1. 自我介绍
2. 简历中写的数据指标建立具体是什么情况
3. 有没有做过数据分析的落地的项目
4. 计算机技能怎么样，我说的sql,python，面试官还问了excel怎么样
5. 算法是否有了解？（以下针对算法问了很多，我都懵了）
6. 常见的机器学习算法有哪些？我回答了分类（线性回归，逻辑回归等等），聚类（基于密度，层次聚类，k-means）等等
7. 分类和聚类的区别？我回答有监督和无监督
8. 有监督和无监督的区别？我回答是是否有正确的标识可以验证
9. 常见的有监督和无监督的算法有哪些？
10. 如果负样本量过少，如何解决分类问题？（面试官应该是专门找异常的这种部门，所以问了这个）
11. 过拟合问题怎么看？为什么会出现过拟合，如何解决？
12. 决策树是否了解，有哪些类型？
13. 对xgboost有了解吗

1. 如何看待影子经纪人的情况？就是有个经纪人违规，但是能力很强，就不录入系统，和另一个人公用账号，应该如何做数据分析？
2. 有些经纪人看了房之后私下成交，不给平台费用，这种应该如何识别
反问：
1. 业务题的第二个实际是考虑哪些数据
2. 这个岗位和算法什么的相关度大吗（因为问了很多我模型的问题）

赞一下(0) 踩一下

LinkedIn上network到的，笔试+部门manager面
笔试：给了一份数据和几个问题，通过绘制图表/dashboard回答问题并提出其他insights，PPT或是Tableau，问题都比较straight-forward，但成果的展示需要考虑到接收这份报告的受众群体是谁，他们需要直观看到什么信息，整个report的直观精简且易读非常重要（摆脱学生写essay那种基础详尽的思维，要更代入职场业务部门/领导的需求）
面试：部门经理很nice也很直爽，没有特别大的压迫感但问的问题都很切中要害，不拖泥带水，整个面试过程还是比较专业和流畅的，持续了1个小时

问题基本上基于简历开展
1. 英文自我介绍
2. 为什么选择公司以及这个岗位
3. 分享一段你团队合作的经历（作为组员；作为leader）
4. 其余问题都是围绕3里提到的细节不断深挖，基本上是behavior questions
5. 问了一下数据分析工具的熟练程度

赞一下(0) 踩一下

进入公司后首先填写一张表格，可以看出来当天面试的人还挺多的，说明这家公司的人口流动率相当大，我想原因跟加班有很大关系。面试先是HR跟我聊了一下，然后喊来了部门总监，期间了解到在百秋工作到晚上11点才叫加班，才有所谓调休，就是第二天你可以稍微晚点到公司。

面试首先是让我自我介绍，然后问了工作经验，问到简历写的跟应聘工作相符的部门，问我数据分析使用的工具，熟练度，英语是否可以作为工作语言，对奢侈品在中国发展的看法

赞一下(0) 踩一下