大数据分析师面试求职攻略
面試大數據分析前焦慮怎么辦?
如果你沒有得到面試怎么辦?
大數據分析師面試過程尷尬怎么辦?
如何準備大數據分析師面試?
大數據分析師的面試技巧有哪些?
大數據分析師的面試注意事項有哪些?
如何在大數據分析師面試過程中表達出自我的優勢?
以上的一些讓你頭疼的問題，大數據分析師面試攻略可以給你答案，接下來讓我們一起去看看吧!
如果你擁有應聘職位所需的技術技能，并且在準備申請材料方面做得很好，那么最終你將開始有興趣采訪你的雇主的回音。
如果這需要一段時間或響應率較低，請不要氣our。在申請入門級職位時，這很普遍。這些職位競爭激烈，招聘過程可能相當隨意。堅持下去!
如果你申請到數百個就業機會，并沒有得到任何采訪，不過，有一個很好的機會，什么是錯的。可能是你不具備應聘職位的資格，或者可能是你的申請材料中的某些內容困擾著招聘人員。無論哪種方式，都值得與知識淵博的人進行咨詢，他們可以評估你的應用程序并為你提供出問題的思路。
不過，一旦開始接受面試，你將需要為他們做好準備。你的申請材料給了你一些幫助，但是面試過程是你完成交易并向潛在雇主確認你是該職位的合適人選的地方。
期望什么，以及如何準備
讓我們從壞消息開始：數據科學訪談的格式和問題千差萬別，這使得它們很難準備。
老實說，面試過程差別很大，每個公司都認為他們找到了亮點，并且他們是與人進行面談的一種真實方法，因此，一旦你參加了面試，面試問題就會有很多差異。你將獲得IBM面試過程，根據我們所聽到的，這實際上是一些高級問題，例如“描述決策樹的工作原理”。描述這是如何工作的。” 另一方面，還有Google，它正在與工程師進行白板編碼會議。”
好消息是，即使你可能不知道確切當你走過大門會發生什么，還是有很多事情可以做，以準備自己的王牌數據科學面試和大量的免費求職面試資源進行有幫助!
招聘經理想要什么
盡管每次面試都是不同的，但招聘經理和招聘人員通常希望在面試過程中學習有關你的三項主要知識：
a)你對公司和職位有多感興趣?他們希望看到你對公司的工作表現出積極的興趣，并且你已經開始考慮如何通過這一角色為公司帶來價值。
b)你的技能與工作要求的匹配程度如何?他們希望看到你在技術上能夠勝任這項工作。僅僅因為你的簡歷說你知道Python并不意味著你對它有任何好處，所以實際上每個面試過程都會包含一些旨在測試你的技術技能的元素。雇主還希望看到你展示重要的軟技能，例如溝通。
c)你會成為一個良好的“文化背景”嗎?他們希望看到你的個性在他們的公司文化中起作用，并且你能夠在他們的團隊和系統中有效地工作。他們還希望看到你的個人職業目標與公司和相關角色保持一致。
如果在面試結束時讓招聘經理和其他團隊成員對這三件事都感到滿意，那么獲得工作機會的機會就很大。
面試過程樣本
盡管每個公司對數據科學工作面試的處理方式都不相同，但讓我們看一下一些示例面試過程。
根據過去幾年AAA教育上的受訪者報告，我們自己與招聘人員的訪談以及我們與他們交談過的AAA教育學生的訪談，接下來是一些公司的入門級數據分析師職位的真實采訪過程。我們之所以刪除了公司名稱，是因為公司經常更改其流程，并且我們不想就任何人將要面對的事情誤導任何人，并且因為我們無法始終確認受訪者報告的準確性。但是，閱讀這些過程仍然應該使你準確了解求職過程中可能遇到的各種過程。
技術型公司辦公室：兩次電話采訪，一次是與數據科學家的技術交流，另一次是與招聘經理的側重于軟技能和文化的交流。四個現場訪談著重于工作的不同方面(例如技術技能，溝通等)。整個過程耗時約三周。
大型技術公司：簡介性回合，然后是針對與工作相關的技術技能的兩輪在線測試，然后是最后的個人面試。整個過程花了幾個星期。
大型科技公司：與招聘經理進行一次電話篩選，隨后進行了三輪現場面試，主要針對技術技能和挑戰。整個過程大約花了三個星期，而候選人稱其為“有點疲憊”。
初創公司：：進行電話篩選，然后進行一個家庭項目，進行一些數據分析，并提交簡歷文件供公司評估。然后再進行兩次額外的采訪，技術采訪和最后的個人采訪。這個過程大約花了三個星期。
電信公司：兩次面試(電話或現場面試，取決于應聘者的位置)，一次面試針對個人問題，另一項面試針對技術問題。訪談“放松”且簡短。整個過程大約花了一個星期。
財務公司：快速的電話篩選，然后是兩次一對一的現場采訪，出乎意料地高度關注個人和行為問題，而不是技術問題。整個過程大約花了兩個星期。
中型數據公司：通過電話進行技術篩選，然后進行更深入的采訪，訪談集中在相關工作經驗和解決與公司業務有關的技術挑戰上。第三次也是最后一次面試更側重于個人和行為主題。整個過程耗時約三周。
中型軟件公司：進行初步電話篩選，然后進行幾輪現場采訪，其中包括單獨解決與工作有關的問題以及在一天中的大部分時間與公司團隊一起進行實際項目。這個過程花了幾個星期。
技術公司：篩選與招聘經理及其一名雇員的對話，然后與人力資源部門的雇員進行兩次簡短訪談，然后進行現場訪談，其中包括五個單獨的訪談。整個過程花了一個多月的時間。
如你所見，體驗千差萬別，但有一些共同點：
a)你將必須在此過程中的某個時間點回答技術問題或完成一些與編碼技能相關的項目。
b)通常至少有一次針對軟技能和文化的訪談。
c)大多數招聘過程都是從某種篩選(通常是通過電話)開始，以快速淘汰不合格的候選人。
另請注意，很有可能你可以在在線申請的公司中找到有關面試流程的特定信息。AAA教育是一個極好的資源。你可以咨詢相關老師給你簡歷模板和面試指導。
只要記住一些警告，這是一個非常有用的資源：
a)這些報告是由用戶提交的，因此它們可能不準確，有偏見或完全不正確。
b)公司會經常更改其面試過程，因此較舊的報告可能無法反映公司當前的招聘做法。
c)面試過程因人而異：例如，由高級別員工推薦的候選人比沒有推薦人的候選人面臨的要求更為嚴格和非正式。
無論哪種方式，請不要擔心!你將做好準備。這是如何做：
如何準備
我們將在本文后面討論一些具體的示例問題，你應該稍作研究，但首先，讓我們談談一般的面試準備。你應該認為面試過程類似于學校的一項重要考試：如果你不事先安排學習時間就進入面試過程，則可能會遇到麻煩。
具體來說，在每次面試之前，你都應查看：
a) 你提交給該公司的簡歷。
準備回答有關你的背景，工作經驗，技能的問題-簡歷中提到的任何內容都可能出現，并且如果你在面試中給出的答案與你在簡歷中寫的內容相矛盾，那就不好了。
b) 你的項目組合。
特別是對于入門級角色，你應該內外都了解自己的項目。準備好回答的問題是什么，你做了，怎么你做到了，為什么你沒有這樣的說法，以及關于你在你的項目中已經應用編程和統計的概念更廣泛的問題(面試官想看看你是否只是發現了一些很酷的代碼來從StackOverflow復制粘貼，或者你是否真正了解幕后發生的事情)。
c) 與職位描述有關的技術問題。
無法確切地確定在面試中將要回答哪些技術問題或要解決哪些問題，但是如果職位描述中提到特定的語言，技術或技能，你將無法確定幾乎可以肯定會想到類似的問題。復習你所知道的內容，確保你不僅知道如何做某事，而且還知道何時以及為什么要這樣做。我們提供了一些技術問題示例，并提供了指向更多資源的鏈接，你可以在本文后面的部分中進行回顧。
d) 與工作，你的經歷和工作搜索相關的個人問題。
不要僅僅認為你可以輕松解決這些問題!即使某些答案看起來很明顯，也值得為常見的工作面試問題以及你在每次面試前根據工作經歷預期的問題準備答案。
e) 你打算在這次面試中提出的問題。
對于每次面試，你應該準備至少3-5個問題，如果有機會可以問面試官。我們將在本文的后面部分對此進行詳細討論，但是準備好要問的問題意味著你需要做一些研究，并對你在這家公司中所扮演的角色進行真正的思考。
寫下答案的提綱是一個好主意，但也有助于練習大聲說出來。編制“模擬面試”問題清單，并請朋友或家人幫助你進行準備。即使他們對數據科學一無所知，你也可能會意識到是否仍然需要掌握一些技術概念，并且他們仍然能夠對面試的“軟”方面提供有用的反饋，例如你聽起來有多自信，以及對個人問題的回答如何令人信服。
在視頻中回答模擬面試問題時記錄自己，這也是一項有用的(有時是痛苦的)練習。將手機放在可以捕捉到你整個身體的位置，然后記錄自己對不同面試問題的回答。你可能會對發現的結果感到驚訝!
穿什么，如何展示自己：面試前準備
在深入探討示例問題之前，我們需要介紹數據科學工作面試準備的另一個方面：自我介紹。不管喜歡與否，這很重要。你的表現方式會影響面試官在與你見面時獲得的第一印象(無論是面對面還是通過視頻聊天)，第一印象很重要。
實際上，第一印象的重要性是有點令人恐懼的。一些研究表明，人們在頭兩秒鐘內會對你做出重要且難以改變的判斷。知道自己要參加數據科學工作面試的內容非常重要，但可以說，表現得很好也同樣重要。
那是什么意思呢?
服裝：你應該穿著干凈的衣服，適合在你面試的任何工作場所使用。在一家科技公司，你可能會穿休閑裝，但對于財務采訪，你可能需要穿西裝。
如果你不確定該公司的一般著裝習慣，則在面試之前詢問此問題完全可以。如有疑問，請謹慎行事。與穿拖鞋和短褲露面，發現其他所有人都穿著西裝相比，感覺稍微穿得好一點絕對好。
修飾：你需要看起來專業。這可能對各種各樣的人意味著各種各樣的事情，并且在某種程度上，它因行業而異。但總的來說，你可能希望頭發整齊(并且遠離臉部)。你想要干凈修整的指甲。等等。
衛生：這也非常簡單：你不應聞起來難聞或看上去不干凈。確保在面試之前洗完澡并刷牙是一個好主意。手頭上有一些薄荷糖可以保持呼吸新鮮，也不會造成傷害。
視頻采訪的其他注意事項：如果你要進行視頻采訪而不是現場采訪，請考慮一下你的采訪者會看到什么。這里有一些要考慮的事情：
a)背景是什么?只要看起來合理專業，一堵空白墻就好，一個干凈整潔的房間也可以，墻壁藝術也可以。你在后臺不需要的是諸如未整理的床，一堆臟衣服或一堆怪異的頭骨畫之類的東西。
b)你正在使用什么聊天?如果可能，請使用放置在穩定位置的計算機，網絡攝像頭或電話。手持電話或在腿上與電腦聊天可以使采訪者的視頻看起來很不穩定。
c)你長的怎樣?嘗試將計算機或相機的視線大致對準眼睛，這樣你就可以直接注視著它而不是仰視或仰視它。這樣可以確保你的面試官能以正常角度看到你。還要考慮照明-你的臉應該清晰，均勻地照明。如果需要確保你的臉部光線充足，請不要帶一兩盞燈!
d)你的設備如何工作?事先與朋友測試所有內容，以確保他們可以清楚地聽到和看到你，并且沒有不可預見的技術問題。
e)你在看哪里?在這方面，視頻聊天可能會很困難，因為如果你看著屏幕上出現的某人，由于大多數網絡攝像頭都位于屏幕上方，因此他們通常會看到你的視線不在下方。如果可以的話，嘗試記住說話時注視攝像機而不是屏幕。這將使采訪者看起來就像你在看他們的眼睛一樣。(但是，如果你覺得這太困難了，那就不用太擔心了-給出正確的答案更為重要，并且大多數訪問者都將理解，在視頻聊天中讓某人“注視”很難)。
回答面試問題
既然你已經做好準備，那么該是時候談論面試的實際經驗了，看看你可能會遇到的一些問題，并討論面試者角色的關鍵方面：傾聽。
聽力的重要性
僅僅作為一個好傾聽者，確實可以幫助面試。事實上，聽著，然后甚至重復給那個人說，'好吧，只是想確保我了解你要尋找的東西，'然后再進一步說，以便他們感到被聽到了，巨大。
令我驚訝的是，有多少人沒有被聽到，只是聆聽的行為如何才能真正與你建立聯系。對我來說，即使是在無意識的水平上，這也會給正在接受采訪的人帶來巨大的優勢。
你需要聽一些真實的科學知識，然后再重復一次問題。我們在最近的文章中更深入地討論了該主題，但要點是：研究后的研究證實，單字不漏地重復一個人的問題往往會使他們對你有更好的印象并產生更好的結果。在各種研究中，簡單地傾聽和重復增加了推銷員的銷售數量，給女服務員的小費，甚至是對慈善機構的捐款。
當然，你不必逐字敘述每個問題。而且你仍然需要知道如何正確回答它們。但是，科學表明，像這樣的簡單交換可能會出奇地強大：
?
用訪調員自己的措辭(或類似的措詞)重申問題，表明你正在積極地聆聽他們所說的話。這也可能對你有幫助-它迫使你考慮要回答的問題，并給你一點時間來思考你想說的話。
因此，盡管你對問題的回答至關重要，但請記住，聆聽也很重要。
關于回答問題的注意事項
在回答任何面試問題時，你應該牢記三個目標：
a)清楚。
b)簡明扼要。
c)為你的聽眾適當回答。
要清楚，掌握第一個主要是關于準備。當你知道自己在說什么時，你才可以清楚地解釋一些事情。
掌握第二個內容，簡潔明了，是關于仔細聽和回答問題，但不只限于此。避免陷入細微的細節或切線切開的情況，并根據需要直接回答問題，并在需要時提供更多細節。如果你對原因感到好奇，那么本文可以提供一些很好的見識，但簡短的版本是，提供過多的細節可能會引起爭議，并損害你的信譽。
你可以說，如果面試官愿意的話，你會很樂意進行詳細介紹，也可以要求面試官指定他們希望你的回答有多深入。但是，如果有疑問，請保持相對簡單。“為什么選擇這種算法?” 應該針對該算法的作用以及為什么對你的目的有用，給出1-2分鐘的答案，而不是針對該算法的每一個復雜性和每種可能的應用進行20分鐘的演講。
掌握第三個，為你的聽眾適當地回答，只需要記住與你交談的對象即可。你是在與擁有15年經驗的數據科學家交流嗎?獲得盡可能多的技術，并使用盡可能多的術語!你是否正在與為該公司的每個團隊雇用的人力資源代表交談?你可能需要給出更大的圖片答案，并進行類似的解釋-如果出現的話，我有5個更復雜的技術資料。你還希望避免使用諸如“數據整理”之類的行話-而是說諸如“我清理了數據”之類的話，任何人，無論其編程背景如何，都可能理解。
有關項目的樣本問題
如果你沒有太多的工作經驗，那么應該期望你被問到簡歷，應用程序展示的部分或全部項目。這是你可以為每個項目運行的一些示例問題，以確保你獲得良好的答案：
01)你為什么選擇為此做一個項目?
02)這個項目對你意味著什么?
03)你最喜歡該項目做什么?
04)你從事此項目最不喜歡的事情是什么?
05)你在此項目期間面臨哪些技術挑戰，如何克服這些挑戰?
06)你從何處獲得此數據集，并使用了哪些技術來清理數據?
07)你為什么選擇使用用于該項目的統計技術?
08)你為什么選擇使用用于該項目的編程技術?
09)你能解釋一下這種算法/統計技術/代碼部分如何工作嗎?
10)你為此項目使用了哪些庫，軟件包或其他工具?
11)你將這個項目放在一起花了多長時間?
12)如果被問到，你將如何擴展這個項目?
13)如果你必須再次執行此操作，那么你對該項目有什么改變?
14)你在該項目中使用的技能將如何對我們的業務有價值?
15)(如果是小組項目)你在該項目上的工作是什么?
16)(如果是小組項目)這個項目是如何組織和版本控制的?
17)(如果是小組項目)你能談談在此項目中與隊友之間的沖突或分歧，而你克服了嗎?
根據你項目中的內容，可能會詢問你其他有關編程挑戰，數據和分析中采用的統計方法的特定問題。除了能夠回答上述問題之外，你還應該查看所有項目，以確保你了解自己的代碼在做什么，并且可以清楚地解釋為什么做出所有決定。
樣本技術問題
你在求職面試中遇到的技術問題會因你所申請的職位，所申請的公司和隨機機會而異。如果得到安慰，技術問題可能沒有你想像的那么重要-當我們問時，我們采訪的大多數招聘人員和招聘經理說，個人問題和有關項目的問題通常可以使他們更加了解候選人是否是“對”。
但是，當然，這并不意味著如果你回答所有錯誤的技術問題都將獲得工作!
下面，我們列出了數據分析師和數據科學家職位可能會遇到的一些示例技術問題，但變化很大。我們這里只是其中一些可能性的一個很小的示例，因此在此列表下方，我們還鏈接到了更多資源，你可以在其中找到更多實踐問題。
數據分析師：
01)解釋數據分析過程。
02)為什么數據清理很重要?
03)清理數據集時，你會尋找什么樣的問題?
04)你如何將網頁中的數據表放入代碼中進行分析?
05)你如何使用SQL / Python / R合并這兩個表?
06)你如何估計舊金山的窗戶數量?(這樣的“邏輯”問題種類繁多，旨在測試你的邏輯和統計技能)。
07)你將如何使用SQL / Python / R對表的行進行數字排序?
08)你想收集哪種數據來解決特定的業務問題?
09)你將使用什么方法來分析兩個不同產品搜索引擎的比較效果?
10)在SQL中，Union與Union All之間有什么區別?聯合還是聯合?有vs在哪里?
11)說明隨機抽樣，分層抽樣和聚類抽樣。
12)談論你使用大型數據庫或數據集的時間
13)Z分數是什么?它們有什么用?
14)你將如何分析我們為用戶提高轉化率的最佳方法?
15)可視化此數據的最佳方法是什么，如何使用Python / R做到這一點?
16)如果你要分析我們的用戶參與度，你將收集什么數據以及如何對其進行分析?
17)結構化數據和非結構化數據有什么區別?
18)什么是p值?
19)你如何處理數據集中的缺失值?
20)如果對我們公司而言重要的指標不再出現在我們的數據源中，你將如何調查原因?
數據科學家：
01)你如何選擇模型特征?你在找什么?
02)Logistic回歸和線性回歸之間有什么區別?
03)解釋決策樹。
04)你將如何測試新的信用風險評分模型是否有效?
05)說明K均值聚類及其適用范圍。
06)如果你擁有一個以上訓練有素的模型，那么你如何評估哪個才是最好的?
07)解釋偏差方差的權衡以及如何進行導航。
08)中心極限定理是什么?
09)線性模型(或任何其他類型的模型)的假設是什么?
10)K最近鄰居和K均值聚類有什么區別?
11)你如何解決過度擬合?
12)解釋樸素貝葉斯算法。
13)你如何找到并糾正數據中的偏差?
14)什么是交叉驗證?
15)什么是混雜變量?
技術問題資源
01)AAA教育提供了用戶報告的真實面試問題和針對數千家公司的建議答案，可按職位搜索。(此鏈接轉到他們的數據分析師問題，但你可以搜索任何職位)。
02)Leetcode在“數據庫”部分中有大量按難度組織的實踐SQL問題。
03)數據科學面試是有關Quora的大量免費的數據科學面試問題和答案的集合，其中有些是技術性的，有些不是。
04)DS訪談有數百個真實的訪談問題，可以按難度排序。
05)AAA教育課程以可下載的PDF總結來結束每個任務，這些摘要總結了關鍵概念，并且它們可以作為寶貴的資源，使你可以自測從Python到SQL到機器學習等等的所有內容，具體取決于你完成的課程。
06)Acing AI Interviews定期發布有關Quora，Oracle，Twitch，Yelp和Spotify等大公司的數據科學訪談問題的常規文章。
07)如果注冊一個帳戶，HackerRank會帶來許多編碼挑戰，你可以解決這些挑戰，其中一些挑戰可能與面試中遇到的問題類似。
08)使用Codewars，你可以通過Python和SQL挑戰測試自己的技能(不幸的是，沒有R)。
樣本個人問題
1)談論你經歷的專業失敗以及如何克服它。
2)你為什么要在這家公司工作?
3)五年后你會在哪里看到自己?
4)你的職業生涯計劃是什么，這家公司如何適應它?
5)你認為自己扮演這個角色對我們公司有什么影響?
6)談談你對數據科學的熱情以及為什么它會讓你感興趣。
7)你認為我們應該收集和分析哪種數據?
8)(如果你沒有接受數據科學方面的正規教育)你能否談談如何以及為什么學習數據科學?
9)談論你如何在數據科學領域的發展中緊跟數據，以及地平線上的哪些趨勢使你興奮。
10)你最大的優點和/或缺點是什么?
11)你為什么要改變職業/離職?
12)談談你理想的工作環境。
13)談論你在工作中遇到分歧的時間以及如何解決它。
14)迄今為止，你在數據科學領域最自豪的成就是什么?
15)你最欣賞哪些數據科學家?
16)這份招聘信息吸引了你呢?
“期望薪水”問題
這里需要特別提及一個面試問題：“你目前的工資是多少?” 或“此職位的期望薪水是多少?” 這些問題通常在面試過程即將結束時(當公司正在考慮是否提出要約時)，很難回答。
通常，盡管如此，你應該盡量避免提供你當前的薪水。在美國的某些州，要求這樣做實際上是非法的，但是即使問題在你居住的地方是合法的，也最好禮貌地躲避它。應該說“我不愿意透露當前薪水，但是根據我的經驗，這是我期望的薪水范圍”之類的話。
關鍵的，當然，是你需要知道這是一個薪酬范圍合理給出的職位描述，你的技能和經驗，以及當地市場。在報價協商一章中，我們將對此進行更深入的了解(了解你的市場價值)，但是簡短的版本是這樣的：
1)在招聘網站之類的網站上進行一些研究，以找出在你所在地區扮演類似角色的人員所獲得的薪水。
2)給出一個范圍而不是一個具體的數字;這為你提供了進一步協商的空間。
如果你在面試過程的早期就被問到了這個問題，但還沒有完成研究，那么最好將其完全轉移，例如：“我希望在了解更多信息后再討論薪酬問題。位置。”
你應該問的問題
面試過程不僅涉及回答問題，還涉及詢問問題。大多數面試官都會通過給你一個提問的機會來結束每次面試，你不應該忽略它。這是你寶貴的機會，可以進一步了解公司，并進一步打動與你交談的人。
要求打動
我們與本指南交談的大多數招聘人員和招聘經理都同意，他們對候選人的印象受他們提出的問題的影響，提出正確的問題可以幫助候選人。他們建議你提出以下問題類型：
關于工作的詳細問題：這里的關鍵是詳細的 ; 不要只是問你每天會做什么。提出一些具體問題，表明你已經在考慮如何在職位上發揮最大作用，例如，有關將要使用的特定工具或工作流程的問題，或將要解決的特定業務問題。例如，你可能會詢問公司在使用其技術堆棧中未包含的工具或軟件包/庫時的靈活性，但你認為這可能對你所申請的角色有所幫助。
我會收到類似的問題，'哦，你嘗試過嗎?你是否使用這種類型的數據?我以為你會做到這一點，而且我們沒有走這條路，只是他們正在考慮這一點的事實才真正脫穎而出。
有關你將要解決的業務問題的詳細問題：如上所述，提出此類問題的想法是證明你已經在解決該公司的業務問題上處于精神上。
我們與本指南交流的其他許多招聘人員和招聘經理也表達了這一觀點。
有關成長機會和培訓的問題：這些問題表明你有興趣不斷提高自己的技能和學習能力，這是大多數雇主希望看到的。當然，這對你來說也是很有價值的信息，供你在以后評估報價時使用;提供較低薪水的公司如果仍然可以提供對你的職業生涯更好的培訓機會，仍然是更好的選擇。在長期。
有關與其他部門協作的問題：數據科學團隊通常必須與許多其他部門協作。這些問題表明你對該職位的這一方面很感興趣，答案可能使你對公司的文化背景以及協作工作流程的效率有一些了解。
不問什么
完全不問任何問題：這向面試官表明你根本沒有參與。你應該至少準備好幾個問題。
詢問補償，帶薪休假等：這類談判的適當時間是在收到工作機會后面試過程的結尾。如果你在此之前提出要求，特別是如果你反復提出要求，那么訪調員會給你一種印象，即你只是為了獲得薪水，而對工作并不真正感興趣。
用容易找到的答案問問題：例如，如果你詢問公司網站上明確回答的問題，它只是表明面試者你在面試之前沒有費心去做研究，這表明你真的不在乎這份工作。
底線
你的問題需要表明你正在積極思考可以從該角色幫助該公司的方法，并且還需要證明你在完成公司業務時已經做好了功課。他們需要特定于你要采訪的公司;沒有可在每次面試中使用且仍能給人留下深刻印象的問題備忘單清單。
這意味著在面試之前，你需要花費一些時間來研究公司及其業務，并思考你的角色對公司的影響方式。
面試后的跟進
在面試過程中，你可能會或可能不會收到有關流程后續步驟的時間表。當你希望聽到關于工作機會或面試過程的下一階段的消息時，等待和觀看電子郵件可能會很痛苦-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，什么時候面試后應該伸出手去打基礎呢?
首先，最好在面試后的第二天向面試官發送一封簡短的電子郵件。但是，此消息的目的只是為了感謝他們的時間，并重申你的興趣。可能是這樣的：
?
在那之后，你應該坐下來，等待一段合理的時間，然后再與公司聯系。
如果你被告知你將在特定時間收到答復(即“你應該在下周的某個時間收到我們的后續措施回信。”)，那么你應該至少在該截止日期之后的兩個工作日內與我們取得聯系。而且你不應該感到驚慌-事情通常會推遲幾天。
如果你沒有得到一個具體的截止日期，你應該至少一周(5等業務日)再次達到之前。
無論哪種方式，此消息都應與前一條消息相似：簡短，友好，急切但不急躁。以一個問題結尾(也更有可能提示你回答)也很好，但是你應該確保你的問題是在提供某些東西，而不是要求某些東西(“我還能提供其他信息嗎?”比“何時提供更好”。我可以期待聽到回音嗎?”)。
考慮以下消息：
?
在發送了上述類似的后續消息后，請等待一周。如果你仍然沒有收到任何回復，最好假設你沒有得到該職位。不要浪費任何時間，有時公司會落后，或者某些事情會在混亂中迷失，因此你最終仍可能會接受另一次面試或要約，但是最好將時間和精力重新投入到與其他公司的應用程序上。
從拒絕中學習
如果你確實拒絕了你的回音，那么重要的是不要灰心。請記住，首先接受采訪的事實意味著你做得對，而公司在你的申請材料中看到了他們喜歡的東西。將會有更多的采訪。
將拒絕視為增長的機會也很重要。反思自己的表現可能會有所幫助。你在面試中遇到任何疑問嗎?找出下次如何更好地回答他們的問題。
也可以要求面試官提供一些見解。他們不會欠你一個答復(而且你不會總是得到答復)，但是如果你用類似這樣的方式禮貌地回答拒絕消息，你通常會得到寶貴的反饋，可以用來確保下次面試順利進行更好：
?
如果你確實有回音，你的回復應該是簡單的“謝謝!” 或造成這種情況的一些方法-_不要退縮或爭論，也不要試圖說服招聘經理他們做出了錯誤的決定(這永遠行不通)。
如果你沒有收到回音，請不要生氣。一些公司的人力資源政策禁止提供此類反饋。
面試后得到好消息
當你在面試后聽到好消息時(例如，被告知你將獲得工作機會)，你一定會感到興奮。但是值得記住的一句老話：“直到結束，這還沒有結束。” 口頭承諾你將獲得要約并不一定意味著你將真正獲得要約。該公司在財務上可能出了點問題，或者面試官可能會說出他們自己無法做出的決定。
這些情況并不常見(如果被告知要獲得要約，幾乎可以肯定要接受要約)，但是明智的做法是等到合同中的內容用完后再采取主要步驟，例如撤回其他求職申請。當然，要慶祝你的勝利，但是要在你正式接受要約之前保持選擇的權利(并且不進行談判就不要接受要約;有關更多詳細信息，請參閱我們的要約談判一章)。
?
摘自：https://www.aaa-cg.com.cn/data/2358.html
總結
以上是生活随笔為你收集整理的大数据分析师面试求职攻略的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 中标麒麟——初次体验，感觉流畅
- 下一篇： Django rest_framewor