2022年大陸秋招、新加坡數據分析面試覆盤
2021年9月是我在新加坡管理大學最後一個學期的開始，除了白天實習、晚上上課外，我又開始了求職生涯（對，上半年才剛找完實習，下半年又…），雖然找工作相當辛苦，甚至有時候筆試剛好被安排在晚上上課時間，就非常尷尬，只能偷偷做題。
這篇文章主要想作為紀錄，檢討自己在這幾個月面試過程中的失誤、不足，以此作為警惕。網上有相當多成功的經驗、很棒的分享文章，而我認為自己表現不佳，無法提供準備的方法，但能夠提供失敗、不足的地方來提醒大家，如果希望能學習良好的準備面試方法，我推薦這兩篇文章。
面試概況
五月到十一月時，我在新加坡惠普實習，但因為製造團隊本身沒有 full time data scientist 的缺，無法直接轉正。我另外申請了其他團隊，透過內部面試了 supply chain data analyst，但資歷較不符合，因此沒有被錄取。這次找工作主要地點鎖定在新加坡和上海，原因不外乎就是薪水較高、機會更多。
大陸校招
中國大陸每年的畢業生多達數百萬， 因此企業有固定的時間約是七月底開始到十一月，對應屆畢業生進行招聘，稱為秋季校招（校園招聘），每間公司每一批次（提前批、正式批）通常只能投一到兩個缺，下好離手！流程大致如下：
- 透過“牛客網”查詢公司招聘時間、目標城市公司清單、內推碼（很重要）
- 網路申請，一間一個，下好離手
- 筆試
- 2–3 輪面試
- HR 面試
- Offer（祝各位都能走到這！）
我大約投了50間，總共收到30家筆試，最後只獲得三個面試機會，拼多多跟 Keep 掛在第一輪，58 安居客面到 HR 後無聲卡，總的來說秋招全軍覆沒，我一開始挺有自信，因為寫新加坡企業的筆試通常都會過，但後來發現幾個問題，因此我到後期筆試通過率才逐漸提升，以下分別探討：
筆試選擇題：筆試專有名詞翻譯對我們來說有些不同，導致題目題解有誤，並且考的面向很廣，包含：邏輯題、中文閱讀測驗（這個很難，真的！）、統計、機器學習、機率，可以說是什麼都有可能出現，因此建議「刷題」！
筆試 Coding — Python 算法、SQL：Python 和 SQL 也都是中文介面、題目，而且我自己感覺題目也和英文世界的不太一樣，，因此建議「刷題」！
因為我投的公司比較少測驗算法（也和頭的職缺有關），以下主要分享 SQL 部分，大致上必須掌握 datetime 的處理（date_add, date_diff）、partition by、row_number 等等，題目很常出現如：
- 請計算每位使用者過去七天的使用天數
- 計算累計營收
- 計算每月的 retained user 數量（上個月有使用、這個月也有）
雖然大陸面試、筆試都是中文，但在很多表達上仍需要「在地化」一點，而這兩種測驗也都能透過刷題來練習（性向測驗跟邏輯測驗也可以刷！）。此外許多企業都有「提前批」，非常建議可以投遞當作練筆，通常和正式批的限投次數是分開計算，等於是多了一次機會（俗稱的以戰養戰）！
雖然秋招全軍覆沒，但也幫助我更理解大陸的面試方式、測驗題目，檢討修正後，也讓我在近期社招發揮地更好，最後也順利拿到 offer。
新加坡找工作
新加坡除了 Sea、ByteDance 傳承中資企業文化，有舉辦校招，其實基本上比較少，就直接找到有興趣的職缺投履歷即可，我個人認為用 Linkedin 找 SG 的工作還是相當方便的，但需要注意的是，許多大型網路公司 Sea、ByteDance、Grab 若是面試沒上，會有冷凍期 3–6 個月，所以仍要把握機會！但坊間傳聞，換個信箱投遞或許可以打破冷凍？
以下會針對面試的問題檢討。
溝通能力
我在面試的過程中時常詢問面試官，他認為能成為良好的數據分析師最重要的能力是什麼，根據不負責任統計，有半數以上都回答：良好的溝通技巧，我認為這技巧主要體現在，能夠良好理解商業上的問題（input），透過數據分析，提供合理的建議、可行的方案（output）。
數據分析師每天都會有非常多的 requests 飛來請求協助，詢問的問題可能不著邊際、難以理解，因此需要理解對方的問題後轉化成可量化的指標，再根據垂直（商業流程）、水平（不同群體）的維度分析進行拆分，將分析範圍縮小，讓複雜的問題簡單化，才能對症下藥。因此雙向的溝通和理解需求的能力就相當重要，而如果你面試的職缺是需要用外語進行面試，則更需要充分的練習。
我發覺我在這部分的問題可以歸納為：外語能力表的局限性和實務分析經驗缺乏。
外語能力表的局限性
受限於英文能力，若是我沒有想過或準備到的題目，我的表現通常較差勁，這部分更需要和過去練習托福口說一樣，透過大量的練習、feedback 來進步，A Collection of Data Science Take-Home Challenges 中的 40 Product Questions 是非常好的練習題目，建議可以將提供的答案精簡成模板，在面試過程中使用！
實務分析經驗缺乏
這是同時出現在中英文面試裡的大問題，即便我盡力去彌補，但遇到全新的問題仍會不知所措。Case study 部分通常會請你定義或選取指標來評估商業問題，除了標準的指標外，若遇到公司內部的真實問題，就非常 specific ，接著需要將分析範圍縮小，就需要提出例子來佐證 dimension 會影響此指標，最後找出問題，提出可能的解方時，也需要提出實際可能的情況。
我想到的解決辦法是，針對 AARRR（acquisition, activation, retention, referral, and revenue）每個環節先選擇較為標準的指標後，設想通用的例子來協助。
除了 Case Study 外，也有「你該怎麼解決這個問題呢？」希望能闡述會如何利用數據分析、模型解決實際上發生在該產業的問題，例如：怎麼利用數據分析來提升供應鏈效率？怎麼利用數據分析來增加生產良率？這問題涉及到 domain knowledge 需要多多閱讀好的工作經驗分享文章。
閱讀可以帶你了解，你並未經歷過的事情，我推薦可以閱讀這個網站。
技術能力
技術能力指的是 hard skills，如：必須瞭解基本的 ML 模型、統計檢定、coding，就我的經驗而言，通常樹模型（Random Forest、Decision Tree）、迴歸模型（Linear、Logistic Regression）最常被問到也是比較常見的，因此不管是原理、sklearn package 的參數、應用都必須熟悉，神經網路雖然 powerful 但面試數據分析師時，真的幾乎沒被問過，因此建議針對上述模型做準備。
但除此之外，我認為比較難的是「靈活運用」，例如：利用 Decision Tree 獲取規則協助分析、Logistic Regression 來計算 Propensity Score、AB Testing 裡的統計檢定等等。
大數據處理
這部分也是我近期表現較差的環節，筆試時被要求將 pyspark 轉成 SQL ，我當下才學怎麼寫 pyspark…，其他面試則是以詢問的方式確認。面試互聯網產業，偏向業務端的數據分析師，比較少被問到這部分，因為通常 IT 可能已經將數據處理乾淨放在 warehouse 裡，但面試製造業、偏向 IT 的數據分析師時，處理大數據的能力就相對重要，因此我會建議可以學習 Hive SQL、Pyspark，或是嘗試去理解，就能在面試時展現積極與全方位的能力。
面試心態
除了運氣和能力外，健全的心態也是求職的重點之一，就像許多無法兌現天賦的運動員通常都敗在心態！
穩定情緒，平常心應戰
遇到自己的 dream company，一定會更想好好表現，因為在乎，所以緊張！我在三次面試 Grab 前都全身顫抖，畢竟這是我當初選擇到新加坡的原因之一，但在三面時，面試官比較不苟言笑、說話與反應冷淡，讓我有些不知所措，常常覺得自己說錯就更急著解釋，反而更難說好，心態就崩了…最後鎩羽而歸ＱＱ
因此適時的穩定自己的情緒還是相當重要，面試前深呼吸，面試後好好檢討與修正。
長期抗戰，做好心理建設
我從九月開始找工作，2021年底身旁的朋友陸陸續續拿到 offer，隨著畢業後的時間拉長，心裡就更為緊張，但其實從長遠來看，找到適合的工作本來就不是一件易事，需要時時刻刻提醒自己按部就班。我曾聽過有個學長找了八個月的工作，但最後上了 AWS 月薪也比自己同學高了兩三倍。
所以聽到好友拿到 offer，除了恭喜之外也能詢問面試心得，分享一點好運氣！此時更該穩住陣腳，好好面試，做好心理長期抗戰的心理準備，球來就打。
結論
這次求職前前後後投了約一百間公司，寫了 40 次筆試、3 個 take-home assessment，以下節錄了重點公司，若有任何問題或我面試過公司的面經，都歡迎和我聯繫（LinkedIn）。
2021年上半年新加坡對外國人才的簽證較為縮緊，在下半年因為缺工，有稍微開放（從 HR 朋友那邊聽說），求職難度稍微下降，而中國政府最近加強對互聯網、教育產業的管控，這些產業職缺也相對減少，競爭程度也加大。
在職缺緊縮的情況下，也可以轉換賽道，面試 IT 產業或用到數據分析技巧的職缺，面試需要天時地利人和，讓我們一起盡人事，聽天命！
💡 我是 Ryan，目前在新加坡讀商業分析碩士，歡迎 follow 我的 Medium，如果有任何問題都歡迎和我聯繫，同時謝謝你閱讀本篇文章，如果喜歡這篇文章，請幫我拍手，你的鼓勵是我很大的激勵！