一面： 1.简历深挖，两个实习经历➕一个项目经历 2.由简历项目中的问题延伸到业务问题，比如，DAU 在某一天下降，如何找原因；给项目中提到的小程序设立关键指标；小程序中某个功能点的优缺点 3.介绍具体AB test 的流程 4.在工作中，最不能接受的事 5.反问环节 二面： 1.介绍一个与数分相关的经验，借此深挖背景，过程，产出，待优化点 2.平时使用哪个产品；大概介绍下抖音的特点 3.抖音需要

自我介绍 问了实习的一些内容，用户路径分析 剩余的其他问题基本上全是业务问题，最喜欢的app是什么？如何构建这个app的指标体系？核心指标下降怎么分析？ 大概半小时左右，感觉有点kpi 还是许愿期待一个二面  第二天就感谢信了嘿嘿 速度真快啊#秋招##面经##字节跳动##数据分析#

9.7投递，9号电话约面15号（后因面试官临时有事改为19号） 字节的面试开放性很高，都是根据简历来 自我介绍 根据实习和项目问问题：为什么用线性回归模型，为什么用KNN，怎么向不懂的人直白地介绍KNN，怎么优化预测算法，更多的预测算法 介绍常用的app：网易云音乐，介绍下不足：推荐算法不准确，怎么优化算法，怎么测试优化后的算法：ABtest，怎么给推荐算法的数据集设置权重并验证，怎么确认是推荐算

一面， 面试官很nice,一直在带着你回答问题，但是我本身感觉不是很好，好多问题想得太复杂了又想不出来， 流程就是 面试官介绍然后自我介绍， 之后刷实习经历和项目经历， 会一个问题一直问到不会为止， 然后问平常比较喜欢用什么视频软件， 我回答是抖音，问了我一些体验不是很好的地方， 我说的是重复推荐一些搜索过的视频， 之后问怎么解决，怎么确定指标，然后A/B实验，怎么确定实验结果是置信的 最后反问

1、数据仓库分层了解吗，实时离线都怎么做的？ 2、Spark有哪些分区器？ 3、宽窄依赖的定义？发生宽窄依赖转换的时候会发生什么操作？ 4、shuffle操作增加了什么开销？底层用的什么算法？ 5、Spark内存模型有了解过吗？ 6、如何解决数据倾斜问题？ 7、Flink了解吗？checkpoint机制做什么用的？底层怎么实现的？ 8、Spark没有checkpoint机制，那么中间计算结果怎么保

回馈一下 tl：9.20投简历-9.21笔试-9.25一面 1. 自我介绍 2. 简历提问 讲了两段实习 没有太深挖 3. 对于生活服务业务的理解 lz真的不了解😅 随便按照jd上胡扯了一下 好像理解错了😅 4. 指标异动类问题 GMV下降怎么分析 5. 指标体系类问题 - 发站内信提醒购买的人消费 怎么搭建指标体系 6. 怎么明确5的效果是显著的 7. ab基础知识/p-value/t z

整体评价：字节面试难度确实相对来说还是比较大的，特别是二面，会特别考验下面试者的一些软性能力，例如对于商业化的敏感度和数据意识。 一面： 1. 简单讲下你使用关联规则算法进行捆绑销售的项目，在项目开始之前有预估预期收益么？ 2. 接1，整体来看还是采取了AA Test，那么你认为整个实验中有哪些问题会影响AA Test效果？ 3. 如何根据达人营销业务来制定指标体系？（假设北极星指标是GMV） 4

刚刚面完三面，感觉要凉了… 分享一下面经攒点好运吧 一面8.30   40 mins 项目深挖 介绍一个常用的APP和其优缺点 追问：如何改进这些缺点 追问：选择这样改进的原因 追问：需要选择的观测指标 追问：如果要看改进的效果，如何开展AB实验呢？ 核心指标显著正向，一定能上线吗？ 第二天HR电话约面 二面9.8   50 mins 项目深挖 抖音电商值得改进的地方？ 改进后如何评估效果？观察哪

9.20 24届非科班本发面筋攒好运！ 第一次面+太紧张+基础不好+算法出没见过的hard = 寄 组是偏基础架构的 自我介绍到一半简介项目的时候就被打断了开始撕项目(乐 学习的方法 离线项目： 1.分层的好处，为什么分层 2.idmapping 3.拉链表的逻辑(用户活跃区间的中间表)，下次还应该解释一下这个中间表的好处以及为什么方便。 实时项目: 1.维表动态注入的意义在哪里，为什么不直接写入

1. 自我介绍 2. 秋招投递进度/方向/职业规划 3. 讲数据分析项目 4. 项目中用到模型的优缺点 （不是原理，是特点！什么场景选什么模型 我：都跑一边看哪个准确率高 面试官：………） 5. 其他数据分析的项目 6. 随机森林节点重要性怎么算的（再次不会） 7. 讲一个算法 8. 想做什么（偏业务数据分析还是模型算法） 9. 喜欢什么课 10. 业务场景题 11. 秋招有什么offer 大概就

字节跳动提前批：data-电商 数据科学 一面，部门成员：～50min 1.   自我介绍 2.   机器学习 a) XGBoost：损失函数推导、特征重要性的计算方法 b) 为什么用SHAP计算特征重要性，不用XGBoost自带的方法（实习项目） 3.   AB test a)   对于不同类型的指标，分别要怎么做统计检验 b)   用非参数方法检验偏态分布的指标，统计功效较低，有什么其他方法

暑假在北京字节实习没留在组内转正，想转到深圳就发起跨部门转正 一面(50min) 9.19 介绍和深挖实习期间的产出，全是业务相关问题 二面(50min) 10.10 1.介绍和深挖实习期间产出 2.计算策略的roi 3.常用的app(答的b站) 4.app不好用的点(答的b站推荐页的“你可能错过的视频”) 5.让你优化应该怎么做 6.反问 1.如果察觉多个策略间可能存在互相干涉有什么简单的分析方

时间线：8.26一面——9.10二面——9.26三面—— 9.29三面——10月底意向 一面 简历部分 ①实习项目---建议如何来的 答：从结论某个数字出发，来提炼项目的介绍思路 场景题 ①淘宝加历史价格曲线的功能，如何用abtest衡量是否上线？ 答：abtest，指标体系，大致流程 ②接上gmv之外的核心指标？ ③接上如何量化用户的价格敏感度？ 答：回答思路是用个人和大盘指标比，指标定义为用户

### 一面技术面 自我介绍 四道算法 前两题是sql，其中一个难点的就是求连续登录2天以上的用户 一道快排 一道求二叉树是否是对称二叉树，就是左右节点是对称的 问实习经历（问的很细） 工作中的难点 维度建模过程 聊到数据仓库工具箱这本书的内容，我都不会。。。 数据倾斜（我从原理，场景，解决方案三个角度回答的） 问到一些常用函数，UDF,UDAF,UDTF概念 hive的概述 hadoop，hiv

TimeLine：一面20220826，二面20220902，三面20220915，HR面20220920，意向20221017 BG：北邮本硕，管理类专业，两段实习经历：字节数据分析师、美团商业分析师 写在前面的话：字节秋招走的是跨部门转正，并非官网投递。以下问题并未完全记录当时的回答内容，敬请读者谅解 一面 1. 如果用户的人均使用时长下降，怎么分析？ ①明确分析指标： 人均使用时长 = 总使