然最後被拒絕，SmartNews 的 HR 跟每位面試官都態度和善、是很棒的面試體驗 被拒絕後寫信詢問，HR 還真的幫我向各面試官搜集回饋、給我建議，我十分感恩 --- ## Woven 這家我只有跟 HR 面談一次就沒下文了，所以就簡單介紹面談中我得知的該職缺訊息 Woven 是 Toyota 的子事業體 這個資料分析缺主要是針對 Arene 車用作業系統的資料平台 2024 年初這個資料平台還沒正式上線，實際工作會是針對測試階段的平台設計： 平台距離期望目標還有多遠？如何設計成功指標並決定預期成長幅度？上線初期該看什麼指標？ 該資料團隊當時正在找視覺化專家，因為當時該團隊沒有 Dashboard、BI 工具或平台 所以對應徵者的 SQL 與 Python 要求會較高，候選人要有自己撈資料跟視覺化的能力 此職位不硬性要求日文，但有的話顯然更好 因為主要客戶就是 Toyota HR 原本告訴我（但我完全沒經歷到的）面試流程包括：SQL + Python 技術面試 考察視覺化與簡報能力的 Take-home challenge、Culture fit interview --- ## Coupang 此職缺在台灣，屬於產品設計團隊（eCommerce Product），職等是 Staff（L6） 面試流程大約是：HR Screen -> SQL 技術面試 -> 好幾輪技術與商業分析面試 -> 主管面試 -> Offer 這是非常讓我驚艷的公司與團隊，我面試過程遇到超多神人 有知名遊戲平台超資深 PM、待過韓商巨頭的資深資料分析師、叫車平台總監級人物、 世界前幾大 MBA 畢業加上超猛外商資歷的 PM 等等 現在（2024 年 5 月）還有看到台灣還在開資深的資料科學職缺 面試過程每位面試官（包括 PM）問的問題都是分析技術與商業價值討論兼備 例如各種 A/B Test 的應用場景與潛在問題、Coupang 現有的優惠券策略案例分析 面試也很重視人格特質，包括工作步調、壓力處理等等問題 最終有幸錄取，不得不說從團隊成員、到工作內容與職涯發展，是讓我非常心動的 Offer 考慮個人職涯與生活綜合考量，才忍痛拒絕 吹捧歸吹捧，Blind 跟 Glassdoor 網站對這家的公司文化都有不少評論 推薦對這間公司有興趣的朋友參考參考 --- ## Yahoo 應徵部門是 Global Consumer Analytics 工作內容環繞在 A/B Test，包括規劃、驗證、結果分析與回顧、執行行動策略 合作的 Stakeholders 可能在美國 我遇到的「回家作業」面試是準備分享自己隨意選的專案經歷，面試官在分享中考察： 問題架構方法、簡報設計與摘要能力、商業影響力 Hiring manager 強調，考察的能力不只是挖掘出數據洞見 更重要的是如何轉換成具體行動建議 這次面試中，我主觀感覺此團隊非常重視「問題解決能力」 關鍵字當然是麥肯錫、BCG 等等商業顧問技能 很白話的說就是「看到問題，馬上知道要用哪幾種框架來分析」的能力 --- ## Coca-Cola Bottlers Japan (CCBJI) CCBJI 跟可口可樂母公司是不同的，CCBJI 是主要負責生產銷售的事業體 有獨立的資料科學團隊 期望工作內容很全能：除了典型的機器學習建模與數據分析 期望還要會涉及資料工程、前端軟體設計、MLOps 初期面試會有 TestGorilla 平台上的 90 分鐘線上測驗 包含 SQL、Python、機率、統計學與機器學習，每個測驗都是簡單到困難的題目平均分佈 我只在 TestGorilla 測過這一次 覺得它的題目不少、節奏偏快，容易寫不完，想題目過程不適合在同一題苦惱太久 我遇到的兩位面試官分別是資深的資料科學家+軟體工程師、 以及機器學習博士+外商顧問經驗的主管 （不同於我對可口可樂的刻板印象）我覺得是超強的資料團隊 面試題目大部分是討論我的經歷 我會努力把自己的資歷連結到對方提過想做的專案類型。 特別的是，主管還問了我的個人休閒嗜好 較為困難的是開放式的案例分析，大意是問如何衡量促銷與廣告的成效 我相信對方是針對我的因果推論經驗而出這個題目，我個人都是環繞這個主題發揮 --- ## Agoda 面試流程包括：線上數理邏輯測驗 -> 技術面試 -> 回家作業+案例分析面試 -> 部門主管最終面試 第一關線上測驗很容易寫不完！ 千萬要注意時間，我個人建議手邊準備好 Excel 或 Google Spreadsheet 加速計算 面試關卡考察的能力面向滿平均的： 機率統計、商業思維、A/B 測試、案例分析等等都會問到 尤其機率統計，建議簡單複習一下網路上常見面試題 （像是各種擲骰子問題）來幫自己暖身 A/B Test 的面試題目很多，除了假設檢定這些統計學以外 經常問到 A/B Test 的指標是否能跟「行動」連結、以及可能測不到的潛在問題 回家作業+案例分析的環節，我在面試結尾有特別問對方回饋 對方提醒我優先級排序（為什麼要先採用我的提案、不考慮其他的？） 以及潛在風險（羅列出自己可能有想到但是還沒解決的問題） 這些是面試重視的面向 發個牢騷，跟定價有關的面試問題都好難 如果你剛好也面試到定價相關團隊的職缺、又有心想提前準備的話 建議你想想看：Agoda 的訂房或者各航空公司的機票，定價會怎麼隨著時間變化？ 最終在定價團隊拿到 Senior Manager 的 Offer 能挑戰主管職、我理解到的工作內容也非常有趣，覺得榮幸且感恩 但薪水低於現職，忍痛拒絕 --- ## Rakuten 第一關是線上程式能力測驗，我個人遇到的內容跟 Glassdoor 上找得到的一模一樣 如果你近期要面試這家，請務必嘗試搜尋歷史考題 第二關，跟兩位資料科學家聊我的經歷，他們很重視技術細節 所以聊了特別多 A/B Test 的實作問題、還有因果推論的方法與背後假設 然後我就被拒絕了，即使我覺得我在第二關應該沒有搞砸什麼 --- 如果你跟我一樣熱愛資料科學，我也親自體驗到就業市場的寒冷 但我仍希望我們能一起長期、持續、不灰心地努力 這樣下次好機會飛來的時候，才能順利接到它 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.12.29.193 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1716136384.A.C9C.html
推
05/20 00:51, 3周前 , 1F
推
05/20 00:51, 1F
推
05/20 00:53, 3周前 , 2F
所以取得兩個offer 但仍繼續留在原職位囉？
05/20 00:53, 2F
對,有幸還沒被裁,我評估自己目前更需要在現職多多學習 ※ 編輯: AgileSeptor (101.12.29.193 臺灣), 05/20/2024 01:00:22
推
05/20 01:08, 3周前 , 3F
投24個有8個面試 這樣不是算很厲害了嗎?為什麼叫急凍的市場
05/20 01:08, 3F
→
05/20 01:09, 3周前 , 4F
喔看錯是26個
05/20 01:09, 4F
推
05/20 01:10, 3周前 , 5F
推
05/20 01:10, 5F
推
05/20 01:34, 3周前 , 6F
感謝分享 不過這個應徵/面試比例我也不覺得是急凍
05/20 01:34, 6F
→
05/20 01:47, 3周前 , 7F
日商面試和標準真的很謎
05/20 01:47, 7F
→
05/20 02:01, 3周前 , 8F
面試機會和急凍與否不完全相關吧
05/20 02:01, 8F
推
05/20 02:02, 3周前 , 9F
push
05/20 02:02, 9F
→
05/20 02:03, 3周前 , 10F
這心得我看來急凍也合理啊 費時找一輪也只能蹲原職
05/20 02:03, 10F
→
05/20 02:03, 3周前 , 11F
有缺有offer 但都比現職差不值得跳 也算很凍了吧
05/20 02:03, 11F
→
05/20 02:04, 3周前 , 12F
當然如果你要懷疑是原PO能力問題 那我無話可說
05/20 02:04, 12F
推
05/20 08:14, 3周前 , 13F
推
05/20 08:14, 13F
→
05/20 08:14, 3周前 , 14F
結論: 我這麼強都只有兩個offer 你們非神人就別了
05/20 08:14, 14F
自己夠不夠強,親自面試過確實會有深刻體會 文中其中兩個缺,我有在領英找到後來到職的人 那個資歷跟硬技能,都讓我被刷掉心服口服 明確認知自己能力不足也是出來面試的收穫 我也同意自己在文中寫市場急凍或許過於主觀、草率 但分享的初衷只是希望未來的相似應徵者可以搜尋得到 就像我過去一直在 PTT 獲得很多重要資訊一樣
推
05/20 08:30, 3周前 , 15F
這兩年接受跨海面試的大公司缺，求職者都是幾百個起跳很
05/20 08:30, 15F
→
05/20 08:30, 3周前 , 16F
競爭，而且還不乏 level 1 的求職者，因此無緣無故被拒很
05/20 08:30, 16F
→
05/20 08:30, 3周前 , 17F
正常，人才太多了
05/20 08:30, 17F
推
05/20 09:16, 3周前 , 18F
現在的職缺真的少得可憐
05/20 09:16, 18F
→
05/20 09:35, 3周前 , 19F
缺少人多 還有一堆對資料分析有興趣的人要進來擠
05/20 09:35, 19F
推
05/20 09:59, 3周前 , 20F
前段時間一堆讀經濟統計精算的全部都往資料科學擠呀....
05/20 09:59, 20F
→
05/20 09:59, 3周前 , 21F
現在這批差不多都要畢業出來了
05/20 09:59, 21F
推
05/20 10:29, 3周前 , 22F
好強
05/20 10:29, 22F
※ 編輯: AgileSeptor (49.216.52.198 臺灣), 05/20/2024 10:46:44
推
05/20 10:40, 3周前 , 23F
強 有2個
05/20 10:40, 23F
推
05/20 12:41, 3周前 , 24F
推 感謝分享
05/20 12:41, 24F
推
05/20 13:24, 3周前 , 25F
強 正向思考推
05/20 13:24, 25F
推
05/20 13:28, 3周前 , 26F
推分享
05/20 13:28, 26F
推
05/20 14:47, 3周前 , 27F
推分享
05/20 14:47, 27F
推
05/20 15:10, 3周前 , 28F
推 謝謝分享
05/20 15:10, 28F
→
05/20 15:18, 3周前 , 29F
Rakuten 印象中早上八點要早點名聽高層談話還甚麼的
05/20 15:18, 29F
推
05/20 17:22, 3周前 , 30F
推強者
05/20 17:22, 30F
推
05/20 17:45, 3周前 , 31F
推分享
05/20 17:45, 31F
→
05/20 17:50, 3周前 , 32F
畢竟資料科學不是只有寫程式，經濟統計在其他部分更有
05/20 17:50, 32F
→
05/20 17:50, 3周前 , 33F
優勢，當然就成為求職選擇啦
05/20 17:50, 33F
推
05/20 19:14, 3周前 , 34F
可樂好誇張 竟然還要做前端
05/20 19:14, 34F
推
05/20 20:31, 3周前 , 35F
推，謝謝經驗分享
05/20 20:31, 35F
推
05/20 20:58, 3周前 , 36F
推
05/20 20:58, 36F
推
05/20 22:11, 3周前 , 37F
推
05/20 22:11, 37F
推
05/20 22:56, 3周前 , 38F
好多日本公司...
05/20 22:56, 38F
推
05/20 23:19, 3周前 , 39F
推推 原po過往面試經驗分享使我受益良多
05/20 23:19, 39F
→
05/21 05:24, 3周前 , 40F
不是說資料科學是第一波被AI取代的職位嗎？
05/21 05:24, 40F
→
05/21 08:02, 3周前 , 41F
感覺原PO的描述，比較像BI方面的專業耶。
05/21 08:02, 41F
→
05/21 08:05, 3周前 , 42F
沒看到原PO背景。近幾年的資料科學家，大廠都要有domain強
05/21 08:05, 42F
→
05/21 08:05, 3周前 , 43F
相關經驗。可稍微思考一下，是否要經營一些專長domain，工
05/21 08:05, 43F
→
05/21 08:05, 3周前 , 44F
作發展會更順利。
05/21 08:05, 44F
謝謝 e 大跟 d 大的回饋, 怪市場不好的確是被動的 也是該思考自己究竟是能力不足、還是技能根本不符合市場需要 （或許我自以為的技能確實很快會被 AI 取代）
推
05/21 11:08, 3周前 , 45F
推推
05/21 11:08, 45F
推
05/21 21:52, 3周前 , 46F
推 之前面過日本公司 只能說薪水有夠可憐Zzz
05/21 21:52, 46F
推
05/21 21:57, 3周前 , 47F
推 面過其中三家 真的硬
05/21 21:57, 47F
推
05/22 09:26, 3周前 , 48F
推，謝謝分享，不過要是能有薪資大略範圍就更完美了
05/22 09:26, 48F
※ 編輯: AgileSeptor (61.231.189.208 臺灣), 05/22/2024 23:31:26
推
05/24 09:09, 3周前 , 49F
推
05/24 09:09, 49F
推
05/24 22:02, 3周前 , 50F
推推~
05/24 22:02, 50F
推
05/25 02:04, 3周前 , 51F
推
05/25 02:04, 51F
推
05/25 08:00, 2周前 , 52F
推分享
05/25 08:00, 52F
推
05/26 02:01, 2周前 , 53F
推
05/26 02:01, 53F
‣ 更多 AgileSeptor 的文章
文章代碼(AID): #1cIYd0oS (Soft_Job)