数据分析岗悲惨经历复盘，真是一个比一个惨……
Offer帮官网：offerbang.io
一面过后没了下文
阐述途中数次被打断
“对不起，您与我们的岗位需求不匹配。”
......
这些听起来已经够惨了，而以上种种，还只是数据分析人悲惨面试经历的的冰山一角。成功拿到Offer的人经历都是相似的，失败的人却各有各的惨，有的挂在技术面，有的挂在行为面，还有的小伙伴面试经历更为奇葩。
今天，我们为大家带来几个面试凉经，希望大家能从中得到启发，扬长避短。更有数据分析面试常见题目汇总，希望能够帮助大家顺利上岸！
01
那些悲惨的面试凉经
一号凉经来自@荔枝苏打啵啵面试J.P Morgan，一心准备JAVA八股文，第一次面试发现投错方向了，就有了以下失败经历：
编程题审题不清，算法准备不充分。
第一位面试官出了一道编程题，但她审题不清，代码修修补补，完成度不高。
第二位面试官出了一个假设检验的场景题，判断两地客户是不是一群人。按面试官的答案应该是用Z检验，Up住回答时没有说到重点。接下来面试官就数据结构与算法提问了3个问题：
1）分类和聚类的算法有哪些？
2）Kmeans的K怎么选，异常值怎么处理？
3）决策树的分裂算法演变与各自优势。
但她最近练习的都是回溯，分治，贪心算法，算法题准备不充分，因此没有回答上来。
经验总结：仔细审题，完善代码风格，多做题。
二号凉经来自@可以不起名字吗，面试蔚来数据分析岗，由于对核心技能掌握不完全，技术面后以“与岗位不匹配”为由被拒。
专业技能掌握不完全
面试官在面试时询问了毕业后计划以及具体实习时长，然后询问了一些技术方面的知识点。
1）Rank和XX Rank的区别。
2）Left Join和Right Join有什么区别。
3）Logistic回归用什么指标？用了哪些变量？
4）模型P值符合预期，怎么提高效果？用什么指标来衡量效果？
5）具体业务场景：如何了解价格对销量的影响，从而更好地定价？各种模型效果都不好怎么办？
面试期间HR一直没给什么正面反馈，原定30分钟的面试时间只进行了20分钟，Up本人在面试时提到自己没有数学建模经验，只会最基础的SQL，不会Python。第二天收到拒信，理由是与岗位不匹配。
经验总结：要注重专业技能的学习。
三号凉经来自@穆讷，曾经面试过两次字节跳动，一面全都失败了。在这期间，他补充了一次实习+两次线上大厂实习+校园经历。大半年后又重新投递简历，通过了一面二面却败在了第三轮行为面试的压力面试。
不够沉着，没有顶住压力面试
一面二面流程跟常规面试没什么不同，再次就不赘述了，主要跟大家分享一下三面失败的经历。
第三次面试是行为面试，在自我介绍等常规问答后，由于UP有过一次腾讯的线上实习经历，面试官便询问他在腾讯和字节的远程实习经历有什么不同。在UP阐述期间才意识到，这是一种说闲话的行为。但意识到这个问题时为时已晚，HR针对这个问题展开了一系列的追问，最终UP没有顶住压力表述越来越没有条理。
而这也导致Up在回答后面的问题时思维混乱，并且HR认为他针对腾讯实习期间发生的事件处理的并不好。于是后续就没了下文。
经验总结：保持情绪稳定，针对不知道该如何回答的问题首先要理清思路，不要着急回应。
最后，再为大家带来一些网友面试过程中遇到的奇葩提问，这些问题看似与面试毫无关系，实际上这类问题并没有标准答案，是HR想要通过这些奇葩问题来检验求职者的逻辑思维能力和随机应变的能力。所以，在回答的时候，需要尽量向对方展示你的思路和解答过程。
面试奇葩提问大赏
@小林子：下水道井盖为什么是圆的？——谷歌
其实只要能给出一个合理的理由并自圆其说就都可以，这道题并没有标准答案，主要考察求职者逻辑思维能力。
@一只锅锅：纽约有多少个红绿灯？——埃森哲
这道题目主要是为了测试求职者思考困难问题的能力，并没有唯一正确的答案。在遇到这类问题时要沉着冷静，可以回答：“根据个人经验，一平方公里内估计有XX个红绿灯，然后再乘以纽约的总平方数，就是纽约红绿灯的数量。”
@朵朵朵：你早餐吃的是什么？——毕马威
这类题目也有缓和气氛的可能性，但HR也会根据你的反应判断出求职者面对突发问题的反应力，同时也能从侧面了解求职者是否是一个自律的人。
@今天努力了吗：用最简单的话，向你8岁的女儿解释一门编程语言。——META
这道题目一方面考察求职者的逻辑思维能力、沟通能力，另一方面也能了解求职者的专业技术水平。
看完上面这些面试凉经和奇葩问题大赏，希望大家能够从中吸取经验，在面试时不要踩入同样的坑里！接下来，我们也为大家准备了数据分析技术面常考题目汇总，以便大家学习总结。
02
技术面常考题目种类
技术面一般是以笔试的方式进行考察，主要考察我们对常用技术和工具的熟练掌握程度，在数据分析领域广为流传一句名言：技术决定下限，思维决定上限。所以说，对于一名合格的数据分析师而言，技术是必须要掌握的。技术面主要包含以下几个内容：
▶Excel：主要考察数据透视表的使用；表的关联也就是常说的Vlookup；其次就是常用的函数，If，Sumif，Sumsifs，Countif，Countifs等；数据可视化，趋势查看折线图，分组对比柱形图，相关性散点图等。
▶SQL：基础查询，数据的增删改查。主要涉及数据排序、聚合、分组、过滤、表的连接，表的合并，子查询。
另外还有高级查询，大多数是指函数窗口，内容如下：
▶Python：简单高效，应用面广，有很强的编程能力，是现在数据分析中不可或缺的编程语言，也是做数据分析的必备技能。
▶算法：也是技术面试考察的重点，要去了解学习基本的算法和数据结构，比如：Sorting/Order Statistics、贪心算法、Dynamical Programming、Stack/Queue/Priority Queue、二叉树、C++中的哈希表/集合和映射等。
▶数学/统计学/概率：面试必备环节，因此要重视这一部分的学习，如：随机选样、分布、条件概率，联系概率等相关概念和知识点。以及A/B Testing, 统计显著性的评估，P Value等。在统计之上，有些是和机器学习重合的，比如线性回归，分类等。
▶机器学习：主要包括统计里的线性回归，Decision Tree，SVM，基于Basin的Classification，聚类，以及机器学习中使用到的知识，例如降维算法等。
总结完技术面常考的题目种类，我们再来说说让无数求职者头疼的行为面试，是不是有很多小伙伴技术面信心满满，一到行为面就透心凉？不要怕！继续往下看！我们也为大家准备了常见的行为面题目类型汇总，并且带你了解应对技巧！
03
行为面常见题目类型
行为面试（Behavior Questions）考察的更多是软技能，而非编程能力、计算能力、英语口语这些硬技能。通过让求职者举出事例或者现场对一些观点进行思考和评价，面试官从你的思考以及叙述当中来考察你是否是一个合适的人选。虽然行为面试的问题五花八门，但实际上背后的考察点是不变的，常见的考察点及常见问题如下：
领导能力
•如果你做出的一个不受大家欢迎的决定，你会如何处理的。
•如果你需要说服过一个团队在一个他们不喜欢的项目上工作？你会怎么做？
•你会解决过两个团队成员之间的争吵？
团队合作
•你是否遇到过不同意公司政策的情况？你是怎么处理的？
•如果项目中的某个团队成员没有全力以赴，你会怎么做？
•你如何为一个你不热衷于工作的项目找到动力？
•举一个团队成员成功（失败）的例子。
抗压能力
•告诉我一次你在工作中感到压力的经历以及你是如何处理的。
•描述一个你在短（场）时间内在压力下工作的经历。
•你是否曾经不得不将压力情况交给同事或主管？
职业道德
•你有没有注意到同事违反公司政策？如果有，你是如何处理的？
•你有没有注意到经理或老板违反公司政策？如果有，你是如何处理的？
•如果你发现一位经理明显偏爱（或相反）一名员工，你会怎么做？
了解了常见的行为面试题目，接下来我们就要掌握正确的方法来帮助我们通过行为面试。虽然对于行为面试没有具体标准的回答，但是其实对于各行业的行为面试都可以遵循一个套路来回答——STAR原则。
✅Situation，通过描述与工作业绩有关的事件背景，全面表达所取得的优秀业绩与自己个人的相关性。
✅Task，每项任务的具体内容是什么。通过这些来展现自己的工作经历和经验，以表明自己的经历与正申请的职位相匹配。
✅Action，即是如何完成工作的，都采取了哪些行动，所采取的行动是如何帮助自己完成工作的。通过这些，可以进一步展示自己的工作方式、思维方式和行为方式。
✅Result，每项任务在采取了行动之后的结果是什么，采用辩证的方式量化结果，分析出优缺点。
今天的内容可谓是干货满满，希望小伙伴们通通都能Get到！其实想要通过技术面，最重要的还是专业技能！毕竟专业技术是你进入数据分析行业的敲门砖。
同时，从行为面试常见提问中也可以看出HR常常根据你的实习经历和项目经历进行提问。因此，小伙伴们在打磨专业技能的同时，一定要确保自己拥有的高质量实习经历和项目经历！只有两者兼备，才能轻松拿到大厂Offer！
如果你对相关知识还不了解，想要全面掌握专业技能，增加实习经历，或者想深度提升数据分析面试技能，可以扫描下方👇课程链接了解课程详情。或者直接添加🔍课程顾问微信 免费试听或咨询优惠。
课程顾问
课程顾问｜Dianna
免费试听｜咨询课程优惠
我们的学员们已成功斩获金融、咨询、数据等多个领域的Offer。能展示出的Offer只是冰山一角，这一份份实打实、沉甸甸的Offer，让我们团队的每一个人都倍感自豪。在未来的道路上，Offer帮会继续脚踏实地，用专业、诚信、用心的原则，助力所有学员的求职之路！
（点击图片可查看大图）
微信扫码关注该文公众号作者