求职大视野 | 字节数分岗四轮面经,给了一些实实在在的建议

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

  • 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

  • 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)

(3)分别验证,从易到难。首先排除数据错误问题,之后通过segmentation去不断缩小问题出现的范围,哪一类用户,哪个地区的指标下降最大。更具体的希望大家可以通过自己的资料产找获取思路,我就不直接把更细致的答案分享出来啦

以上就是我字节面试的一些总结和感悟,希望能帮助到还在求职的大家。如果有任何大家觉得不正确或者可以更好的地方,欢迎随时指正讨论。谢谢大家啦!



薪水透视眼 | 算法岗大厂薪资(网易/美团/阿里/vivo/微软/滴滴/好未来)

薪水透视眼 | 数据分析岗大厂薪资(字节跳动/京东/拼多多/滴滴/快手/腾讯)

求职大视野 | 数据分析秋招拿了5个offer,记录我的艰苦历程

求职大视野 | 银行校招通关攻略(内含工商、建行、农行、中信、广发等8家银行面试题目及技巧经验)

求职大视野 | 2021 字节跳动 数据分析 一面/二面

求职大视野 | 腾讯/滴滴/网易/OPPO/美团/小米 数据分析实习面经

求职大视野 | 字节跳动游戏数据分析师5面面经(已拿offer)

求职大视野 | 数据分析春秋招面试超全总结 趣店 猿辅导sp offer

求职大视野 | 上交生物专业研究生,跨专业数据分析求职Happy Ending(网易云,拼多多,滴滴,贝壳找房)


分享到