Data analyst 數據分析師多家面試經驗分享

愛丁堡大學

2021 年年末，連續面試了幾間公司、拿了幾個數據分析的Offer 後還是得面對年後裸辭的一篇面試紀錄文。來個簡單的背景簡介： - 私立統計學士、英國商業分析碩士 - 畢業後在新創做了一年data analyst ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ 📌車麻吉- Data Analyst 🪧 工作來源：Hunter 🪧 面試關卡：三關這其實算是一個誤打誤撞的面試。前同事的獵頭不曉得為什麼硬是介紹我去應徵Operation Associate ，與團隊CEO 談過之後對方笑著說要額外開出資料分析師的職缺，並希望邀請我重新面試一次。面試總共三關，包含第一次的履歷確認、第二次跟團隊裡的另外兩個主管面試，以及在第三次對方出了三道題目，包含介紹過去的專案、針對產品研究User journey、計算生命週期等題目進行報告，第三關的面試長達兩個多小時，幾天後拿到Offer。 🪧 結論：Offer Get，N*1.2 團隊很好，面試的題目也出的很符合實際進入公司後會碰到的難題，CEO 非常願意帶人與分享經驗。可惜最後因一些個人因素在糾結了一週多之後決定謝絕Offer。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ 📌 Sea Group (Garena)- Financial Analyst 🪧 工作來源：Hunter 🪧 面試關卡：三關第一關是普通面談與口頭SQL 測驗，基本上確認了履歷上的經歷沒有造假（例如為什麼我要自己建立團隊的DataWarehouse、怎麼學會建立Data pipeline、如何設計BI dashboard)。結束後Hunter 聯繫我，讓我接下來針對初會的資產負債表、借貸法則、損益表章節進行準備，並且提示接下來兩關都會考核我的會計知識。我有些惴惴不安，連著幾天惡補知識，也聯繫了正在當會計師的朋友給些針對遊戲產業記帳時需要注意的一些小重點。第二關，技術主管。團隊讓我準備一份涵蓋過去所做過的專案、分析簡報等資料，遮住敏感資料後做一份Presentation. 在面試過程中主要圍繞在如何學會做這些東西確認自主學習能力、為什麼使用GCP 以及如何管理資料等。最後簡單的問了一題大一學生就能解出的借貸法則題目後便順利結束。第三關，財務長。對方認真地詢問了我雲端廚房的概念與商業模式，在工作時做的專案、在哪裡學會寫程式以及如何自學一些Data Engineer 的東西，以及是否有基礎的會計知識。 🪧 結論：Offer Get，N*1.25 有些心動，但還是希望完全以資料分析為主，擔心若稍為成為Financial Analyst 會偏離自己對職涯軌道的期許。＝＝＝＝＝＝ *** ＝＝＝＝＝＝在這裡發生一些小插曲，包含被原公司取消WFH、團隊裡連續三個主管離職，而在我休息了兩個月後重新找工作時，我原本的薪資也從原先的N 進化成 1.32 N 了。 Ps. 以下寫的N 皆以進化1.32 倍的新N 作為論述，就不另外寫什麼新、舊、1.32之類的了，反正只是給大家作為一個參考xD ＝＝＝＝＝＝ *** ＝＝＝＝＝＝ 📌 Shopee 蝦皮 Data Analyst 🪧 工作來源：蝦皮內部HR 聯繫 🪧 面試關卡：兩關 HR 告知第一關會先進行30 分鐘的SQL Test，結束後才會由用人主管接續面試。後來第一關由兩位從Mckensey 的Hiring manager開場，簡單閒聊了二十分鐘後便告訴我：「來，我們接下來會進入Case Study 的測驗環節。」「蛤？」不是SQL 測驗嗎？「我們覺得你的履歷應該不用測驗了。」真是承蒙厚愛，但比起這麼突然的Case Study 我其實比較想考SQL。當天的題目是，今天突然發現物流的錯誤率非常高，應該要如何解決？實際上，我回答得不算太好，除了基本的邏輯沒問題之外實在是回答得有些零落，最後跌跌撞撞的闖入了第二關。不過蝦皮第二關比較像是虛設，部門大主管讓我問了他幾個問題，便迅速的結束了半小時左右的面試。後續HR 通知我通過了面試，並且順順利利的通過敘薪階段。我內心突然有些不安，詢問HR 是否能讓我與第一輪的主管再約一次15 分鐘左右的面談，我總覺得對這份工作有很多疑惑需要被解除。而那次的面談我詢問的問題包含這份工作真正在做資料分析的比例有多少，過去分析的專案例子，有多少PM 性質的工作，以及為什麼Case study 會讓我通過等。 🪧 結論：Offer Get，N*1.2 思考了好幾天，總覺得自己不想要花百分之三十的時間在當PM，且我對於沒有技術面試這件事有些耿耿於懷，最後婉拒。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ 📌 BBDO- Data Analyst 🪧 工作來源： Indeed 自行投遞 🪧 面試關卡：一關四個主管一起進入會議室，然後分別詢問我履歷上他們在意的問題，包含：如何建立BI 報表、對GA 的熟稔程度以及過去專案經驗、其中兩個與行銷部門和做的專案是如何進行的。最後再分別問完我個人的優缺點、團隊合作合作問題後四位主管貌似滿意，於是當場進入敘新階段。我一樣提出了N *1.2 的條件，其中一位主管面有難色，告訴我：「我們廣告業跟新創團隊不太一樣。」接著就禮貌的速速結束面談。原先以爲因為薪水開得太高而會直接收到感謝函，但最後意外的在幾天後收到人資的來電。 🪧 結論：Offer Get，N * 1.2 不過由於透過面試中詢問四位主管，確認了公司目前沒有資料團隊＋也需要花一些時間兼任PM，雖然團隊答應願意額外請一個PM 進來讓我可以更專注在資料分析，但我仍是因為沒有任何技術測驗而感到擔心，最後婉拒。＝＝＝＝＝＝ *** ＝＝＝＝＝＝在此，我開始反思，究竟為什麼要找一份純的Data Analyst 工作那麼困難，到底有多少公司真的需要Data Analyst ，又有多少比例的工作要的其實是會分析一點資料的PM 呢？是不是初生之犢不畏虎的我，太過於挑剔了？＝＝＝＝＝＝ *** ＝＝＝＝＝＝ 📌 Pinkoi- Data Analyst 🪧 工作來源：自行投遞 🪧 面試關卡：未知技術面試有三題，三題在送出前都有跑過測驗網站的測試，確認答案正確。但兩週後HR 直接寄信表示測驗沒有過關，後續繼續寫信詢問也得不到回音。 🪧 結論：Rejected. ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ 📌 Appier 沛星互動科技- Data Analyst 🪧 工作來源： LinkedIn 自行投遞 🪧 面試關卡：5輪，共7場。 🔺=== 第一輪(1) ===🔺 HR 透過信件聯繫通知第一場線上測試。測試由一位資料分析師進行，開場時他說：「可以請你自我介紹一下嗎？」介紹完後我們稍微聊了一下過去經歷便直接進入Python 與SQL 測驗。測驗題目非常基礎，基本上測驗的是：讀入csv、合併資料表、計算轉換率並從大至小排序、根據排序出來的結果如果要推薦某檔廣告會如何建議？結束後我透過LinkedIn 找到了面試官，表達感謝。 🔺=== 第二輪(2, 3, 4) ===🔺 一週後HR 透過信件聯繫通知我選取兩個時段，接下來分別與旗下的Aiqua/ CrossX team 進行面試。最後HR 豪氣地直接約了三場線上會議，每場各一小時。除了其中一個團隊遲到二十分鐘外，一切順利。「可以請你自我介紹一下嗎？」「可以請你自我介紹一下嗎？」「可以請你自我介紹一下嗎？」三場的主管開場如出一徹，我就這麼的自我介紹了三次，面試問題則根據團隊側重點有些不同。有特別側重在AB testing 經驗，也有特別側重在我過去ML 專案，以及也有詢問如何偵測與處理異常資料、如何設立指標、如何建立自動化Pipeline 等，至於人格特質方面最注重詢問自學經驗、團隊合作與是否有好奇心。 🔺=== 第三輪(5) ===🔺 一週過後，HR 同樣透過信件聯繫，第五場面試是與Chief AI Scientist、Chief ML Scientist 進行。「可以請你自我介紹一下嗎？」Chief AI Scientist 先進入線上會議室。談到一半的時候Chief ML Scientist 也加入了會議室，背景是在車上，對方讓我簡單的重新自我介紹一次之後面試持續進行。這次的重點基本上完全專注在我過去用ML 的專案上面，從前期如何導入資料、放入哪些feature，到後期如何評估成效，為什麼這樣評估、實際上給公司帶來的商業效益有多少、為什麼要使用機器學習而不是傳統統計模型等。兩位面試官皆專業且友善，尤其展現出了學者的風範。結束後我重新整理了自己在覺得自己沒有回答完善的題目答案，連帶著感謝信一併寄給兩位面試官。 🔺=== 第四輪(6, 7) ===🔺 再過了差不多一週，有一個新的HR 與我聯繫，他告訴我想要額外安排兩個面試，而這也是我第一次聽到Appier HR 的聲音。對方打了電話來與我迅速的確認了第四輪面試時間，分別要與VP Engineer 和CTO 面試30 分鐘與1 小時。 VP Engineer 關先以一個「麻煩你用英文自我介紹」作為開場，在這部分我自知缺乏準備，英文講得有些狼狽零落，有一種即使是因為這個原因被刷掉也正常的感覺，幸好大概介紹完之後面試官給了我一個友善的台階。面試中針對履歷進行詢問的部分極少，主要是以詢問人格特質為主，例如「假設今天我詢問你的主管，你是一個怎麼樣的人，你覺得他會怎麼回答我？」、「那如果我詢問你的主管你有什麼缺點呢？」半小時迅速的結束，我接著進入CTO 的線上會議室。 CTO 不意外的也以「可以請你自我介紹一下嗎？」開場。整場面試下來感覺是一個思考非常迅速，問問題看似隨性但其實都切合到重點的人。一個小時中他問了許多情境題，例如今天如果想要在外送平台上上架有機小農食品要怎麼做市場分析、如果今天要建立一個新的品牌我要如何給出策略。 🔺=== 第五輪(8) ===🔺 9天後，HR 加了我的line 與我迅速的約了兩天後的週六補班日與CEO 現場面試。實際到了辦公室之後HR 陪我閒聊了一陣，我趁機詢問為什麼Appier 有那麼多關面試卻沒有由HR 的面試關卡，對方愣住，他才發現原來先前的HR 從未與我聊過。接著我待在會議室裡等待面試開始，在得知CEO 會遲到二十分鐘後，HR 重新走了進會議室陪我繼續聊天，但主要是開始針對待遇問題。 20 多分鐘後，CEO 走了進會議室。「能麻煩你簡單的自我介紹一下嗎？」介紹結束，他另外針對人格特質的部分追問了：「那你有什麼優點？」、「缺點呢？」接下來進入到白板題。「你最常用的App 是什麼？」「Line。」對方告訴我Line 的主要營收是廣告，接著給我五分鐘，請告訴他要如何提升Line 的營收。我把提升廣告成效分成提升曝光與提升點擊兩件事，接著分別針對曝光與點擊論述。這題我其實回答得沒什麼底氣，例如提升點擊率我只能提出精準投放的概念、提升曝光我僅能針對Line 上各頁面如何吸引用戶進入。 CEO 沒有過分針對，但迅速的詢問了我第二題：「你可以告訴我對面的101 今天有幾個人來上班嗎？給你三分鐘。」我將上班的人分成三部分，百貨公司（餐廳與精品）、辦公大樓、警衛清潔與行政人員，分別針對這三部分再詳細估計餐廳數量、精品店數量、各自的服務生人數、一層樓有幾個辦公室而今天只有11個樓層有亮燈、一間辦公室可容納多少人、其中到職率大概多少、多少層樓共用一個清潔人員與警衛樓管... 我們重新坐回桌子。「你可以跟我舉例一個你過去真的對公司營收做出貢獻的專案嗎？」面試結束前，我則詢問了： 1. 對這個職位的未來發展期許 2. 除了好奇心與團隊合作能力，認為這個分析師還需要具備什麼能力？最後我補問了一個問題：「為什麼會有那麼多場面試，是為了確認面試者與公司文化符合與否嗎？」他告訴我，對的。那為什麼需要7 場面試才能確認面試者與公司的文化相符合呢？他皺皺眉：「是七個人還是七場？」「七場。」他告訴我，因為每個團隊要看的東西都不太一樣，然後如果你投履歷我們就看有哪些團隊對你有興趣，有興趣的就會安排面試。離開辦公室前我轉頭詢問了CEO 關於兩道白板題的FeedBack，與我推測的相同，他比較喜歡第二題，針對第一題則認為缺乏更多具體細節，在他皺眉地當下我有一種即將收到拒絕信的預感。 🪧 結論：Rejected. 感謝信中沒有理由，我透過LinkedIn 聯繫了CEO 想要詢問自己除了那兩題白板題之外，是否有哪裡可以做得更好，得到了客氣有禮的回應：We actually judge from all interviewers' feedbacks not just from single one. Yes - my comments were the same as I mentioned to you. ——————————————— 🌱🌱🌱🌱🌱🌱🌱🌱🌱🌱🌱 這一串漫漫長路，求職過程中我總感到自我懷疑。前期的懷疑是究竟市場上是否真的有純資料分析師的職缺，可以定義前期的商業問題，接著去設立假設，再驗證假設，並在驗證過後推動行動或提出策略，之後追蹤成效並且進行產品迭代。後期的懷疑則是無聲卡與沒有理由的拒絕信。無論是信心滿滿確認自己答對了三題SQL 題卻收到告知資格不足的Pinkoi 拒絕信，或者是面試了七次卻在最後功虧一簣的Appier 感謝函，在被拒絕的那兩個早晨我感到無比失落，開始懷疑自己或許不該那麼追求，應該要好好的接受前面幾個給我的Offer，別東挑西揀。 ——————————————— 🌱🌱🌱🌱🌱🌱🌱🌱🌱🌱🌱 Appier 的面試使我消沉了整整一天。即使有即將會被拒絕的感覺，但畢竟應徵的位子是Junior Data Analyst, 面試完後心裡存著一絲絲僥倖，七場面試，總不會真的到第七場才淘汰掉吧的那種僥倖。然後我沒有靈魂的繼續打開人力銀行與各個渠道，繼續投遞履歷，直到兩天後我才終於想通，這或許就像交往一樣，有些時候或許你也不真的有什麼無法彌補的缺失，就只是那個團隊真的不適合自己。或許這樣的拒絕，是對方看到了你們的不合而你自己沒看到而已。而這裡所謂的不合指的不一定是能力不足，只是要的東西不夠匹配；不一定是人格特質不好，只是與企業文化不合。這就像是你愛的人不愛你，不是因為你不值得被愛，只是你們不適合罷了。 ——————————————— 🌱🌱🌱🌱🌱🌱🌱🌱🌱🌱🌱 這篇貼文寫在2022年1月30，恰逢農曆年年末，我在兩天前與原公司提了離職，在沒有真的拿下任何一份Offer 的情況下裸辭了XD 原先懶在老家的沙發上看著侄子無憂無慮地玩黏土，實在是不太想面對求職上失利的自己，但轉念一想，自己在面試時總是瘋狂上網找著面試心得，或許把這些面試經驗寫下來可以在未知的哪一個時空中給一個素未謀面的陌生人一點點求職上的幫助吧，即使只是一丁點。那就，祝福所有在未知的網路時空中迷惘著、因為正準備求職或準備面試而看到這篇貼文的Data Analyst 、資料分析師、數據分析師們求職順利。