2022快手校招已开，顺便打个广告hhh，内推链接：https://campus.kuaishou.cn/recruit/campus/e/#/campus/jobs?internalPerson=sjm4HShSMTkDmlhaC8wcBQ%3D%3D&recruitSubProjectCode=2022campus          欢迎私聊沟通哈～      -------------------------------10.29更新--------------------------------------     秋招应该结束了，更新下唯品会、快手和美团的最后结果，祝大家之后都顺利啦~      --------------------------------10.19更新--------------------------------------           之前一段时间面试比较多（是的，菜鸡如我 10月还在不停低面），一直没更新，现在面的差不多了，补完最后一波面经吧，然后祝各位都顺利哈~下面基本都是数分向的具体面经，我会尽量多写些当时面试的信息帮助大家理解，数分知识点总结啥的这个帖子就不写了，牛客有很多大佬写的精品帖子可以参考。我这个帖子更多地还是尽量还原下菜鸡的我完整的面试经历这样。       写这个帖子的目的：        梳理、复盘自己的数分面试经历。想尝试总结挖掘一些可复用的经验，也给后人排排坑和雷（未必适用于所有个人/公司/面试官/面试场景）       积累RP，回馈牛客社区。秋招历程中牛客的社区内容（面经贴、鼓励贴、试题内容等）给予了我很大的帮助，也希望这个帖子能帮到其他小伙伴了解到更多信息（也给接下来的面试攒攒RP 2333）       集思广益。希望大佬们看到我的经历能共同探讨下某些题目的分析思路，或者看能否从更多人的回复中总结出新的insights，共同成长。      个人情况：     我的经历相对有点特殊，是大概一个月前走内推"上岸"了美团（当时已和HR谈好薪资），但offer审批被告知要砍HC然后继续秋招，关于这个情况之前发过一个投票帖，详情在这个帖子里：    https://www.nowcoder.com/discuss/475701?source_id=profile_create&channel=1009        补充点个人情况方便还原整个心路历程。本科华南双非金数，研究生LSE数据相关专业。实习有华南三线互联网数据运营（HQL/SQL Boy），两段数据相关咨询（一段国内一段英国，都是画像相关，英国是远程的学校项目，个人觉得比较水且觉得一定程度影响了前期秋招）。其实个人是大三的时候明确了要做数分相关的工作的（这也是为什么研究生申的都是BA/DS相关的项目），也一直在Coursera和DataCamp上面的各种网课（数挖AB测试等等，加起来应该也有20多份了），但没有任何数据结构和算法基础。虽然这些自学的内容给了我一定的帮助，但还是得说这跟实际的数分求职存在很大程度的脱节，网课有益，但对于数分求职来说并不是最高效和直接的，最后总结我会详细说明。然后今年真是水逆到爆炸，下半年三个月间经历了两次秃然失去工作机会 [别理我]，第二次是我上面提到的美团，第一次是研究生的毕业实习，我们的项目最后的学分是可选毕业实习or写论文的，而大部分的同学都会选择毕业实习（六月初到八月底），我当时拿到的英国一家大型传媒公司的数据分析项目，项目内容是到公司和他们的市场分析团队做用户的流失分析，当时申请面试这个项目也是觉得这个项目的内容对我之后求职互联网数分岗有比较大帮助，然后！在入职前一周，经理跟我说他们和高层以及HR商议完觉得疫情情况下还是不做这个项目了。。。然后就通过学校再申请了一个咨询的项目，其实就是一个在咨询公司的学姐自己的相关项目，课题是研究和推荐数据挖掘模型识别英国零售银行的脆弱客户，一直差不多就是自己在研究、看报告、文献，然后每周要跟她和导师汇报工作内容和进度，最后还得交一份30多页的项目报告给学校。。。六月到九月初差不多就一直干这事，其中七月中从英国回来，隔离期间还经历了一段"小"插曲导致电脑眼镜等财物被毁导致心态爆炸，总的来说这三个月也没办法很专心地准备秋招，前期准备确实也不够充分，基本只能够间间断断刷刷leetcode的SQL，投投简历，面试来了再匆匆忙忙准备一下，结果也比较惨（菜の掩饰）。希望现在时间充裕了，能再冲一冲吧，废话说得差不多了，下面先上一张菜鸡中的战斗鸡的阶段总结表吧，详细内容表下说明。备注：公司顺序基本按照投递时间线排序，√代表该环节通过，？代表目前还在该环节结果未知，×代表该环节gg                                            简历                测评                笔试                一面                二面                三面                HR面                offer                        百度（提前批）+ 数分（产品）                √                                                √                ×                                                                        阿里（内推+网申）+ 数分                ×                                                                                                                                        网易云 + 数分                内推无筛                √                ×                                                                                                        Intel + 数据分析 （招1个...）                ？                                                                                                                                        OPPO + 数分                ？没消息                                                                                                                                        网易互娱 + 数据分析工程师                被调剂到游戏运营...                                                √                鸽了                                                                        猿辅导 + 数分                ×                                                                                                                                        PDD拼越 + 数据分析                √                                ×和字节撞，鸽了...                                                                                                        字节 + 游戏数据分析                √                                √                ×                                                                                        华为 + 数据分析（服务类）                ？听说不招人...                                                                                                          美团 + 销运（数分）                √                                                √                √                                √                被鸽                        美团 + 商业分析                √                                          √                ×                                                                        贝壳 + 数分                ×                                                                                                                                        B站 + 数分（业务）                ？                                                                                                                                        搜狐 + 数分                ×                                                                                                                                        携程 + 大数据分析                √                √                                √                √                √                √                √                        Bigo + 数分                √                                ？（第一次鸽了，前几天做的第二批）                                                                                                        斗鱼 + 数分                ？                                                                                                                                        小米 + 数分                ？                                                                                                                                        顺丰 + 数分                √                鸽了                鸽了                                                                                                        京东 + 管培（技术）                √                                鸽了...                                                                                                        腾讯 + 数分                √                                                ×                                                                                        滴滴 + 数分（国际化）                √                                √                √                ×                                                                        京东 + 商业？数据？分析                √                                √                √                √                                √                √                        字节 +  数据分析Data                √                                √                √                √                ×                                                               快手 + 数分                      × *2                                                                                                                                        快手 + 数据产品                √                √                                √                √                                √                √                        唯品会 + 数据分析（商分）                √                √                √                √                √                                                √                 说明两点：           上面鸽了的基本都是那周确定要去美团，就觉得优先度低的笔试没有做的必要了。。（大坑，没正式offer之前最保险笔面都不要停）          上面只包括了我七八月投的（其实还是太少，一直在搞学校的项目真的很没意思也很疲惫），九月补投了的暂时也还没什么进度没列出来，之后有进度会补充。        下面是详细的面经，我会简要补充我记得的部分问题当时的回答点，没什么参考价值毕竟很多都挂了hhh，希望感兴趣的牛油也可以交流下，尤其是业务类问题。    百度提前批-数据分析（产品）     7.17一面（过）：                   实习中最有成就感的一段经历？（经典问题，很多公司都会让你挑一段最有成就感/体现分析能力/印象深刻的实习说，不会都问你，折射出实习质量还是远远重要过数量的）                   实习经历深挖              使用过百度APP吗（我很诚实地说是前几天你打电话约时间的时候，我特定问了你的业务部门，然后才下载研究了一番的。。然后面试官就笑了，然后我解释了一翻，他就让我说别的APP。现在想想是不是有点too young too naive...）               日常使用的APP、优缺点、功能改进方向（业务类数分常见题！说了知乎吧，然后缺点大概说了 广告触达不够精准以及平台功能越来越复杂臃肿                   大型APP平台功能变得越来越多，越来越臃肿的原因（面试官对你的回答进行追问是非常常见的，考验你对结论的独立思考能力。当时大概说了几点，然后最后有总结，大概就是：盈利角度、留存角度、市场份额角度）                   对直播了解吗，直播为什么能吸引用户？（大概说了：自己没怎么看直播，自己对直播的看法。原因是及时互动的交互性和真实性、名人效应，有总结）                   对数据分析师的看法，以及自己的优势 （基本就是认为数分每个公司的侧重其实很不一样，基本上还是分技术和业务两条路径，但都要贴合业务才能有意义地支持决策blablabla。职业规划方面自我感觉还是比较清楚的，基本面试里面试官问这个问题我答完都会表示认可）                   某日APP日活突然下降，如何分析 （经典题了,分析框架换汤不换药）              数分相关硬技术如何               反问（当时无。。就说暂时无，面试官笑了笑说真的无吗。。。                      7.30二面（大概两周后挂）：                     知乎的优缺点（我自己提的知乎APP，回答了一些新的点。现在想想是不是如果她知道一面我答过这个，换一个更好呢，但从他后面的重复问题来看，我觉得他似乎不知道一面问了啥）                        B站是大会员吗，为啥不是（好像也是我自己提的B站...扯了些我自己的使用需求，会员权益为何没有覆盖我的需求之类的。。。                        用户成长如何路径设置，如何提高百度APP的用户参与度和人均使用时长 （啊这，可能因为提到了B站等级/会员之类的，当时直接懵逼。根据知乎乱扯了一些针对信息流平台的用户权益设置和参与引导，到达一定等级允许评论发表情之类的...回答得非常烂，希望有大佬可以交流下看法                        如何挖掘高考人群信息，就是判断用户是不是今年的高考生，然后可以进行相关的精准运营 （我大概说这是个用户画像的标签预测问题，最有用的信息应该是年龄 + 浏览记录关键词，但感觉说完面试官觉得不够，面试官补充说就假设所有数据都能获取得到，想了一下之后说可以结合百度其他APP获取用户的相关缺失信息，然后无了，答得确实也不好。。。                        DAU下降如何分析（又问了，感觉是不知道一面问过了                  数据分析的工作中其实有大量的取数据对数据等脏活累活，怎么看待这个问题？                   拿到疫情搜索信息如何最大化数据价值，有什么应用场景，可以给业务提供什么支撑 （啊这，当时分点说了几个吧，关键词分析排名然后优化信息推荐系统，根据数据设立类似微信在看的专题化栏目提高用户点击和观看，丰富用户画像系统信息，看其他业务是否有专题分析的需要进行专题挖掘，类似这些吧，不太记得了。现在想想可能会根据百度的营收来源，补充些搜索排名竞价和广告投放的东东。。）                        如何看待腾讯收购搜狗 （当时比较忙确实没怎么认真看新闻...只是知道有这回事，就跟面试官说了。。然后瞎扯了自己一些临时的看法，说搜狗的核心产品是打字法和搜索，而腾讯其实很少进行收购动作，大多是投资布局，此举应该是有意瞄准搜索市场，提高腾讯生态的完整性。。。现在想想可能会针对对百度的威胁展开吧，当时没提百度，真是太蠢了                        反问（经历了上次的尴尬，特地准备了几个问题）             百度（百度APP）是最早捞我的，七月中刚投完就捞了面试，一面是一位数据分析师，二面是PM，一面还是很顺的，可惜二面当时没好好准备，问的也全都是业务的问题，当时积累也很少，跪了，现在想想真的有点可惜。                 字节-游戏数据分析（全球化）                8.7一面（一周后挂）：                     简历深挖，经历讲述                        技术原理（PCA-项目里提到，AB测试-简历里提到，说完这两个面试官有夸数学基础扎实）                        设计新手礼包的AB测试，指测试新老版本的新手礼包的效果（说了测试对象-新用户，观测指标-新手留存和活跃，新手礼包的点击率，其他不太记得了                        游戏经历和喜欢的一款游戏的优缺点（开头就说虽然自己玩过很多游戏，但不算深度玩家，埋坑+1。说了笔试里提到的全站三国，缺点有提到游戏后期单调无聊                        如何判断用户的活跃程度（不太记得是不是这个问题了，大概是分了端游和手游/线上和线下吧，总体可以通过登录的RF数值以及平均每日游戏时长，然后说线上手游相比单机端游（steam等平台的）可以设置更多埋点追踪用户行为                        游戏后期单调无聊的优化思路（还是分了线上线下，线上就更新后期副本+活动运营+社交拉回（流失的用户可能不知道更新信息），线下就更新内容+DLC+平台推送触达用户）                        反问                   其实前面没啥问题，我觉得问题是出在后面的游戏那里了，一是我自己给自己埋了坑（一个是上面的，后面不知为何自己又提到喜欢数据分析多于游戏，埋坑+2。。。），二是游戏部分也没说的很好，但其实当时面完没意识到自己gg，因为面试官对我的回答反馈害行（可能字节面试官比较善良），然后我自己好像确实也没有很想加入游戏行业，还不掩饰，面试官大概率也看出来了。                                携程-大数据分析（技术管培）              8.18一面（过）：                          项目问题,收获最大的实习（经典问法了）                             面试官对国内咨询经历里用到的因子旋转增强解释性感兴趣，问了原因和原理（只说了原因，因子旋转当时原理还没准备。。就说我给您说说主成分分析的原理吧。。。）                      研究生什么课程学得比较好（答了数据挖掘学得害行，自己也比较感兴趣，后面就是针对数挖问了）                       l1正则化怎么实现降维                             AB Testing怎么做                             随机森林和XGBoost的区别和异同点？树节点怎么裂变？                             分类样本不均衡，负样本过多如何解决（是实习项目里其中一个问题延申着问的，面试官似乎又对英国的咨询经历感兴趣，然后我又讲了很久                             Kaggle比赛特征工程怎么做的，怎么验证是否有效                             指标缺失怎么解决                        9.10二面（过；真够久的，不过二面面试官又帅又nice，应该是目前面试体验最好的一次；）                                        对数据分析的理解                                  围绕项目，数据清洗问题                                  怎么判断异常值（模型搭建画图 + 统计量判断，实际业务先结合业务判断是否正常偏离，看偏离均值多少个标准差）                                  反爬虫，识别作弊用户，面试官说了无标签（相关指标异常值判断，然后面试官补充了部分单指标异常可能是特定的业务人员。我就说结合多指标判断，聚类。但现在想是不是搞个白名单更有效）                                  聚类怎么判断要几类（面试官说基础问题了随便问问）                                  为什么选择携程                                  客服话务量预测（这不是他问我的问题，是因为面试官超级nice，说这是他们目前在做的课题，后面面试也会问到（所以是表示我过了这轮吗？？），如果之后加入他们组也可能需遇到，可以提前思考                                  反问（我当时问了后面的流程，似乎说还有第三轮技术委员会面然后才是HR面？？可能我还得等一下结果，我看别人似乎都是2轮技术+1轮hr，有无小伙伴解释下）                                    --------------------------------9.19更新--------------------------------------                   携程HR打电话说技术委员会加面了，好像是说前面面试官评价有推荐事业群还有因为海外背景啥的，不是很懂了hhh，希望顺利吧，面完更新三面面经。                   --------------------------------10.19更新--------------------------------------                    9.23技术加面（过）                                   三面问题：                                         回国了吗，投递了什么岗位                                            对数据分析的理解                                            说说你的实习经历吧，总结地来说（我按照互联网和咨询行业总结地说了）                                            详细说说英国的项目（一面也问了这个）                                            具体用了什么模型                                            项目里怎么判断模型优劣（说了因为项目目标的原因会更看重recall，以及用AUC进行判断                                            AUC怎么看（当时只说了ROC曲线以下的面积，0.5是random guessing，忘记说横纵坐标的含义啥的                                            平时怎么学习数据分析（从技术和业务两方面说了                                            刚才你说了黑客增长，你觉得这本书最让你印象深刻的一点是什么                                            做数据分析的优劣势（劣势答了自己不是计算机科班出身，数据结构和算法基础可能稍弱，但是自己更偏业务向，觉得算法最终还是要为业务服务blablabla，好像总监也比较认可                                            反问                                       其实个人觉得三面面的不是很好，当时状态不太行，项目回答得挺乱的；不过面完之后总监说不错，自驱力挺好啥的，说一二面面评也挺好的。9.28HR面（很常规的hr面只有10分钟，就不写面经了）跟我说国庆前或者节后第一周发意向书，之后就是漫长的等待。。。一直没等到意向书，一度以为自己凉了，然后今天（10.19）直接收到了正式offer。                                             腾讯-数据分析（软件开发）                    鹅我得专门说说...其实我之前就一直纠结我究竟该不该投鹅的数分，因为是在软开下面的，笔试五道算法直接劝退。。一开始就想着曲线救国，投了市场研究后面又换成产品运营，一直无人捞（有人捞才有鬼了，自己做这两者似乎更没优势。后来翻了下面经似乎也没有很算法，觉得自己还是投回数分搏一搏吧，然后转投回数分第一天就被捞了面试（8.22一面），当时狂喜，看了很多面经，准备了经常出现的知识点（统计，机器学习，大数据，数据库等等的）。然后面试当天，两个面试官上线，没露脸，背景也很吵，让我一分钟介绍下（我当时就嗯？？这么赶吗），果然大事不妙，一介绍完，其中一个就说写几道SQL吧（我当时真的直接懵了，我知道手撕SQL很正常，但我当时真的完全没料想到刚介绍完就让我手撕SQL），然后我真的第一次手撕紧张到飞起，因为我平时都习惯了慢慢想和调试，想了很久写了自己知道错的答案，面试官看完说为何不用窗口函数，是不是很久没写SQL了（我当时真的整个人都懵了，说确实有段时间没刷题了。当时直接大脑宕机，第一题没写出来，现在回想其实不算特别难，但是也不是那种一想就有思路的，大概是leetcode中等难度里的中等难度），他就说第二题很简单的，我就看了下发现确实很简单，自联匹配下条件就ok了，第二题写出来了，然后他追问了个变形的问题（其实我当时已经觉得铁凉了，心态崩了自己都不想面了）。后面问了我用什么语言，我说R最熟。他说你不是写了Python吗，我说Python也还行，但R最熟，他就没说啥了。然后我已经知道铁凉了，后面问想去哪工作只是敷衍下。果然下去十分钟灰了，整个面试过程20分钟不到，感觉面试官已经在记录里备注了我是个菜鸡，确实也不知道该怎么投鹅，估计与鹅无缘了。                                                      滴滴-数据分析（国际化）-技术业务                    滴滴国际化数分效率特别高，如果顺利通过，所有面试都在当天结束，而且根据牛客面经来看意向书出的也特别快（然与我无瓜），我是9.5面的，上星期已经有人集中面了，应该是按笔试成绩集中安排的。                                      一面（过）                                    为什么不做咨询                                       SQL：having和where的区别，窗口函数有哪些以及用法                                       降维算法了解多少（说了三四种）                                       过拟合原因，怎么解决                                       花小猪了解吗（说了挺多的）                                       花小猪怎么跑通，对薅羊毛问题怎么解决（设置奖励限制条件，拆分奖励等等，说了当时滴滴Uber大战自己的看法）                                       提到对出海赛道感兴趣，对Titok出海的近期新闻怎么看（这个不可能没关注了吧，说了挺多）                                       英文自我介绍                              你是打辩论的，用英文介绍一道辩题吧（啊这，我说我是打中文辩论的。。然后想了十几秒他说没事算了，我说我想到了。。然后说得爆炸烂）                                             二面（挂）                                    挑一段实习经历说一说项目内容（不知为何当时脑子坏了说了最近学校的项目，导致面试官后面追着问了比较难把握的问题                                       银行对残疾人用户开放优先服务，应该看哪些运营指标去评估该不该执行这个决策（就是这个问题当时有点被问懵了，是针对最近学校的项目展开问的，但因为项目本身只是做特定客户的识别模型，并没有涉及后续的服务改进应该怎么做和怎么评估方案。我就先大概解释了一遍项目内容，然后说项目的出发点还是金融监管的角度而非公司运营的角度，但从CRM客户管理（客户满意度，留存）的角度来说对公司也是有一定益处的，然后解释了为什么。接着才开始说可以主要考虑残疾人的满意度和银行办理业务的运行效率等指标来评估这个决策并说明了原因。接着面试官提醒说银行遇到残疾人的频率其实是很低的，然后我就提出了一个假设说对于大部分银行分支偶尔出现的残疾人并不会对整体效率和整体客户满意度造成影响，应该重点关注残疾人比较聚集的分支情况，比如残疾人福利机构附近的银行，可能会有比较多残疾人会到这里这些分支办理业务，还可以从数据的角度看看残疾人办理业务的分布情况，进行重点的优化和评估。说完面试官没什么反馈，自己也非常虚不知道他想听什么，然后好像就下一个问题了。这里给大家提个醒，介绍实习/项目的时候不仅要对项目细节熟悉，而且还要设想作为互联网数据分析师/产品经理/运营的面试官会怎么针对你的项目在他认为跟数分更相关的领域进行拓展提问，不过我估计提前想也未必想得到这一块因为确实完全没涉及。但也可能是我回答这个的时候自己本身就不够自信让面试官看出来了，其实他自己也未必有很理想的预设答案，这个我在最后总结会说。                                       项目经历挺丰富的那你觉得自己了解什么行业（因为我猜到他后面大概要问我指标体系的东西或者行业/APP见解之类的，我没说实习经历的行业，就说对互联网里的电商、零售和信息流都挺感兴趣的，然后用的最多的APP是知乎，然后我就猜他应该会问我我提到的了，但没想到他后面的问题这么具体，也不知道算不算给自己挖坑了                                       知乎CEO要看一份报表应该有什么数据（我当时能想到的是知乎有哪些关键的维度，比如活跃留存营收等等，然后再对指标进行分类和解释，从CEO的角度想想他更关注哪些整体的指标（因为有的指标可能特定部门业务人员比较需要关注）。但是面试官没啥反馈，我也不知道方向对不对，后来感觉也是这题答的不好，如果再答我可能会根据知乎现在的发展阶段（比如增长裂变还是营收之类的，强调下特定的维度），另外就是我答的时候提到的指标没有凸显知乎作为内容社区/问答平台的特性，大部分说的都是活跃留存营收这种所有APP都需要关注的指标，再答的化会结合这方面的特性去讲。                                       有一条有速度的平地电梯传送带（类似机场那种），如果现在你要绑鞋带应该在电梯上绑还是平地上绑（非常迷惑的一题...我就答考虑的方向可以有很多，比如效率安全和道德，假设我们主要考虑的是效率，那么在电梯上绑鞋带是有速度的，但是平地上绑是静止的，所以应该在电梯上绑。但其实我觉得这样是不是太简单了，我就尝试确认面试官究竟想问啥。他说可是在平地上你绑完可以跑步，我说但是在电梯上如果假设通道顺畅的话也可以跑步，无论之后选择什么速度前进，在电梯上绑鞋带能保证那段时间至少拥有电梯的速度，所以还是选择在电梯上绑。                                  总的来说滴滴的数分还是非常偏业务的，基础问题基本都是在一面问完，之前真的对滴滴的国际化部门很感兴趣，二面挂了挺难受的。。。                                 京东-不知道是商业分析还是数据分析-物流部门              京东我是提前批就投了数分工程师然后一直没被捞面试，正式批做笔试我就崩溃了，后面三道算法，笔试结束我就觉得自己似乎不适合京东数分，官网转投了商分，但已经显示笔试已完成也没让我重新笔试。一开始好像没被捞然后转推荐了，后来面试知道好像是物流部门捞了我，但我还不确定是数分还是商分岗，虽然我面试的时候默认自己是商分。。。                          8.29 一面（秒过）                                        项目经历，画像指标，用户画像的搭建？                                  为什么选择LSE这个项目？当时留学有什么想法？                                  京东似乎不是做数分的行业首选，怎么看其他公司？                                  项目ddl和质量冲突的情况？                                  工作上遇到的挫折和困难？                                  物流数据底层没打通，如何看待？                                  对工作团队有什么期待？                                  预测建模的能力如何？（后来HR面也提到了，物流部门好像比较需要这块的能力，可能也是自己CV写了挺多数挖的项目所以被捞了                                  反问                             总的来说，我会把这种类型的面试称为"聊天型"（数分面试分别还有"业务型"和"技术型"），优点是难度比较低，考验的是想法和见解与岗位的匹配性；缺点是捉摸不透，相谈甚欢然后反手被挂的似乎大有人在。但总的来说一面面试官非常的nice（就是你能感受到面试官是有正面情绪的，而不是木头人hhh），面完她也说她们业务这边会加快流程进度，但是HR那边可能会慢点，你下去留意下状态更新就好了，然后下去一看状态显示复试待安排（虽然后面听小伙伴说，显示这个然后又被扔回池子的情况也存在...                   9.3 二面（一周后过）                                        实习经历细节                                  实习产出                                  对本岗位的理解和业务产出的理解                                  怎么理解不同数据分析工具的使用                                  三年后的职业定位                                  什么时候能来北京实习                                  反问                                 二面依然"聊天型"。特别说一下的是最后反问的时候，有问到公司的培养和新人的成长，面试官非常认真走心地表达了自己的见解和行业看法，而不是简单罗列培养机制，这点要点个赞。                          9.11 HR面（十几分钟后通过）                                        对数据分析的职业理解和规划                                  投递其他公司的情况                                  在英国读研，你们班读书中国人比例（？？？喵喵喵，真"聊天型"                                  疫情多人回国吗，同学的求职方向都是什么                                  笔试编程为啥得分不高？因为物流部门比较看重建模预测能力，对编程要求可能比较高（我心想哎这究竟是商分还是数分，商分也不是这个笔试錒，为啥不是问我为啥做了数分的笔试投商分。另外我很虚因为笔试成绩被卡or被筛                                  北京发展？有无亲戚好友在北京？                                  啥时候能来北京                                 总结：似乎没啥好总结的，好像就都是聊天型。。只是比较迷惑自己究竟什么岗？另外许愿一个和东哥做兄弟的机会 [成功上岸]              --------------------------------9.19更新--------------------------------------             京东收到offer啦。                           字节-数据分析Data         9.10一面（过）                          介绍一段最能反映能力的实习经历（经典问法                        实习项目里分析结果怎么支持到业务的决策                        常用的app有哪些？对这个app有什么不满的功能                        怎么设计开发App踩的功能                        战略层面决定要做这个功能，怎么去实施                        反应活跃度，选取什么指标                        反问                   虽然一面的面试官似乎没啥情绪，但能感受到他是有反馈（或者说引导）的，所以比较容易找到那种共同解决问题的感觉，包括在他提出设计功能的时候，我解释了一番看法和风险但没有直接说怎么执行的时候，他有引导说是公司战略层面决定要做，分析师怎么判断要不要做怎么做，我就很自然地联想到了AB测试。以及在后面探讨AB测试选取指标的时候，除了我说的随机抽样选取从而保证指标更能反映平台整体用户特性（从而更能评估总体收益），面试官有问为什么不做用户分类，我就马上补充了不同用户对同一功能的反馈可能是不同的，因此测试不同用户对功能的反应能更清楚地把握功能开发的损益比和更清楚地了解用户偏好。总的来说，字节整体的面试体验算是非常好的，也非常礼貌，应该是校招组有特别强调过这方面，赞一个。                    9.18二面（过）                       互联网实习经历                        直播的数据体系（我主要从用户，内容，KOL，付费四个维度进行拆解了。简单说下我目前对指标体系的分析思路，我会从三个维度考虑，一是这个业务所在的行业有什么特定需要关注的指标，比如视频类很关注人均观看时长，UGC比较关注内容数量和质量以及互动；二是我会考虑这个业务目前的发展阶段，是增长黏性还是营收，然后重点关注该阶段的指标；三是基本所有业务都会关注的一些重点指标，比如活跃用户数，转化率之类的；然后再根据阅读数据报表的人进行特定的指标选取，比如运营执行会更关注日指标（易影响但不稳定），部门老大会更关注周指标，而大老板可能会更注重月指标（稳定，能反应总体质量）；不过这些都是一些大体的思路，总的来说还是得灵活变通。）                        实习工作如何支持决策？                        留存下降分析                        怎么验证是政策的原因（因为上一个问题提到了PEST模型，我答理想的实验场景下可以控制变量观看前后差异，但政策是个一次性发生的变量难以控制。我感觉面试官还是想引导我往AB测试去讨论，于是后面他让我假设一个理想的实验环境。）                        假设是理想情况能分发策略AB实验怎么做，怎么选用户，定数量                        实验结果不显著？（我答了两组实验对象的可比性-AA实验，面试官问还有吗？我又答了样本量可能不满足，犯了第二类错误，面试官问还有吗？我又答了整体不显著可能还可以进行维度拆分，看分组后是否显著？面试官继续问还有吗，害挺push的。我最后答了试验周期需要平稳，要考虑新奇效应和改变厌恶，面试官继续问还有吗，然后我说目前想到就这些了。然后面试官说技术层面其实说得挺全了，但是更多地想我考虑业务层面的原因。然后非常耐心地跟我讲解了还可以怎么考虑，包括分发的策略能被多少用户看到，看到的用户有多少能感知到策略的差异等等。当时觉得不愧是抖音的数据分析师。。。没有业务实操经验的我真的跪了）                        怎么判断体育品类的内容的供需关系？（一开始想寻找供需指标进行对比，答了用户观看体育品类的时长占比VS平台体育品类的占比。面试官challenge了我说这个思路逻辑是有问题的，然后我大方承认了，并再次确认了上一层的逻辑。最后面试官说实际操作中会更功利一点，直接做AB实验分发体育品类，看能消化多少，再通过活跃点击留存等方式去评价内容消化能力）                        反问                   总的来说这次面试收获很大，因为面试官在我回答完问题之后都会跟我分享实际的操作经验，也让我对抖音的数据分析师肃然起敬。本来面完是以为要凉凉了，没想到很快接到了三面通知（现在想想有点像KPI了                         --------------------------------10.19更新--------------------------------------                                 三面（9.20总监面，挂）：                          自我介绍                             讲讲你英国的项目是做什么的                             那你这段经历学到了什么（面试官说大概了解了。。。似乎没啥兴趣                             平常用什么App啊（说了仨，知乎 quora keep；然后面试官问还有吗，我说可能用的比较深的就这几个了，还有些别的像B站啥的用网页比较多。面试官说那好像也不是用了很多App，有、尴尬）                             那你说说keep吧，介绍一下，有什么优缺点（说完面试官说说了挺多的了。                             你刚才给了营收的改进方案，现在如果你是项目里的数据分析师，你怎么评估这个方案，给你五分钟（我当时说应该不用五分钟，然后总监让我想清楚再回答。然后其实我之前有思考过新方案的评估方向，所以当时很快就在电脑上画了个思维导图，从假设检验、项目可行性、成本收益（ROI）、SWOT、数据收集、风险评估几个方面说了）                             职业规划                             反问                        当时觉得除了App那里被challenge了一下，其他问题都答得挺好的，因为其实被字节Data捞了的时候非常重视，很认真地准备了几天。结果过了两天还是被通知三面挂了，后来跟别人聊了下，发现大部分oc的小伙伴是九月初就面完然后拿到意向了，感觉可能是上海hc不多了，或者我还是太菜了与字节无缘吧23333                          快手-数据产品             快手一开始投数分，部门筛选-已结束 *2。。。然后官网找了个相似的岗位投（数据产品），顺利被捞。                                      一面（9.25，过）：                               研究生大数据课程学了啥                                  数据分析和数据产品的异同                                  三段实习深挖（第一次遇到把每段经历都认真问了个遍的。。                                  大数据组件模块知道多少                                  经历里有没有能体现产品思维的（我说其实我打辩论的分析经历有时候蛮像做产品的，然后从需根解损四个维度进行了解释。。。                                  在数据产品的方向中更想做什么工作？有什么工作你是一定不能接受的。                                  反问                             一面问了怕是一个小时都不止，然后最后面试官说感觉我好像还是更适合做数据分析（劝退警告），然后我说其实作为应届生还是不会把自己的方向定的太死，要不断调整和找到具体的方向啥的（试图挽留），面试官说虽然是这样，但是你之前的经验还是偏分析，如果从头做产品可能会有更高的学习成本啥的（当时听到这以为就直接凉了），没想到国庆后接到了二面。                                              二面（10.14，过）：                                    学习数据的途径                                       数据分析和数据产品                                       对数据产品了解多少；从哪里了解到这些                                       SQL优化，HQL优化；从哪里了解到这些                                       咨询项目具体做了什么，怎么体现你刚才说的独立的分析框架                                       研究生大数据课程学什么（快手数据产品好像很关心大数据模块的东西                                       现在在哪里，有没有其他offer                                       反问                      二面面试官很nice，然后评价也不错，当时感觉应该有戏。然后我问她为啥没有问我更偏产品的东西，他说会把应届生当成是一张白纸，做了啥问啥。然后反问的时候有问到她怎么去在业务上更快成长，平时怎么准备，她说其实深度上主要还是要通过实际工作和项目的实操增加经验，更看重产出的结果而不是过程，然后应届生没步入职场更多地还是多思考身边不同的事情，多去分析，增加知识的广度。（其实这个面试里面要考察面试者，一般确实就是从深度和广度两个方面去考察，然后以我的面试经验来说，业务向的数分/数据类岗位似乎还是更多地注重知识的广度。                                 10.16进行了HR面，主要还是问了对岗位的了解以及手上的offer，然后说反馈到业务那边之后会决定哪些同学发意向，哪些待定这样，大概一两周有结果。希望能收到意向吧hhh [offer+1]                    快手收到oc了，目前纠结快手和携程，希望大佬给点意见。                          美团-商业分析（到店餐饮）              害，8月底笔试，国庆后才捞我，不知是kpi还是多了hc或者大佬拒了。。。但还是冲一波吧，毕竟跟美团还是有很多故事的（手动狗头                                             一面（10.13，过）：                                     自我介绍                                  课程证书展示？（当时我就惊了，第一次有面试官对我的网课感兴趣。然后我就发了linkedin给她看。。。                                  对美团商分的了解？（blabla说了一通                                  数据分析技能降序排序                                  说一段最能体现自己商业分析能力的实习经历                                  自己做商分的优缺点                                  目标这么明确为什么还读研究生                                  对美团餐饮的了解？为什么选择餐饮（面试官说他们主要负责，B端：营销，市场推广，优惠券发放，获取流量；C端：吃的更好                                  估算商场海底捞的月流水（用了Top-Down的思路，然后说了很多对本地生活的见解，包括POI的能力等等                                  有聊其他业务和公司吗                                  接受去北京上海吗                                  反问：提升自己（咨询模型，券商研报                   一面完想问下面试官给了挺好的评价，当天就约了二面。                           二面（10.15，未知，可能半凉）：                                        自我介绍                                  互联网实习经历能体现数据分析的                                  咨询经历                                  中国夜宵市场规模估计（当时从Top-Down和Bottom-Up说了三种思路                                  两种估算结果偏差很大，怎么处理                                  怎么获得客户消费频率的数据                                  反问（面试官说我假设可能存在问题，数据可能拿不到。                             二面面试官是咨询出身的，就这个估算问题跟我讨论了半小时。。。一直challenge我的数据可能拿不到/不准确/不能反应整个中国市场等等。然后最后评价说看得出我做了功课，但是实际操作（指行研市场估算）可能会有很大偏差，不过这个需要实际项目来提高，然后感觉我经历还是偏数分（而不是行研，他那边主要是做策略的），需要面完其他人再康康（备胎？）。面试是微信视频，这里吐槽下微信的pc端视频非常不稳定和卡，期间断了两次，都不确定面试官有没有完整听清我的回答，面完感觉半凉。许愿一个美团hr面and意向书[大厂捞我]                                 最想去的香水团商分今天收到感谢信啦（10.29），有缘再见~                                       唯品会-数据分析（商业分析）                                唯品会是10.15广州现场面的，也是秋招唯一现场面过的（如果不在广东都不去了hhh）。具体问题没有记录了，一共两轮，一天面完。大部分还是问项目经历+电商业务+对唯品会的了解+BQ面试（第二轮），面评感觉还行，面完HR说两周内有结果，有具体问题可以私聊交流。                   菜鸡的面试经历暂时就是这么多了，前期心态挺崩的，后期慢慢调整然后学校的麻烦项目也弄完了时间充裕了很多，给自己做下心理建设希望还能冲一波吧。然后感谢下女票一直以来的鼓励[点赞]，还有朋友们的一起吐槽，心态崩了有个可以交流倾诉的方式还是很重要的，毕竟秋招和人生其实都是长跑嘛哈哈哈。虽然上面发的大部分都是凉经，无论从过程还是结果来说，自己这么菜似乎也没啥值得借鉴的经验，但我还是认为有些面试总结下来的感觉是可以推敲下复用性的，下面的总结随便看看就好，不一定适用于每个人每种情况。                                      唯品会面试结束10天后收到HR沟通，三四天后接到oc，目前已拒。                        总结：                            在业务题里，要把面试官当成自己的同事共同解决问题（主动），而不是他是提问者而你是回答者（被动）。仅以我的经验来说，面试过程我找到共同解决问题共同探讨的面试基本都面的很舒服，也基本都过了；但是没找到状态（需要个人去调整也一定程度取决于面试官反馈），而是被动地回答的基本结果都一般。                          一定要对自己的回答自信，哪怕其实你对自己的回答不确定。其实很多业务问题，大部分应届生都没真的接触过，甚至面试官自己都没有明确的答案，但是为什么还是问了呢？一方面是考验你对行业知识的了解程度，更重要地是考验你的分析思维，以及借此来挖掘你跟其他竞争者不一样的地方。这个问题其实也跟上一点有联系，一定要自信地把面试官当成是共同解决问题的同事才能很好地在互动中解决问题。如果作为分析师都不自信，怎么将你的分析思路和结论讲述给其他人听呢，所以不要怕是不是正确答案，或者说放弃追求"正确答案"，自信地表达自己的看法，气势不能输，面试官也是慕强的。                        学会引导面试官往自己擅长的知识点靠（要根据实际反馈判断怎么执行），自己多说，面试官少提问你就少暴露自己的薄弱项。                         注重回答的逻辑性，多往数分方面靠，听到问题后应该形成条件反射，这个问题是想考什么，涉及数据分析的什么流程和内容，有什么指标可以通过什么方式去验证。                   早了解，早准备，多面试，多积累面试经验。早了解早准备特指了解秋招的流程和笔面，而不是按照自己的方式去闭门造车，我自己其实就是吃了这方面的亏。虽然知道自己要走数分方向，但其实一直局限在技能的加成上，读书的时候潜意识不愿意去提前深入了解真正秋招中互联网数分的要求、招聘流程、实际笔试面试内容究竟是怎样的。比如我刷了那么多数分的网课，可能都在教你各种编程实现机器学习、数据清洗、画图、大数据计算，但其实这些内容都不能最直接高效地帮助到求职，甚至很久不在项目里实现很快就会忘。远不如早点思考产品和行业分析、看产品分析文章、刷题、做项目、实习来的直接。另一方面确实就是多积累面试经验的重要性，纸上得来终觉浅，还是要结合实际看面试怎么问怎么考才能发挥出来，否则学再多没被问也是没用。这里就非常羡慕暑期和春招已经经历过招聘的朋友，那时我还困在嘤国搞着学校的各种东西，然后第一次面试就是百度（哭笑不得）秋招在我看来也是一个打时间差的游戏，前期就准备好了，其他人还没准备好甚至不敢投，优势就很大。              碎碎念也差不多了，有更新再补充，有志同道合的小伙伴欢迎评论私聊探讨数分相关的各种问题（包括上面提到的面试问题hhh），希望大家都顺利 [成功上岸]！