准备面试

  希望为争取数据科学面试机会所做的一切都有回报，收到代表开启面试流程的邮件，或者有公司打电话叫你去面试。以下就是即将发生的事情，要准备好哦。

面试内容

  数据科学面试十分复杂，行为问题混杂着技术问题。获得面试机会算是走的够远了，不过还有很多路要走。

  从头说起吧，很大程度上，数据科学面试会根据求职岗位与公司的不同而有很大区别。一些公司非常严谨，需要通过许多技术挑战；另一些公司则会考虑企业文化匹配。如果有人推荐，你有可能会直接进入最后一轮面试。

  最严谨的面试可能是这个样子：

1. 电话面试

  一般来说，为了节约招聘经理的时间，人力资源的员工会通过电话面试初步筛选求职者。有时会询问些基本的技术问题，筛掉完全不合格的人。大多数情况下，从电话面试开始，公司就已经在考察求职者是否和他们的企业文化相匹配了，求职者要有较好的沟通技巧，才能面试成功。

  本次通话可以让你初步了解数据团队的问题及其组织架构。准备好一些有深度的问题，展示你对业务和数据运营的理解，快结束时也可以提些关于公司的问题。

2. 家庭作业

  电话面试后，有的公司会给求职者布置任务，要求限时完成。这个环节能有效地筛掉技术差、不愿下功夫的人。大部分公司不会这么干，但也有不少公司喜欢用家庭作业这种测试方法节约招聘经理的时间。

  好的家庭作业设计也是了解公司的好机会，可以了解到这份工作要解决什么问题。家庭作业可能会让你深度分析给定的数据集，从数据中推导出洞察结果，并进行说明；也有可能是让你清理有明显错误的数据集；还有可能让你处理某些业务问题，比如基于职位描述中的数据为求职者开发职位推荐系统。

  只有做好家庭作业的人才会获得和招聘经理面谈的机会。如果拒绝完成家庭作业，可能会被直接筛掉。

  花点时间完成家庭作业，了解这家公司有什么样的数据问题。通过家庭作业，可以知道公司侧重于测试哪种技能，以及他们如何看待这个岗位，搞清楚这些问题，能让你更好地利用时间应对面试。做好这项作业可以充分体现实力，让你与众不同。

3. 招聘经理电话面试

  求职者还会接到一次关于数学、统计学和编程的电话面试。本次面试一般由招聘经理或技术人员进行，这可能是现场面试前的最后一轮评测。一般为三部分，有时可能一个电话搞定，通话时间会比较长；通常分为三次电话面试，每次三十分钟。

• 数学与统计学

  评测数学与统计学核心概念知识，面试的公司和岗位不同，具体的面试内容也不同。网络公司侧重于评测A/B分组测试的知识、计算P值的方法或统计显著性均值的概念。能源公司则侧重于测试对回归概念和线性代数的理解。不管面对哪种的面试，都要能描绘解决问题的整体思路。

  如果问及A/B分组测试，需要描述A/B分组测试的细化流程。依托实战经验，避免问题里的陷阱。对待这个问题要像对待数学验证与统计推理一样，不要担心过度关注细节，要能条理清晰地回答问题。

• 编程

  本次面试和其它技术面试非常相似。主要是评测技术能力，一般会要求用伪代码解决编程问题，复杂一些的面试会要求编译准备好的代码。如果应聘的是数据分析师，一般会测试使用SQL查询数据的能力。其它岗位则会测试之前提到的编程语言，比如Java和Python。

  面试官可能会用HackerRank或Collabedit这样的工具在线评测。使用这些工具，招聘经理可以实时查看求职者输入的解决方案，准备好应对这种形式的测试，有可能的话去这类网站做些专项训练。

HackerRank

collabedit

  破解编程面试这样的书或InterviewCake这样的网站为求职者提供了很多应对编程面试的资源，利用好这些资源会对求职者有很大帮助。

  要想顺利通关编程面试，就得勤做练习，熟，才能生巧。写代码时最好能找个舒适、安静的环境。不过大多数情况是接到电话后，手忙脚乱地在纸上写下代码，然后匆匆忙忙地在电话里解释；有的时候，面试官会要求使用在线测试工具进行编程测试，这时可别说自己不会用。总之，要对各种可能发生的情况做好准备。

  这种面试经常会问到数据结构，要好好学习哈希映射、决策树、堆栈、队列这些概念。像软件工程师应对编程面试一样，你就能成功。

InterviewCake

• 招聘经理电话面试

  终于轮到招聘经理了，他会面试求职者的沟通能力，考核求职者能否与公司的团队融洽相处。这次面试通常是独立的电话面试，也可能是大型电话面试三大部分的最后一关。目的主要是让招聘经理了解求职者的个性、求职动机、团队匹配度及思维天赋。绝大多数招聘经理心里都会有目标人选的预期，越接近招聘经理的预期，就越可能获得现场面试的机会。

  这时就体现出与第三方招聘公司合作的好处了，对招聘经理要解决的问题、想找什么样的人了解的越清楚，就越能充分准备，把自己打造成该岗位的完美人选。为实现这一目标，可以针对该岗位定制沟通内容，尽量表现得自信，再能表述清晰的话，顺利通关的可能性就会很大。还要处理好“航行测试”这样的情景问题，试想一下，和招聘经理一起坐几个小时的飞机，怎么能让他觉得你不是个无聊的人。这项测试非常重要，毕竟今后要天天和团队同事一起工作至少八小时，这时最好能表现出和领导融洽相处的本事。

4. 招聘经理现场面试

  最后，恭喜你通过了电话面试，终于可以和招聘经理面谈啦。招聘经理会从技术和非技术角度两方面进行评测。确认求职者适不适合应聘的岗位，甚至会设定不同场景让求职者使用白板现场讲说，测试求职者的技术专长。

5. 技术挑战

  如果现场面试没有考核技术能力，就会在本环节进行各种技术测试，特别是数据工程师这个岗位。这个环节与软件工程师面试非常相似，通常会要求在白板上写出应用的算法，解决特定的问题。

  如果熟悉时间复杂度、大O表示法这样的软件工程概念，掌握数据算法背后的数学与统计学知识，这一关对你来说就不难。

6. 总监面试

  通过了招聘经理的面试，最后一关通常是高级总监面试。创业公司一般会由联合创始人或CEO亲自面试。

  恭喜你！终于到了这一关了。一般来说，通过了技术考核的求职者才有可能到这一关。虽然，到了这关基本上就说明公司会给你发Offer，不过也别得意忘形。现阶段只需着重说明怎么推动业务工作进展，怎么解决公司的问题就可以了，不用再证明自己什么，反倒要注意别犯低级错误。

数据科学岗位技能矩阵

• 数学/统计学：如，P值分析、A/B测试
• 数据库：如，SQL查询
• 算法：如，监督学习、实体解析
• 软件工程：如，Python、Java、面向对象编程
• 大数据/系统工程：如，Spark、HBASE、Hadoop
• 软技能/领域专长：如，演说、演讲技能

  不同的数据科学岗位对技能组合要求不一样。数据工程师不用具备太强的业务演示能力，但要能解决各种编程难题；数据分析师无需解决技术难题，能用好SQL就行了，不过却要是个优秀的演说家。

  本表从高至低列出了业界对数据科学岗位的需求与标准。以最热门产品数据科学家为例说明了各岗位的专业性和难度水平。

  搞清楚要应聘哪个岗位，了解应聘公司需要哪个岗位的人员，招聘岗位适不适合自己，有助于预估数据科学面试流程。

数据科学岗位纵览

数据产品科学家：具备数据产品开发能力的全能型数据科学家。数据产品科学家带领团队开发数据产品，修改算法，精通用数据服务终端客户，具备开发能力，能规划各种数据产品。

数据科学家：技术、业务与数学的独角兽能力混合体。数据科学家懂得怎样创建与优化数据算法，能够解释说明数据发掘到的内容。相对数据工程师而言，数据科学家不需要太懂编程，但是要能完美解析各种规模的数据。

商务智能专家：关注从数据中提取商务洞察结果，精通统计学，与数据分析师的不同之处在于，能够掌握各种机器学习算法，编制各类数据仪表盘，进行各种数据分析，帮助公司各团队制定更好的决策。

数据工程师：不必过多了解统计学或数学，但要能处理各类技术难题，针对大规模数据实现各种算法。

数据分析师：入门级岗位，大部分工作内容是编写一次性数据报告，说明数据分析结果，要求熟练掌握SQL与Excel。

1. 与搭建大规模数据工程平台和多种技术集成关联的更紧密。 ↩

2. 数据科学家构建算法，通过数据基础工程将算法产品化。例如，给出推荐系统算法，在平台上实现实时产品推荐系统。 ↩