PTT評價

[心得] 2024資料科學家面試經歷分享

看板Soft_Job標題[心得] 2024資料科學家面試經歷分享作者
AgileSeptor
(S.Duncan_JB)
時間推噓29 推:29 噓:0 →:19

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

--

※ PTT 留言評論
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.12.29.193 (臺灣)
PTT 網址

lukelove05/20 00:51

lukelove05/20 00:53所以取得兩個offer 但仍繼續留在原職位囉?

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

zys05/20 01:08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

zys05/20 01:09喔看錯是26個

xavierqqqq05/20 01:10

jlhc05/20 01:34感謝分享 不過這個應徵/面試比例我也不覺得是急凍

WilliamLFY05/20 01:47日商面試和標準真的很謎

WTS2accuracy05/20 02:01面試機會和急凍與否不完全相關吧

Saaski05/20 02:02push

WTS2accuracy05/20 02:03這心得我看來急凍也合理啊 費時找一輪也只能蹲原職

WTS2accuracy05/20 02:03有缺有offer 但都比現職差不值得跳 也算很凍了吧

WTS2accuracy05/20 02:04當然如果你要懷疑是原PO能力問題 那我無話可說

pttnowash05/20 08:14

pttnowash05/20 08:14結論: 我這麼強都只有兩個offer 你們非神人就別了

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

alihue05/20 08:30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

alihue05/20 08:30競爭,而且還不乏 level 1 的求職者,因此無緣無故被拒很

alihue05/20 08:30正常,人才太多了

zonppp05/20 09:16現在的職缺真的少得可憐

libitum05/20 09:35缺少人多 還有一堆對資料分析有興趣的人要進來擠

hegemon05/20 09:59前段時間一堆讀經濟統計精算的全部都往資料科學擠呀....

hegemon05/20 09:59現在這批差不多都要畢業出來了

qk338088805/20 10:29好強

※ 編輯: AgileSeptor (49.216.52.198 臺灣), 05/20/2024 10:46:44

k79897686905/20 10:40強 有2個

unmolk05/20 12:41推 感謝分享

vuncent05/20 13:24強 正向思考推

qazwsx1205/20 13:28推分享

Guoyixiang9205/20 14:47推分享

ghytrfvbnmju05/20 15:10推 謝謝分享

TSMCfabXX05/20 15:18Rakuten 印象中早上八點要早點名聽高層談話還甚麼的

transforman05/20 17:22推強者

melancholy0705/20 17:45推分享

dailylily05/20 17:50畢竟資料科學不是只有寫程式,經濟統計在其他部分更有

dailylily05/20 17:50優勢,當然就成為求職選擇啦

holebro05/20 19:14可樂好誇張 竟然還要做前端

ohyeaaaah05/20 20:31推,謝謝經驗分享

emilylyh05/20 20:58

NUKnigel05/20 22:11

viper970905/20 22:56好多日本公司...

leocoolboy1605/20 23:19推推 原po過往面試經驗分享使我受益良多

eva1945200205/21 05:24不是說資料科學是第一波被AI取代的職位嗎?

DrTech05/21 08:02感覺原PO的描述,比較像BI方面的專業耶。

DrTech05/21 08:05沒看到原PO背景。近幾年的資料科學家,大廠都要有domain強

DrTech05/21 08:05相關經驗。可稍微思考一下,是否要經營一些專長domain,工

DrTech05/21 08:05作發展會更順利。

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)

NTU5566NTHU05/21 11:08推推

luweber8805/21 21:52推 之前面過日本公司 只能說薪水有夠可憐Zzz

cmelo151505/21 21:57推 面過其中三家 真的硬

fx60005/22 09:26推,謝謝分享,不過要是能有薪資大略範圍就更完美了

※ 編輯: AgileSeptor (61.231.189.208 臺灣), 05/22/2024 23:31:26