►前言：
数据科学，一门旨在利用数据对实际现象进行理解和分析，获取数据背后的insights，帮助做出正确的决策的交叉学科。今天的导师采访邀请到了毕业于广告及市场营销专业，就读于UCLA MSBA，在Hulu实习且即将前往Shopify的Sophia导师。偏商科的背景如何与数据分析产生联系？拿到过30家公司左右面试机会总结出了哪些经验？快来听听Sophia老师是怎么说的吧！
►作者介绍：
Q：是什么让你申请DS Analytics方向？
做完市场营销以后发现 data是未来的趋势，而DS是可以结合自己Domain的方向，同时各行业都有需求，出路比较开阔。另外由于自己是偏商科背景，还是希望能有business impact，因此目标以主攻analytics track里面的product和 mkt相关职位，和Data Analyst方向混申。
Q：对该岗位未来的career path有什么理解？
我的主要方向是DS analytics track，其他DS的方向包括偏算法的Machine Learning和Data infrastructure/ engineering. DS长期发展能继续往技术层面或管理层面走，如senior-staff-principal/manager – senior manager- team lead – director等，另外以产品和营销领域DS来说，也有不少人会往 PM或Growth方向发展。
Q：对工作地点的选择有什么心得？
因为研究所在加州，并且西岸的天气和生活步调个人还是比较喜欢的，所以我当时只主攻加州和西部的工作，不过越来越多公司提倡remote first，或许过几年这样的地域差别会越来越小。
- 东部：有比较多金融、consulting、 Agency.
- 西部：Tech 和 Entertainment，还有许多 Start-up.
Q：对找工作networking有什么心得？
- 寻找内推：一亩三分地、领英找目标公司员工coffee chat、加入内推群。
- 海投：职位发布后越早投越好，最好能3天内投递回复率最高；投完以后可以发信息给公司的Campus Recruiter表达意向或是请他们留意履历。
- 学校项目：有些自己有开公司的教授，或是从业界来上课的兼任教授，都会在program里找同学去实习，也可以在校内的 Lab 做做 RA.
Q：整个读研/本科期间申请工作准备面试的timeline是怎样的呢？
- 研究生是从10月开学后开始申请工作，分别参与了秋招和春招。
- 11月开始投简历，12月开始进入面试，1月进入最终轮。
- 第二波的春招从2月中开始投简历，3月初开始面试，4月陆陆续续收到summer实习offer.
- 6月初开始实习后拿到Shopify 秋季实习的offer，目前开始寻找全职机会。
Q：最后录取公司的面试流程和每轮面试考点大概是怎样的呢？
整个求职期间我一共拿到30家公司左右的面试，流程大同小异。
- – Recruiter Phone Screen/Technical Assessment：和Hr通常是简单的why this company/position 和 behavior questions，有些则是Data take-home challenge，考验SQL或Python的基础编程能力。
- – 1st round interview：过简历和申请动机，以及一些technical问题，基础SQL query问题。
- – 2nd round interview：项目和Business Case question ，Behavior questions（通常如果是 director 面就会有挺多 follow up 的）。
Q：面试前准备了哪几类知识点？每类是如何准备的？
- – SQL：多上Leetcode练习，去一亩三分地看看考古题，复习高频考点如不同的Join、Window Function差异。
- – Product Case：推荐A Collection of Data Science Take-Home Challenges，上StellarPeers和product management exercise看大厂面试的真题，阅读完后建构自己的framework，再约有产品背景的同学朋友mock interview.
- – A/B testing：Udacity 有一门A/B testing 的课，另外也可以看看面试公司的Tech Blog，了解他们最近的项目还有实际实验的内容，像我在Lyft面试中被面到的metrics问题在他们Medium上就有写到。
- – Behavior Questions：上Glassdoor或地里看看其他面试者被考过的真题，事先准备几个例子并想好回答点
Q：觉得求职最大的难点是什么？如何克服的呢？
Data相关的面试范围非常广，包含stats, programming, a/b testing, machine learning以及Product Sense等等，虽然并不要求样样精通，但不能有明显短板。如果和我一样是转专业选手，又没有全职经验，要拿到第一份DS实习是比较困难的。因此面试前可以多问问recruiter，这一轮考察的知识点大致有哪些，会是以什么样的形式，准备起来也有方向一点。另外多上Glassdoor看看面经，还有了解面试官的背景，预判可能被问到的问题并争取 small talk能聊到点子上。
Q：如果重来一次有哪些求职策略会进行调整呢？
没有拿到offer前不要停止投简历，并且多多申请让自己有可以练手的面试！当时我fb和capital one同时进入onsite后我就全心准备了面试并没有继续申请，导致最后被拒后有长达三周时间都没有收到面试邀请，心态上压力非常大。因此之后我重新调整策略，尽量让自己每周保有至少2个面试，分散风险以外可以维持在面试的最佳状态，压力调节下成功拿下5个offer.
Q：对正在求职的学弟学妹还有什么想说的吗？
- – 面试不只是实力，还要运气：有时候没有拿到offer并不是实力不到，而是职位不匹配或是时间上不巧，职位是双向的选择。
- – 勇敢问Feedback：如果面试没过，可以向hiring manager或recruiter提出了解feedback的请求，这些反馈能有效地帮助我们了解未来面试如何改进。先前我面完NBC Universal最后一轮后被拒，向当时的hiring manager询问，对方特别安排了30分钟session帮我复盘，让我之后成功拿下了Hulu的Offer.