2020-05-14 14:55 已编辑字节跳动_Data_数据分析师

关注

字节跳动中台数据分析师社招面经（已offer）

大概一个月前开始面试中台数据分析师，有将近一年左右美国科技公司的数据分析师工作经验。因为在准备面试过程中在牛客网上搜过很多关于字节面试的面经，所以也来回报一下。我会先大概介绍面试题目和我当时的答案，之后会分享一些准备面试的经验。

面试流程

第一轮：4.23

1.介绍一下自己

2.介绍一个数据驱动的项目（针对项目问了很多问题，诸如为什么这样设计，有什么地方想改善）

3.平时经常使用什么类型的产品

（1）有什么想要改善的地方

--- 我介绍自己最近一直在研究字节的新产品 gogokid，并且认为first time user experience做得不是特别好，希望通过增加新手教程来改善

（2）具体怎么确定改善的不错（典型的ab实验导向）

--- 确定实验目标：增加新手教程的目的是希望改善用户第一次登陆使用产品的体验，接下来需要思考那些kpi可以反应用户的体验，比如d1 retention, d7 retention

--- 设计实验：ab实验的设计步骤

--- 评估结果

第二轮：4.26

1.介绍一下自己

2.介绍一个数据驱动的项目

3.如果想提高你公司的gmv（我之前在一家wish做da），你想怎么做

4.给抖音设计一个数据看版，你想怎么设计（我的回答事后觉得中规中矩，仅供大家参考并讨论哈）

（1）理清抖音的产品逻辑（如果把抖音看成一个供需市场，有创作者提供视频，有更多的消费者看视频，并且消费者通过点赞评论转发与创作者交互，同时平台从中变现，同时注意产品的时间基础，比如抖音属于日用产品，那么应该多关注日用指标）

（2）围绕产品的关联方，设计相对应的指标进行观测

--- 创作者：每一天新视频的产生量，每一天的创作者；

--- 消费者：DAU，Time Spent/DAU, Number of Sessions;

--- 交互：评论数量，点赞数量

--- 平台：收入

（3）最后对于每一个产品都提前做好segmentation，比如DAU在设计的时候分不同的用户年龄，用户性别，地区，等等。便于之后分析或者查找异常值

5.我们发现一部分用户的参与度并不好，该怎么去改善呢（这道题我感觉自己答得特别不好，先把我当时答案列出来，再列出我后来重新想的答案，供大家讨论。友情提示：这属于一个非常典型的四类数据分析中的描述性分析，诊断类分析和预测性分析）

（1）我的答案：

--- 找到平台参与度最高的10%或5%的用户，假设一些影响他们参与度高的因素，然后通过描述性数据分析寻找相关性（注意，这里只是寻找相关性，因果性只能通过ab实验才能被验证）

--- 确定一些因素后，赋予到并不engage的用户上，设计一些ab实验，探究效果

这里面试官追问，可不可以不通过ab实验，我给出的回答挺差的，我希望通过找到一些曾经不engage，后来非常engage的用户，看看改变他们的因素是不是我们一开始假设的因素。（这个回答非常天真善良萌萌哒，但感觉自己其实挺不专业的）

（2）重新思考后的答案：

--- 建立一个机器学习模型，通过最终模型的系数，找到对参与度影响最高的因素（变量），进一步确定改善哪些方面

第三轮：5.6 （数据分析leader）

1.介绍一下自己

2.数据驱动的项目，怎么改善它

3.平时经常使用什么产品（我回答了instgram），可不可以把它介绍给我

（1）产品的目标

（2）产品的受众

（3）产品的设计如何满足产品的目标

（4）产品其他突出的功能

（5）未来发展的方向

4.你想怎么改善这个产品，多提出几个改善的方向，怎么验证改善的好坏呢

5.职业规划

第四轮：5.8（hr面试）

1.自我介绍

2.遇到的困难怎么解决（stare原则）

3.在现在的公司做得还不错，为什么想换工作

4.期望薪资

总结及面试准备

其实从头到尾面试下来，感觉字节真的非常注重面试人的产品感觉和逻辑思维，也就是我们常说的business/product sense。我遇到的问题几乎是大部分公司都会问产品数据分析师的问题（我也面试过很多美国这边的产品分析师），因此怎么提升我们的product sense以及逻辑思维能力是面试准备中最为至关重要的。

分享一些自己准备面试用过的资料：

1.product sense：

（1）https://medium.com/sequoia-capital/data-informed-product-building-1e509a5c4112。这是我在美国这边一家叫medium的网站找到的，整个系列文章几十篇，包含了产品分析的方方面面，全读完之后真的非常受益

（2）和真正做过产品分析的人聊。我在美国的室友是做游戏行业的数据分析师，他也是我本科时候的学长。我平时会经常和他聊他工作做的一些分析，比如怎么去思考一个kpi下降，怎么找到背后的原因，怎么去做ab实验

（3）刷题，我在牛客网上看了好多大家的面经，自己也试着去做，然后一遍遍地磨

2.ab实验：

（1）https://www.udacity.com/course/ab-testing--ud257。udacity上的精品课程，基本上学完这个，面试中的ab实验问题都可以回答得上来

（2）知乎

3.面试：

我个人觉得面试过程一定要注意自己的逻辑思考。每遇到一个问题，可以先想想问题的目的，如果无法确定可以和面试官反复确认。确认好问题后，先从宏观上思考问题的不同方面，做出不同的假设，之后针对不同的方面去做答。比如一个kpi下降，怎么找原因。我个人的思路是：

（1）确认问题出现的时间区间 ——上一周到这一周，还是前三天到今天

（2）提出可能影响它的因素，也即做出假设。数据问题，内部原因（产品的迭代，新的项目），外部原因（竞争对手，季节性因素）