数据分析求职-面试技巧

之前咱们已经分享了岗位介绍、求职准备思路、简历如何准备,今天咱俩聊一聊面试的技巧~

1. 面试流程

咱们先聊聊面试的基本流程:简历/笔试筛选->技术初面->技术二面->技术三面->技术交叉面->HR面。

这个过程中有几个点值得重点说说:

  • 技术初面:这是整个面试环节中最难的一面,淘汰率最高,考察知识点最广。要是能通过一面,说明你的技术能力已经达到这个公司的基本要求了,后续的面试是为了在有效招聘名额下优中选优。
  • 技术二面和三面:当然不排除只有二面或者是有更多的四面、五面,但是它们相比于初面而言,区别在于面试官的层级更高、考察的面更窄的同时深度更深。
  • 技术交叉面:这个大概率是没有的,有的话也别担心,往往是因为面试官对你的方向吃不准,需要更匹配的其他部门的面试官一起帮忙评估而已。
  • HR面:这是技术之外的考察,主要是性格、表达、抗压等方面,难度一般,只要不犯低级错误基本没问题。

|----------|--------|------------------------------------------|---------|
| 面试流程 | 形式 | 主要考察点 | 通过率 |
| 简历/笔试筛选 | 线上 | 1. 学历,实习/项目/比赛/论文经历 2. 笔试反映出的聪明度、协作、抗压能力 | |
| 技术初面 | 线上 | 1. 项目经历 2. 基础知识,代码能力 | 10~20% |
| 技术二面 | 线上 | 1. 亮点项目,重点基础知识,业务理解 * 更注重技术深度 | 30~40% |
| 技术三面 | 线上 | 1. 亮点项目,重点基础知识,业务理解 * 候选人横向比较 | 50~60% |
| *技术交叉面 | 线上 | 1. 亮点项目,业务理解 * 多技术角度判断 | 80~90% |
| HR面 | 线上 | 1. 性格判断 2. 表达、协作、抗压能力 3. 选择公司的理由 | 80~90% |

2. 面试考察范围

面试考察范围主要有三大方面:

  • 围绕你的简历上项目展开,考察专业技能和解决问题的能力,这部分占比50%;
  • 专业技能的更多知识考察,其中主要覆盖:数据分析/加工技巧、数据分析的工具使用、数据分析必备SQL的考察、数据分析案例的讨论、机器学习相关的能力。这部分占比30%;
  • 通用能力的考察,又分为数据算法类岗位独有的概率题、各行各业普遍考察的逻辑题和IT岗位普遍考察的代码题。这部分占比20%。

值得注意的是,如果你的简历上项目过于简单,那么除非你的基础知识非常优秀才可能通过面试。另外,如果项目和专业技能的考察都不错,即使通用类的考察出现问题也无关紧要。

知道了面试主要考察范围的话,同学们准备起来也就有了大致范围了~

3. 面试技巧

关于面试技巧,不管怎么花言巧语,还是硬实力说话,所以同学们还是得花功夫、啃知识点、系统理解各种技术才是硬道理。我所能总结的技巧最多只能给到10-20%的帮助,当然后续我也会整理整个知识体系,带着同学们一起更高效地提升硬实力。

下面咱们就聊聊那些锦上添花的面试技巧吧~

面试说到底就是一个沟通对话的过程,我小结了四个原则分享给大家:

  1. 心中有数:在参加面试之前,一定要做到对自己简历上的所有知识点以及大概率会展开的知识点做到心中有数,这是最低最低的门槛。其次才是对整个岗位的专业知识做到心中有数。
  2. 详略得当:面试是一个对话,回答问题时,首先要简单概括地正面回答问题的核心,其次才是一一展开细节。每次回答最好不要超过3分钟,不要让面试过程变成你一个人讲,对方一直听。特别注意的是当感觉到面试官在打断你说话的时候就是觉得你说的太长了,要警惕这样的情况发生。但有时确实有很多细节需要展开说怎么办呢?那你要一定的概括,讲完后等面试官问他想要深入了解哪部分的细节,你再接着讲。
  3. 保持镇静:这个每个人都懂,如果问题在你射程范围内,做到这点没任何难度。难的是当问题超出你的知识范围了,同学们很容易慌张,说话磕磕巴巴。这时候你要做的是告诉自己镇静,冷静下来思考下这个问题,如果能够猜着尝试着回答的话,你可以说"这个点我之前不了解,但是我推断来看,可能是XXXX的方案"。这就好比考试时候不会,猜答案总比空着不写要好。这时候如果你回答对了,是非常加分的,这说明你的举一反三能力非常好!如果你实在不知道,那就直接了当地告诉面试官我不了解就行。切记磨叽了好几分钟最后啥都说不出的情况。
  4. 掌握主动:最后这个原则是最最重要的,当然也是最难掌握的,这个需要你不断地磨炼和悟性。很多同学都会遇到这种情况:XX面试官完全不懂我的项目,都是问的不着调的问题... 这种情况就是因为你不会掌握主动,确实存在面试官对你的项目的理解程度比较低的情况,这时候你首先要通俗易懂地把问题和方案描述清楚,此外再善于引导面试官问这个项目的核心问题,而不是让面试官老游走在问题的边缘。

另外,针对100%会遇到的两个问题我展开讲讲,这两个问题的回答强烈建议提前准备好:

  1. 自我介绍:切记不要太长太短,简单说清楚自己的姓名、年龄、教育背景和毕业时间,对于项目不要展开说,而是提下简历上几个项目,最后以"您如果对哪个项目比较感兴趣的话,咱们可以重点聊一聊",这句话就是掌握主动的一个例子,就是让面试官要说的下一句话是按你的建议来的。
  2. 简单介绍下第1个项目:这时候的思路和自我介绍是一样的。首先把项目的基本信息描述下,重点说明项目要解决的问题是什么,要让面试官真正理解清楚问题。之后,再简要说下对于这个问题,我是按照1、2、3个步骤来解决的,每个步骤不要展开讲,而是提下步骤的小标题(我前面的简历准备里有讲项目解决方案要先写小标题再展开写细节)。最后以"您如果对哪个步骤比较感兴趣的话,咱们可以重点聊一聊"。

4. 后续预告

后续计划会进行如下细分系列的内容展开,尽情期待~

  • 简历准备:如何准备简历,真实案例的简历评析
  • 面试准备:面试技巧以及常见面试题
  • 项目实战:介绍详细的项目,帮助同学在简历中丰富项目经历
  • 入职必备:拿了offer后入职前或者刚加入工作不久的同学,该做哪些准备
  • 招聘内推:发布一些企业的招聘信息以及内推渠道
  • 番外篇:会聊聊AI、大模型、互联网、Web3等等其他相关行业或者岗位

下篇内容,计划讲讲数据分析师入职必备系列之工具篇~~~

相关推荐
18号房客2 小时前
计算机视觉-人工智能(AI)入门教程一
人工智能·深度学习·opencv·机器学习·计算机视觉·数据挖掘·语音识别
statistican_ABin2 小时前
R语言数据分析案例46-不同区域教育情况回归分析和探索
数据挖掘·数据分析
梦想画家3 小时前
Python Polars快速入门指南:LazyFrames
python·数据分析·polars
X_StarX3 小时前
数据可视化期末复习-简答题
计算机视觉·信息可视化·数据挖掘·数据分析·数据可视化·大学生·期末
赵钰老师3 小时前
基于R语言APSIM模型应用及批量模拟(精细农业、水肥管理、气候变化、粮食安全、土壤碳周转、环境影响、农业可持续性、农业生态等)
开发语言·数据分析·r语言
工业3D_大熊3 小时前
【CAE开发SDK】CEETRON Envision:适用于桌面端、Web端的数据可视化与分析
3d·数据分析·虚拟仿真·cae·cae系统开发·cae可视化·cae数据分析
李昊哲小课4 小时前
deepin 安装 kafka
大数据·分布式·zookeeper·数据分析·kafka
Trouvaille ~4 小时前
【机器学习】从流动到恒常,无穷中归一:积分的数学诗意
人工智能·python·机器学习·ai·数据分析·matplotlib·微积分
dundunmm4 小时前
论文阅读:Deep Fusion Clustering Network With Reliable Structure Preservation
论文阅读·人工智能·数据挖掘·聚类·深度聚类·图聚类