当前位置: 首页 > 面试经验 >

23秋招 补录 猿辅导 数据分析 面经

优质
小牛编辑
96浏览
2023-03-28

23秋招 补录 猿辅导 数据分析 面经

回馈社区为其他面试攒功德,猿辅导问得还是比较全的,每场一个多小时的面试时长最后还挂掉了是真的让人心梗!

timeline:2.6投递-2.13约面-2.14一面-2.14下午约面-2.16二面-2.17主动询问挂

一面 75min

面试官介绍结构:自我介绍、简历提问、sql题目、场景题、反问

每段实习的项目都会详细问到,追问不会很challenge也不进行场景假设,给出合理解释就可以(这部分耗时30min)

p值的意义

发现你之前的项目会参考很多业务意见,怎么平衡你的分析和不懂数据的业务意见

-在这里多说了一嘴希望将来的岗位更有话语权不是工具人埋下了地雷

你了解到的有哪些其他公司的数据岗位你觉得是比较有话语权的(???

-硬着头皮说了个某大厂 挽尊说组与组之间的差异有时候比公司与公司之间的差异还大 不是说想去那个公司 会在面试的时候对岗位多进行了解(这个时候突然意识到坏了 这个岗位说不定就是需求支持定位的……

我觉得你在之前的实习里面做的东西也蛮探索的,怎么说是dirtywork工具人呢?

-主动在dirtywork外寻求可探索的点并做出了现在简历上的内容(本来是加分项的但结合前面的内容让人感觉我对基础工作非常嫌弃一样!!救命 谁能来救救我!

来做个sql题吧

1)每月每地区老师数净增长(入职-离职) full outer join

2)每个地区管理老师数前三的组长

场景题:9.1开展老带新活动复盘怎么组织这个报告

反问

-具体工作内容(果然有点工具人……但是钱多啊!我手里的offer不满意啊!我多那一嘴干什么啊!

整体氛围非常不错相谈甚欢所以有下一面

二面 78min

自我介绍(一面记录在二面面试官手里 发现一面把简历问了个遍二面就一个都没再问

sql四日留存

-介绍with as结构

-sql优化

如果老板说一小时后开大会,但是数据你感觉到时候拿不出来,怎么去跟老板沟通

数据埋点有了解吗

-埋点除了点击还有其他类型的吗

-支付之类的数据为什么不用做埋点

统计学:一场马拉松里每个人的成绩是什么分布

-还知道其他什么分布

-工作中有哪些地方可以应用到统计学

-ab实验,基于统计学的机器学习算法,异常定义

脑筋急转弯:一个正常骰子,一个空骰子,同时抛出两个骰子,使其加和是1-12的均匀分布,怎样给空骰子贴标签?

做ab测试,开7天,每一天实验组都比对照组表现要好,累计看总数发现实验组是比对照组要小的,你觉得是为什么

-我直接开始质疑没到时间就去看结果不科学把方向引偏了这题答得不好

双边检验与单边检验有什么不同

画图用什么软件比较多

搭看板和报表的用图思路

写分析报告的思路

机器学习是懂原理还是只会调包

-解释下svm的分类超平面

-判断有监督学习模型好坏的指标有哪些

因果推断相关有了解吗

-了解不多 也是个需要补的点

场景题:滴滴随机抽取地点免单活动,活动结束后如何进行复盘

业务为什么会愿意对口径?

开放性题目:如何给完全不懂互联网的授课老师解释什么是指标什么是维度?(华为问过研究所问过这是第三次见这个问题了

对工作的期待、对于各个工作部分的占比期望

纯分析比较难落地到业务里你怎么看

你觉得数据分析的团队在公司里是什么角色

听一面说你对数分团队的话语权比较看重,你觉得一个数分团队的话语权来自哪里?(来了来了服了服了

-数据团队分析结果对业务的积极影响&认可度,比较高层的领导对数分的定位,数据团队领导人的影响力

有的模型做得已经非常准了业务还是非常抗拒去用你觉得是为什么

你觉得之前提到的经营分析会是一个比较有话语权的分析方向吗(寄寄寄!我这张嘴啊!

你觉得自己在生活和工作中是一个什么样的人

-介绍了我的mbti哈哈哈(不会是因为我的mbti跟公司不太合才挂的吧!

你对工作有时间要求吗,上下班时间之类

反问

-工作具体方向:问三面老师吧,hr回头跟你沟通(有希望?

-对校招生的要求:大家都很厉害,各有所长看综合能力吧(感觉不对劲

-问ab实验那题,把本来想考察的点告诉我了,然后面试官说她说的也不一定是对的这是她的理解(我晕倒了

总结

二面这个问题量太离谱了 最离谱的是氛围还不错但还是给我挂了

虽然确实希望数据分析岗位地位比较高不做工具人,但是在手里没有合适offer的时候可以先不那么实诚地表达自己对岗位的要求,先把offer拿到手再说其他……就是说手里的offer也好不到哪里去,这家至少wlb+钱多还要什么自行车,非食物链顶端的人不配提要求

ab实验比较深入的问题+因果推断相关知识多学习补充(各位uu有没有资料推荐),竞争激烈的情况下(有点冷门的)知识面的广度和深度会决定成败

 类似资料: