BAT数据分析面试过程详解

确认基本信息

正式开始面试之前，为了保证信息的统一，以及目标的明确。一般会问以下几个问题：

1、工作年限；最近的一家公司、团队、职级，以及相应的工作大方向上的内容

2、当前是否在职。如果不在职，多久走的；如果在职，看机会的大概目的和原因

3、最近的绩效水平，未来的发展方向如何

以上问题，不会都问，但是会确定一些简历里提到的信息。

一来保证简历如实；二来确定是真的想找工作，且符合当前所招岗位要求，保证双方不会互相浪费时间。

基于这两个判断，面试官才会继续往下去“设置”问题，有针对性的了解候选人。

简历沟通

一般来说，简历沟通最直接的方式，就是自我介绍。

这个自我介绍不要重复讲一遍简历上的内容，这个内容看简历就好了。作为面试官，想听到的是简历上没有的东西。

自我介绍中可以包含最近一份工作中，团队是什么定位，什么工作内容，以及候选人在其中负责什么，是否是核心成员，负责的业务是否核心。如果能说出“战绩”，那是一个非常大的加分项。

这个自我介绍的过程，一定要清晰明确，有针对性和条理性。针对性不仅要说出为什么你觉得你适合这个岗位，优势是什么，还要表达出你对这个岗位的了解和期望。而条理性则是一个分析师所必须的，做业务，做分析，都需要条理性。切忌讲话啰哩啰嗦，没有逻辑，没有重点。

项目提问

项目提问一般会分成两类问题：

1、基于自我介绍，或者简历内容，任选一个候选人自认为做的很出彩的项目做介绍。

这个问题，基本会有三个层次：

1. 举一个在工作中最有收获的项目？
2. 能进一步说明你当时具体做了什么吗？
3. 你觉得哪个环节是最有意义的？

这里更多的深入到候选人经历过的一些项目中去深挖，看看候选人的业务理解深度，以及平常工作中所做事情的深度。

如果只是简单的做了指标体系，没有思考背后为什么要建立这些指标，以及指标之间如何联系，到最后指标如何使用和产生价值，那么就只属于做了而已。这样会是一个减分项。

2、基于面试官感兴趣或者假设的一个场景，提出问题，让候选人解。

这个问题更多的是考验一种解决问题的迁移能力。一般情况下，面试官都会出和JD契合的问题。这种问题不会很难，主要是考量候选人的经验是否可以复用，以及能复用多少。用来判断候选人是否合适的标准之一。

沉淀思考

这一块儿，会问一些诸如行业上的理解，业务上的思考，方法论沉淀。主要考察候选人在平时工作中的积累，从而判断出，候选人的大致能力水平。

举几个例子大家可以感受一下：

• 日常监控异常维度如何快速挖掘？
• 分析方法论沉淀？
• 统计学应用？
• 对于数据分析价值的思考？

技术能力

这里就是一些很具体的技术上的问题了，但是都会比较基础。一般就为了保证，招来的候选人可以独立干活儿。

毕竟如果是个P7，来了不会写SQL，就很尴尬了。数据都没有，了解那么多的分析方法论，也没有一个用武之地。就如同你有一把好枪，但是不好意思，子弹得现加工。

就我自己来说，我一般会问这些问题：

• 用到的技术栈主要有哪些？
• hive的底层运行原理大体说明？
• 数据倾斜问题是否遇到过，如何处理？
• 销量表sale_table，列涵盖：日期(day)、商品(id)、用户id(uid)、购买量(cnt)。如何获取每日销售最多的TOP10商品id？
• Python里的pandas库中DataFrame，返回前几行和后几行数据，对某一列数据排序，怎么操作？

总体评估方向

总体来说，评估一个候选人，一般会考量三个方向：

1、个人能力

• 技术实现能力（大数据处理、数据分析、特征工程、实时计算、数仓知识、分布式基础知识）
• 关键贡献及历史战绩（做过的出彩的项目，以及在项目中的角色）
• 能力沉淀（行业知识，业务理解，方法沉淀）
  

2、性格特质

• 是否足够聪明（学习能力，沟通协调能力）
• 是否足够皮实（坦荡真实，有韧性，有耐心）
• 是否会自省（不断反思成长）
• 不要是事儿逼&卷王（这点就不展开说了【手动狗头】）
  

3、与岗位契合度

• 历史经验与岗位契合度（是否能做事）
• 能力沉淀与岗位契合度（是否能做好事）
• 未来发展与岗位契合度（是否能长久做事）