旗下产业: A产业/ A实习/ A计划
全国统一咨询热线:010-5367 2995
首页 > 热门文章 > 大数据分析 > 大数据分析师面试求职攻略

大数据分析师面试求职攻略

时间:2020-07-01来源:www.aaa-cg.com.cn点击量:作者:Sissi
时间:2020-07-01点击量:作者:Sissi

 


  面试大数据分析前焦虑怎么办?
 

  如果你没有得到面试怎么办?
 

  大数据分析师面试过程尴尬怎么办?
 

  如何准备大数据分析师面试?
 

  大数据分析师的面试技巧有哪些?
 

  大数据分析师的面试注意事项有哪些?
 

  如何在大数据分析师面试过程中表达出自我的优势?
 

  以上的一些让你头疼的问题,大数据分析师面试攻略可以给你答案,接下来让我们一起去看看吧!
 

  如果你拥有应聘职位所需的技术技能,并且在准备申请材料方面做得很好,那么最终你将开始有兴趣采访你的雇主的回音。
 

  如果这需要一段时间或响应率较低,请不要气our。在申请入门级职位时,这很普遍。这些职位竞争激烈,招聘过程可能相当随意。坚持下去!
 

  如果你申请到数百个就业机会,并没有得到任何采访,不过,有一个很好的机会,什么是错的。可能是你不具备应聘职位的资格,或者可能是你的申请材料中的某些内容困扰着招聘人员。无论哪种方式,都值得与知识渊博的人进行咨询,他们可以评估你的应用程序并为你提供出问题的思路。
 

  不过,一旦开始接受面试,你将需要为他们做好准备。你的申请材料给了你一些帮助,但是面试过程是你完成交易并向潜在雇主确认你是该职位的合适人选的地方。
 

  期望什么,以及如何准备
 

  让我们从坏消息开始:数据科学访谈的格式和问题千差万别,这使得它们很难准备。
 

  老实说,面试过程差别很大,每个公司都认为他们找到了亮点,并且他们是与人进行面谈的一种真实方法,因此,一旦你参加了面试,面试问题就会有很多差异。你将获得IBM面试过程,根据我们所听到的,这实际上是一些高级问题,例如“描述决策树的工作原理”。描述这是如何工作的。” 另一方面,还有Google,它正在与工程师进行白板编码会议。”
 

  好消息是,即使你可能不知道确切当你走过大门会发生什么,还是有很多事情可以做,以准备自己的王牌数据科学面试和大量的免费求职面试资源进行有帮助!
 

  招聘经理想要什么
 

  尽管每次面试都是不同的,但招聘经理和招聘人员通常希望在面试过程中学习有关你的三项主要知识:
 

  a)你对公司和职位有多感兴趣?他们希望看到你对公司的工作表现出积极的兴趣,并且你已经开始考虑如何通过这一角色为公司带来价值。

  b)你的技能与工作要求的匹配程度如何?他们希望看到你在技术上能够胜任这项工作。仅仅因为你的简历说你知道Python并不意味着你对它有任何好处,所以实际上每个面试过程都会包含一些旨在测试你的技术技能的元素。雇主还希望看到你展示重要的软技能,例如沟通。

  c)你会成为一个良好的“文化背景”吗?他们希望看到你的个性在他们的公司文化中起作用,并且你能够在他们的团队和系统中有效地工作。他们还希望看到你的个人职业目标与公司和相关角色保持一致。
 

  如果在面试结束时让招聘经理和其他团队成员对这三件事都感到满意,那么获得工作机会的机会就很大。
 

  面试过程样本
 

  尽管每个公司对数据科学工作面试的处理方式都不相同,但让我们看一下一些示例面试过程。
 

  根据过去几年AAA教育上的受访者报告,我们自己与招聘人员的访谈以及我们与他们交谈过的AAA教育学生的访谈,接下来是一些公司的入门级数据分析师职位的真实采访过程。我们之所以删除了公司名称,是因为公司经常更改其流程,并且我们不想就任何人将要面对的事情误导任何人,并且因为我们无法始终确认受访者报告的准确性。但是,阅读这些过程仍然应该使你准确了解求职过程中可能遇到的各种过程。
 

  技术型公司办公室:两次电话采访,一次是与数据科学家的技术交流,另一次是与招聘经理的侧重于软技能和文化的交流。四个现场访谈着重于工作的不同方面(例如技术技能,沟通等)。整个过程耗时约三周。
 

  大型技术公司:简介性回合,然后是针对与工作相关的技术技能的两轮在线测试,然后是最后的个人面试。整个过程花了几个星期。
 

  大型科技公司:与招聘经理进行一次电话筛选,随后进行了三轮现场面试,主要针对技术技能和挑战。整个过程大约花了三个星期,而候选人称其为“有点疲惫”。
 

  初创公司::进行电话筛选,然后进行一个家庭项目,进行一些数据分析,并提交简历文件供公司评估。然后再进行两次额外的采访,技术采访和最后的个人采访。这个过程大约花了三个星期。
 

  电信公司:两次面试(电话或现场面试,取决于应聘者的位置),一次面试针对个人问题,另一项面试针对技术问题。访谈“放松”且简短。整个过程大约花了一个星期。
 

  财务公司:快速的电话筛选,然后是两次一对一的现场采访,出乎意料地高度关注个人和行为问题,而不是技术问题。整个过程大约花了两个星期。
 

  中型数据公司:通过电话进行技术筛选,然后进行更深入的采访,访谈集中在相关工作经验和解决与公司业务有关的技术挑战上。第三次也是最后一次面试更侧重于个人和行为主题。整个过程耗时约三周。
 

  中型软件公司:进行初步电话筛选,然后进行几轮现场采访,其中包括单独解决与工作有关的问题以及在一天中的大部分时间与公司团队一起进行实际项目。这个过程花了几个星期。
 

  技术公司:筛选与招聘经理及其一名雇员的对话,然后与人力资源部门的雇员进行两次简短访谈,然后进行现场访谈,其中包括五个单独的访谈。整个过程花了一个多月的时间。
 

  如你所见,体验千差万别,但有一些共同点:
 

  a)你将必须在此过程中的某个时间点回答技术问题或完成一些与编码技能相关的项目。

  b)通常至少有一次针对软技能和文化的访谈。

  c)大多数招聘过程都是从某种筛选(通常是通过电话)开始,以快速淘汰不合格的候选人。
 

  另请注意,很有可能你可以在在线申请的公司中找到有关面试流程的特定信息。AAA教育是一个极好的资源。你可以咨询相关老师给你简历模板和面试指导。
 

  只要记住一些警告,这是一个非常有用的资源:
 

  a)这些报告是由用户提交的,因此它们可能不准确,有偏见或完全不正确。

  b)公司会经常更改其面试过程,因此较旧的报告可能无法反映公司当前的招聘做法。

  c)面试过程因人而异:例如,由高级别员工推荐的候选人比没有推荐人的候选人面临的要求更为严格和非正式。
 

  无论哪种方式,请不要担心!你将做好准备。这是如何做:
 

  如何准备
 

  我们将在本文后面讨论一些具体的示例问题,你应该稍作研究,但首先,让我们谈谈一般的面试准备。你应该认为面试过程类似于学校的一项重要考试:如果你不事先安排学习时间就进入面试过程,则可能会遇到麻烦。
 

  具体来说,在每次面试之前,你都应查看:
 

  a) 你提交给该公司的简历。
 

  准备回答有关你的背景,工作经验,技能的问题-简历中提到的任何内容都可能出现,并且如果你在面试中给出的答案与你在简历中写的内容相矛盾,那就不好了。
 

  b) 你的项目组合。
 

  特别是对于入门级角色,你应该内外都了解自己的项目。准备好回答的问题是什么,你做了,怎么你做到了,为什么你没有这样的说法,以及关于你在你的项目中已经应用编程和统计的概念更广泛的问题(面试官想看看你是否只是发现了一些很酷的代码来从StackOverflow复制粘贴,或者你是否真正了解幕后发生的事情)。
 

  c) 与职位描述有关的技术问题。
 

  无法确切地确定在面试中将要回答哪些技术问题或要解决哪些问题,但是如果职位描述中提到特定的语言,技术或技能,你将无法确定几乎可以肯定会想到类似的问题。复习你所知道的内容,确保你不仅知道如何做某事,而且还知道何时以及为什么要这样做。我们提供了一些技术问题示例,并提供了指向更多资源的链接,你可以在本文后面的部分中进行回顾。
 

  d) 与工作,你的经历和工作搜索相关的个人问题。
 

  不要仅仅认为你可以轻松解决这些问题!即使某些答案看起来很明显,也值得为常见的工作面试问题以及你在每次面试前根据工作经历预期的问题准备答案。
 

  e) 你打算在这次面试中提出的问题。
 

  对于每次面试,你应该准备至少3-5个问题,如果有机会可以问面试官。我们将在本文的后面部分对此进行详细讨论,但是准备好要问的问题意味着你需要做一些研究,并对你在这家公司中所扮演的角色进行真正的思考。
 

  写下答案的提纲是一个好主意,但也有助于练习大声说出来。编制“模拟面试”问题清单,并请朋友或家人帮助你进行准备。即使他们对数据科学一无所知,你也可能会意识到是否仍然需要掌握一些技术概念,并且他们仍然能够对面试的“软”方面提供有用的反馈,例如你听起来有多自信,以及对个人问题的回答如何令人信服。
 

  在视频中回答模拟面试问题时记录自己,这也是一项有用的(有时是痛苦的)练习。将手机放在可以捕捉到你整个身体的位置,然后记录自己对不同面试问题的回答。你可能会对发现的结果感到惊讶!
 

  穿什么,如何展示自己:面试前准备
 

  在深入探讨示例问题之前,我们需要介绍数据科学工作面试准备的另一个方面:自我介绍。不管喜欢与否,这很重要。你的表现方式会影响面试官在与你见面时获得的第一印象(无论是面对面还是通过视频聊天),第一印象很重要。
 

  实际上,第一印象的重要性是有点令人恐惧的。一些研究表明,人们在头两秒钟内会对你做出重要且难以改变的判断。知道自己要参加数据科学工作面试的内容非常重要,但可以说,表现得很好也同样重要。
 

  那是什么意思呢?
 

  服装:你应该穿着干净的衣服,适合在你面试的任何工作场所使用。在一家科技公司,你可能会穿休闲装,但对于财务采访,你可能需要穿西装。
 

  如果你不确定该公司的一般着装习惯,则在面试之前询问此问题完全可以。如有疑问,请谨慎行事。与穿拖鞋和短裤露面,发现其他所有人都穿着西装相比,感觉稍微穿得好一点绝对好。
 

  修饰:你需要看起来专业。这可能对各种各样的人意味着各种各样的事情,并且在某种程度上,它因行业而异。但总的来说,你可能希望头发整齐(并且远离脸部)。你想要干净修整的指甲。等等。
 

  卫生:这也非常简单:你不应闻起来难闻或看上去不干净。确保在面试之前洗完澡并刷牙是一个好主意。手头上有一些薄荷糖可以保持呼吸新鲜,也不会造成伤害。
 

  视频采访的其他注意事项:如果你要进行视频采访而不是现场采访,请考虑一下你的采访者会看到什么。这里有一些要考虑的事情:
 

  a)背景是什么?只要看起来合理专业,一堵空白墙就好,一个干净整洁的房间也可以,墙壁艺术也可以。你在后台不需要的是诸如未整理的床,一堆脏衣服或一堆怪异的头骨画之类的东西。

  b)你正在使用什么聊天?如果可能,请使用放置在稳定位置的计算机,网络摄像头或电话。手持电话或在腿上与电脑聊天可以使采访者的视频看起来很不稳定。
 

  c)你长的怎样?尝试将计算机或相机的视线大致对准眼睛,这样你就可以直接注视着它而不是仰视或仰视它。这样可以确保你的面试官能以正常角度看到你。还要考虑照明-你的脸应该清晰,均匀地照明。如果需要确保你的脸部光线充足,请不要带一两盏灯!
 

  d)你的设备如何工作?事先与朋友测试所有内容,以确保他们可以清楚地听到和看到你,并且没有不可预见的技术问题。
 

  e)你在看哪里?在这方面,视频聊天可能会很困难,因为如果你看着屏幕上出现的某人,由于大多数网络摄像头都位于屏幕上方,因此他们通常会看到你的视线不在下方。如果可以的话,尝试记住说话时注视摄像机而不是屏幕。这将使采访者看起来就像你在看他们的眼睛一样。(但是,如果你觉得这太困难了,那就不用太担心了-给出正确的答案更为重要,并且大多数访问者都将理解,在视频聊天中让某人“注视”很难)。
 

  回答面试问题
 

  既然你已经做好准备,那么该是时候谈论面试的实际经验了,看看你可能会遇到的一些问题,并讨论面试者角色的关键方面:倾听。
 

  听力的重要性
 

  仅仅作为一个好倾听者,确实可以帮助面试。事实上,听着,然后甚至重复给那个人说,'好吧,只是想确保我了解你要寻找的东西,'然后再进一步说,以便他们感到被听到了,巨大。
 

  令我惊讶的是,有多少人没有被听到,只是聆听的行为如何才能真正与你建立联系。对我来说,即使是在无意识的水平上,这也会给正在接受采访的人带来巨大的优势。
 

  你需要听一些真实的科学知识,然后再重复一次问题。我们在最近的文章中更深入地讨论了该主题,但要点是:研究后的研究证实,单字不漏地重复一个人的问题往往会使他们对你有更好的印象并产生更好的结果。在各种研究中,简单地倾听和重复增加了推销员的销售数量,给女服务员的小费,甚至是对慈善机构的捐款。
 

  当然,你不必逐字叙述每个问题。而且你仍然需要知道如何正确回答它们。但是,科学表明,像这样的简单交换可能会出奇地强大:
 

大数据分析师面试求职攻略
 

  用访调员自己的措辞(或类似的措词)重申问题,表明你正在积极地聆听他们所说的话。这也可能对你有帮助-它迫使你考虑要回答的问题,并给你一点时间来思考你想说的话。
 

  因此,尽管你对问题的回答至关重要,但请记住,聆听也很重要。
 

  关于回答问题的注意事项
 

  在回答任何面试问题时,你应该牢记三个目标:
 

  a)清楚。

  b)简明扼要。

  c)为你的听众适当回答。
 

  要清楚,掌握第一个主要是关于准备。当你知道自己在说什么时,你才可以清楚地解释一些事情。
 

  掌握第二个内容,简洁明了,是关于仔细听和回答问题,但不只限于此。避免陷入细微的细节或切线切开的情况,并根据需要直接回答问题,并在需要时提供更多细节。如果你对原因感到好奇,那么本文可以提供一些很好的见识,但简短的版本是,提供过多的细节可能会引起争议,并损害你的信誉。
 

  你可以说,如果面试官愿意的话,你会很乐意进行详细介绍,也可以要求面试官指定他们希望你的回答有多深入。但是,如果有疑问,请保持相对简单。“为什么选择这种算法?” 应该针对该算法的作用以及为什么对你的目的有用,给出1-2分钟的答案,而不是针对该算法的每一个复杂性和每种可能的应用进行20分钟的演讲。
 

  掌握第三个,为你的听众适当地回答,只需要记住与你交谈的对象即可。你是在与拥有15年经验的数据科学家交流吗?获得尽可能多的技术,并使用尽可能多的术语!你是否正在与为该公司的每个团队雇用的人力资源代表交谈?你可能需要给出更大的图片答案,并进行类似的解释-如果出现的话,我有5个更复杂的技术资料。你还希望避免使用诸如“数据整理”之类的行话-而是说诸如“我清理了数据”之类的话,任何人,无论其编程背景如何,都可能理解。
 

  有关项目的样本问题
 

  如果你没有太多的工作经验,那么应该期望你被问到简历,应用程序展示的部分或全部项目。这是你可以为每个项目运行的一些示例问题,以确保你获得良好的答案:
 

  01)你为什么选择为此做一个项目?

  02)这个项目对你意味着什么?

  03)你最喜欢该项目做什么?

  04)你从事此项目最不喜欢的事情是什么?

  05)你在此项目期间面临哪些技术挑战,如何克服这些挑战?

  06)你从何处获得此数据集,并使用了哪些技术来清理数据?

  07)你为什么选择使用用于该项目的统计技术?

  08)你为什么选择使用用于该项目的编程技术?

  09)你能解释一下这种算法/统计技术/代码部分如何工作吗?

  10)你为此项目使用了哪些库,软件包或其他工具?

  11)你将这个项目放在一起花了多长时间?

  12)如果被问到,你将如何扩展这个项目?

  13)如果你必须再次执行此操作,那么你对该项目有什么改变?

  14)你在该项目中使用的技能将如何对我们的业务有价值?

  15)(如果是小组项目)你在该项目上的工作是什么?

  16)(如果是小组项目)这个项目是如何组织和版本控制的?

  17)(如果是小组项目)你能谈谈在此项目中与队友之间的冲突或分歧,而你克服了吗?
 

  根据你项目中的内容,可能会询问你其他有关编程挑战,数据和分析中采用的统计方法的特定问题。除了能够回答上述问题之外,你还应该查看所有项目,以确保你了解自己的代码在做什么,并且可以清楚地解释为什么做出所有决定。
 

  样本技术问题
 

  你在求职面试中遇到的技术问题会因你所申请的职位,所申请的公司和随机机会而异。如果得到安慰,技术问题可能没有你想像的那么重要-当我们问时,我们采访的大多数招聘人员和招聘经理说,个人问题和有关项目的问题通常可以使他们更加了解候选人是否是“对”。
 

  但是,当然,这并不意味着如果你回答所有错误的技术问题都将获得工作!
 

  下面,我们列出了数据分析师和数据科学家职位可能会遇到的一些示例技术问题,但变化很大。我们这里只是其中一些可能性的一个很小的示例,因此在此列表下方,我们还链接到了更多资源,你可以在其中找到更多实践问题。
 

  数据分析师:
 

  01)解释数据分析过程。

  02)为什么数据清理很重要?

  03)清理数据集时,你会寻找什么样的问题?

  04)你如何将网页中的数据表放入代码中进行分析?

  05)你如何使用SQL / Python / R合并这两个表?

  06)你如何估计旧金山的窗户数量?(这样的“逻辑”问题种类繁多,旨在测试你的逻辑和统计技能)。

  07)你将如何使用SQL / Python / R对表的行进行数字排序?

  08)你想收集哪种数据来解决特定的业务问题?

  09)你将使用什么方法来分析两个不同产品搜索引擎的比较效果?

  10)在SQL中,Union与Union All之间有什么区别?联合还是联合?有vs在哪里?

  11)说明随机抽样,分层抽样和聚类抽样。

  12)谈论你使用大型数据库或数据集的时间

  13)Z分数是什么?它们有什么用?

  14)你将如何分析我们为用户提高转化率的最佳方法?

  15)可视化此数据的最佳方法是什么,如何使用Python / R做到这一点?

  16)如果你要分析我们的用户参与度,你将收集什么数据以及如何对其进行分析?

  17)结构化数据和非结构化数据有什么区别?

  18)什么是p值?

  19)你如何处理数据集中的缺失值?

  20)如果对我们公司而言重要的指标不再出现在我们的数据源中,你将如何调查原因?
 

  数据科学家:
 

  01)你如何选择模型特征?你在找什么?

  02)Logistic回归和线性回归之间有什么区别?

  03)解释决策树。

  04)你将如何测试新的信用风险评分模型是否有效?

  05)说明K均值聚类及其适用范围。

  06)如果你拥有一个以上训练有素的模型,那么你如何评估哪个才是最好的?

  07)解释偏差方差的权衡以及如何进行导航。

  08)中心极限定理是什么?

  09)线性模型(或任何其他类型的模型)的假设是什么?

  10)K最近邻居和K均值聚类有什么区别?

  11)你如何解决过度拟合?

  12)解释朴素贝叶斯算法。

  13)你如何找到并纠正数据中的偏差?

  14)什么是交叉验证?

  15)什么是混杂变量?
 

  技术问题资源
 

  01)AAA教育提供了用户报告的真实面试问题和针对数千家公司的建议答案,可按职位搜索。(此链接转到他们的数据分析师问题,但你可以搜索任何职位)。

  02)Leetcode在“数据库”部分中有大量按难度组织的实践SQL问题。

  03)数据科学面试是有关Quora的大量免费的数据科学面试问题和答案的集合,其中有些是技术性的,有些不是。

  04)DS访谈有数百个真实的访谈问题,可以按难度排序。

  05)AAA教育课程以可下载的PDF总结来结束每个任务,这些摘要总结了关键概念,并且它们可以作为宝贵的资源,使你可以自测从Python到SQL到机器学习等等的所有内容,具体取决于你完成的课程。

  06)Acing AI Interviews定期发布有关Quora,Oracle,Twitch,Yelp和Spotify等大公司的数据科学访谈问题的常规文章。

  07)如果注册一个帐户,HackerRank会带来许多编码挑战,你可以解决这些挑战,其中一些挑战可能与面试中遇到的问题类似。

  08)使用Codewars,你可以通过Python和SQL挑战测试自己的技能(不幸的是,没有R)。
 

  样本个人问题
 

  1)谈论你经历的专业失败以及如何克服它。

  2)你为什么要在这家公司工作?

  3)五年后你会在哪里看到自己?

  4)你的职业生涯计划是什么,这家公司如何适应它?

  5)你认为自己扮演这个角色对我们公司有什么影响?

  6)谈谈你对数据科学的热情以及为什么它会让你感兴趣。

  7)你认为我们应该收集和分析哪种数据?

  8)(如果你没有接受数据科学方面的正规教育)你能否谈谈如何以及为什么学习数据科学?

  9)谈论你如何在数据科学领域的发展中紧跟数据,以及地平线上的哪些趋势使你兴奋。

  10)你最大的优点和/或缺点是什么?

  11)你为什么要改变职业/离职?

  12)谈谈你理想的工作环境。

  13)谈论你在工作中遇到分歧的时间以及如何解决它。

  14)迄今为止,你在数据科学领域最自豪的成就是什么?

  15)你最欣赏哪些数据科学家?

  16)这份招聘信息吸引了你呢?
 

  “期望薪水”问题
 

  这里需要特别提及一个面试问题:“你目前的工资是多少?” 或“此职位的期望薪水是多少?” 这些问题通常在面试过程即将结束时(当公司正在考虑是否提出要约时),很难回答。
 

  通常,尽管如此,你应该尽量避免提供你当前的薪水。在美国的某些州,要求这样做实际上是非法的,但是即使问题在你居住的地方是合法的,也最好礼貌地躲避它。应该说“我不愿意透露当前薪水,但是根据我的经验,这是我期望的薪水范围”之类的话。
 

  关键的,当然,是你需要知道这是一个薪酬范围合理给出的职位描述,你的技能和经验,以及当地市场。在报价协商一章中,我们将对此进行更深入的了解(了解你的市场价值),但是简短的版本是这样的:
 

  1)在招聘网站之类的网站上进行一些研究,以找出在你所在地区扮演类似角色的人员所获得的薪水。

  2)给出一个范围而不是一个具体的数字;这为你提供了进一步协商的空间。
 

  如果你在面试过程的早期就被问到了这个问题,但还没有完成研究,那么最好将其完全转移,例如:“我希望在了解更多信息后再讨论薪酬问题。位置。”
 

  你应该问的问题
 

  面试过程不仅涉及回答问题,还涉及询问问题。大多数面试官都会通过给你一个提问的机会来结束每次面试,你不应该忽略它。这是你宝贵的机会,可以进一步了解公司,并进一步打动与你交谈的人。
 

  要求打动
 

  我们与本指南交谈的大多数招聘人员和招聘经理都同意,他们对候选人的印象受他们提出的问题的影响,提出正确的问题可以帮助候选人。他们建议你提出以下问题类型:
 

  关于工作的详细问题:这里的关键是详细的 ; 不要只是问你每天会做什么。提出一些具体问题,表明你已经在考虑如何在职位上发挥最大作用,例如,有关将要使用的特定工具或工作流程的问题,或将要解决的特定业务问题。例如,你可能会询问公司在使用其技术堆栈中未包含的工具或软件包/库时的灵活性,但你认为这可能对你所申请的角色有所帮助。
 

  我会收到类似的问题,'哦,你尝试过吗?你是否使用这种类型的数据?我以为你会做到这一点,而且我们没有走这条路,只是他们正在考虑这一点的事实才真正脱颖而出。
 

  有关你将要解决的业务问题的详细问题:如上所述,提出此类问题的想法是证明你已经在解决该公司的业务问题上处于精神上。
 

  我们与本指南交流的其他许多招聘人员和招聘经理也表达了这一观点。
 

  有关成长机会和培训的问题:这些问题表明你有兴趣不断提高自己的技能和学习能力,这是大多数雇主希望看到的。当然,这对你来说也是很有价值的信息,供你在以后评估报价时使用;提供较低薪水的公司如果仍然可以提供对你的职业生涯更好的培训机会,仍然是更好的选择。在长期。
 

  有关与其他部门协作的问题:数据科学团队通常必须与许多其他部门协作。这些问题表明你对该职位的这一方面很感兴趣,答案可能使你对公司的文化背景以及协作工作流程的效率有一些了解。
 

  不问什么
 

  完全不问任何问题:这向面试官表明你根本没有参与。你应该至少准备好几个问题。
 

  询问补偿,带薪休假等:这类谈判的适当时间是在收到工作机会后面试过程的结尾。如果你在此之前提出要求,特别是如果你反复提出要求,那么访调员会给你一种印象,即你只是为了获得薪水,而对工作并不真正感兴趣。
 

  用容易找到的答案问问题:例如,如果你询问公司网站上明确回答的问题,它只是表明面试者你在面试之前没有费心去做研究,这表明你真的不在乎这份工作。
 

  底线
 

  你的问题需要表明你正在积极思考可以从该角色帮助该公司的方法,并且还需要证明你在完成公司业务时已经做好了功课。他们需要特定于你要采访的公司;没有可在每次面试中使用且仍能给人留下深刻印象的问题备忘单清单。

 

  这意味着在面试之前,你需要花费一些时间来研究公司及其业务,并思考你的角色对公司的影响方式。
 

  面试后的跟进
 

  在面试过程中,你可能会或可能不会收到有关流程后续步骤的时间表。当你希望听到关于工作机会或面试过程的下一阶段的消息时,等待和观看电子邮件可能会很痛苦-尤其是如果你被告知要在星期一(星期二)之前收到你的回音!那么,什么时候面试后应该伸出手去打基础呢?
 

  首先,最好在面试后的第二天向面试官发送一封简短的电子邮件。但是,此消息的目的只是为了感谢他们的时间,并重申你的兴趣。可能是这样的:

大数据分析师面试求职攻略
 

  在那之后,你应该坐下来,等待一段合理的时间,然后再与公司联系。
 

  如果你被告知你将在特定时间收到答复(即“你应该在下周的某个时间收到我们的后续措施回信。”),那么你应该至少在该截止日期之后的两个工作日内与我们取得联系。而且你不应该感到惊慌-事情通常会推迟几天。
 

  如果你没有得到一个具体的截止日期,你应该至少一周(5等业务日)再次达到之前。
 

  无论哪种方式,此消息都应与前一条消息相似:简短,友好,急切但不急躁。以一个问题结尾(也更有可能提示你回答)也很好,但是你应该确保你的问题是在提供某些东西,而不是要求某些东西(“我还能提供其他信息吗?”比“何时提供更好”。我可以期待听到回音吗?”)。
 

  考虑以下消息:

大数据分析师面试求职攻略
 

  在发送了上述类似的后续消息后,请等待一周。如果你仍然没有收到任何回复,最好假设你没有得到该职位。不要浪费任何时间,有时公司会落后,或者某些事情会在混乱中迷失,因此你最终仍可能会接受另一次面试或要约,但是最好将时间和精力重新投入到与其他公司的应用程序上。
 

  从拒绝中学习
 

  如果你确实拒绝了你的回音,那么重要的是不要灰心。请记住,首先接受采访的事实意味着你做得对,而公司在你的申请材料中看到了他们喜欢的东西。将会有更多的采访。
 

  将拒绝视为增长的机会也很重要。反思自己的表现可能会有所帮助。你在面试中遇到任何疑问吗?找出下次如何更好地回答他们的问题。
 

  也可以要求面试官提供一些见解。他们不会欠你一个答复(而且你不会总是得到答复),但是如果你用类似这样的方式礼貌地回答拒绝消息,你通常会得到宝贵的反馈,可以用来确保下次面试顺利进行更好:

大数据分析师面试求职攻略
 

  如果你确实有回音,你的回复应该是简单的“谢谢!” 或造成这种情况的一些方法-_不要退缩或争论,也不要试图说服招聘经理他们做出了错误的决定(这永远行不通)。
 

  如果你没有收到回音,请不要生气。一些公司的人力资源政策禁止提供此类反馈。
 

  面试后得到好消息
 

  当你在面试后听到好消息时(例如,被告知你将获得工作机会),你一定会感到兴奋。但是值得记住的一句老话:“直到结束,这还没有结束。” 口头承诺你将获得要约并不一定意味着你将真正获得要约。该公司在财务上可能出了点问题,或者面试官可能会说出他们自己无法做出的决定。
 

  这些情况并不常见(如果被告知要获得要约,几乎可以肯定要接受要约),但是明智的做法是等到合同中的内容用完后再采取主要步骤,例如撤回其他求职申请。当然,要庆祝你的胜利,但是要在你正式接受要约之前保持选择的权利(并且不进行谈判就不要接受要约;有关更多详细信息,请参阅我们的要约谈判一章)。

 

预约申请免费试听课

填写下面表单即可预约申请免费试听!怕钱不够?可先就业挣钱后再付学费! 怕学不会?助教全程陪读,随时解惑!担心就业?一地学习,可推荐就业!

©2007-2021/北京漫动者教育科技有限公司版权所有
备案号:京ICP备12034770号

©2007-2022/ www.aaa-cg.com.cn 北京漫动者数字科技有限公司 备案号: 京ICP备12034770号 监督电话:010-53672995 邮箱:bjaaa@aaaedu.cc

京公网安备 11010802035704号

网站地图