各位大神安安
本版上面关于数据分析(data analyst)相关工作经验分享偏少
前两个月刚好面试了几间公司
公司类型为新创居多，没有保险金融、电信业及制造业
在此分享一下面试经验，也欢迎大家互相讨论
提醒:文长慎入
Medium好读版:http://bit.ly/2M7dKWF
文章会针对
˙背景及经验介绍
˙履历投递
˙面试过程及结果
˙结论
四个部分分享
˙背景及经验
私校数学系毕业(非理工强校)，在校成绩普通，没有被当，但有暑修物理。。。
大三开始接触数据分析，开始学习python及R语言，python学了一学期，大概就是循环、
判断式等基础语法；稍微了解爬虫抓取技巧，但不深入。R语言起初也只是自行摸索，对
于资料整理及统计模型并不上手。
大四学校课程，使用R语言，开始了解资料处理及模型使用，大四下在新创公司的数据分
析部门实习，实习期间做过3个专案(包含独立专案及合作专案)，真正使用R处理资料及分
析。
毕业后，因某些因素，留在学校当助教，负责微积分、统计演习课(非数学本科系)，基本
上没有产出，只有自己摸索python，主要有看了几个课程
．政大MOOC课程_成为python数据分析达人的第一堂课(这个是免费的线上课程)
．Hahow_Python 资料分析＆机器学习入门(这个要钱，当时候募资时购入，很详细还有
medium的课程档案可以看)
2018上半年，投履历前3个月左右，有跟朋友合作专案，主要负责爬虫及机器学习的
coding部分。算是这年来主要的产出……..吧。
◎实际自评
会使用R语言及python完成独立专案，包含网络爬虫、数据前处理，SQL搜寻及操作、模型
建立，视觉化报告。
○能够使用python串接API，每日自动化整理资料，并上传SQL。
○模型使用上基本的回归分类、k-means分群、sklearn套件包，都操作过，但并不会DL(例
如tensorflow)。
○分析经验以数值统计分析为主，缺少文字探勘的经验。
○视觉化部分，ggplot2、matplotlib都算熟悉。
○对于简报制作也稍微有点概念。
˙履历投递
◎履历部分
基本的中文履历，以及硬生出来的英文CV，整理过去制作过的专案(包含大学零零落落的
报告们)放在云端，还有把部分程式码上传至github，最后建立了linkedin，然后就打开
104开始撒履历了。
◎目标公司
本身对于金融业没有兴趣，对保险投资也没太大研究，然后不想穿西装上班。另外传统产
业(大公司)也不是我首选，毕竟制度规定很死，我也不是很喜欢。所以差不多就剩下科技
业与新创团队了，主要来说之前也待过新创公司，所以对新创的氛围比较熟悉。
就这样打开104，搜寻 数据分析 就会跑出很多职缺，Title是数据分析师、资料分析师都
会点进去看。条件部分，主要就看期望的工作年资，1-3年我都会投。再来看技术方面，
只要有写到使用python、R就会投。
关于职位内容，求职网都是写个大概：数据清理、数据探勘、分析报告、视觉化呈现、机
器学习、深度学习，真的要实际聊过才会比较清楚此职位定位在哪，工作内容是啥。
◎其他
除了104以外还有使用Yourator这里都是新创公司，相对的也比较多外商公司，在这里就
算是投中文履历过去，HR或公司回信也都是英文，但相对的几乎投过去都能得到回信或面
试邀约。
˙面试及结果
(依面试顺序写)
1.传统食品业(主力在大陆市场)＿数据分析师
○面试
人资接洽后约面试，面试当天先考了30分钟术科笔试，笔试内容为手写SQL code(差点以
为我在考资管系期中考xdd)，四大题都是 join 、 group by 等合并资料表，然后
where 筛选条件，最后是SQL计算。老实说，超级久没有写SQL，更何况是手写，就只能凭
著印象瞎写，勉强把四题掰完。
面试前两关是一对一，最后一关是部门主管+单位主管两人，第一关是同单位不同部门的
课长，主要了解我过去的专案经验，还有我对数据分析的了解及概念。还有介绍了主要这
个单位的工作内容及工作分配。
主要分成两个部门，一个是商业分析，比较偏重于商业应用分析，对程式能力要求较低，
主要就是会SQL捞资料。另一个是我投递的数据应用，包括了DB处理、数据分析、数据应
用，三个课。然后大概跟我介绍过去做过的一些专案分析；这部分有谈论到机器学习的部
分，得到的回答是，公司高层目前还无法接受，他们过去有尝试使用ML的分析，但高层比
较相信传统统计分析方法。(我有朋友过去也去应征此单位的管理职缺，大约比我早三个
月左右，却因为对ML较不熟悉，而被砲轰；这件事也让我们很困惑)
第二关是我应征的部门主管，主要跟我确认我对哪一块比较有兴趣，也大概聊了一下对于
资料处理、整理的概念；以及讲了职位的工作内容，主要是以捞SQL整理资料，做ETL为主
的工作。所以一直跟我强调，会一直进行数据蒐集(可能半年或一年以上)，才会进行分析
；也有提到刚刚术科SQL写的还不错(这部分其实超惊讶，毕竟我超久没写SQL)。最后有聊
到pay的部分，当下也开给我，但有说，最后核定要以人资公布为主。
本以为面试到这边告一个段落，结果，第三关，单位主管进来，气场很强大，主要也是问
我对于资料处理的概念，以及数据分析跟商业模式之间的关系；谈话中，了解到公司决策
很注重是商业概念，数据分析是辅助决策。本以为在这边会被电得很惨，但也颇和平的结
束。
○结果
约莫一个礼拜后，就接到人资打来，稍微了解一下状况，还有了解可工作时间，就发
offer过来了。
2.软件公司(主力做校务分析系统)＿大数据资料管理师 (Data Scientist)
○面试
第一次过去，主要看了我的履历，从中问了一些我的经验，也让我问问题了解公司的工作
，模式大概就是互相问对方问题的感觉，大概了解公司是微软代理商，负责卖软件，渐渐
往开发公司系统，配合企业需求去建置系统，最后发展到协助大专院校进行校务分析。然
后，也表示，公司主要使用Power Bi ，如果进来之后要学会，还有提到，公司有微软的
资源，可供学习(毕竟是经销商)，最后就说会约下次面谈。结束后，看名片上网搜寻一下
，才发现是公司负责人(CEO的感觉)面试我，难怪名片上没有Title。
二面，是由部门PM面试，感觉是香港人，讲话口音不像是台湾人，针对我实习时的专案，
大概给了我一点建议，表示做的分析对象都是人，变因很大，对公司来说不会是好的研究
主题。最后有谈到会读大量paper，然后说我的英文能力可能不够好。
○结果
无声卡，接近两周的时间，我还有寄信过去询问，但也没有消息。
3.区块炼交易平台(台湾的新创公司，混合式去中心化的交易平台)＿ Data Analyst 数
据分析师
○程式测验
履历丢过去后，mail寄过来就是csv档跟测验说明，资料是给你一间交易所的交易纪录
(200Mb，差不多170万笔资料)，请你针对题目分析，并制作报告。题目主要是要看能不能
从中找到高频交易对手或交易机器人等。
做完之后，丢过去会再决定能不能过去报告分析结果及面试。(但其实看超快，早上寄出
去，下午就打来跟我约面试时间了)
○面试及结果
本来以为要报告，还颇紧张，但因为主管开会，没有报告到；但有提到报告部分做的不错
，简单易懂，也看的出来是有美编过，就由人资主管直接与我面谈。公司正要成立data部
门，所以在招聘leader，也必须对区块炼有深入研究，大概就知道没有望了。人资主管也
有询问，如果是以pt的方式愿不愿意，也说明人事部分也还在规划，所以也不排除未来再
通知我。
4.广告代理商＿资料分析师
面试前有上求职天眼通，稍微了解一下这间公司，负评不少(大概是说公司流动很快，还
有会以罚钱逞罚员工?!)
○面试
直接由部门主管面试，一开始稍微介绍广告业的运作模式，及资料部门做的工作。就直接
进入专业问题，针对我过去做过的专案开始询问，问得非常深入，都是统计解释及算法
部分；例如：罗吉斯回归中OR胜算比的解释、k-means的演算过程、计算中心距离的方法(
欧式距离等等)。没想到会得如此深入，我回答某些部分也不是很有把握。但最后主管却
说回答得还不错，观念没有太大问题，然后说这些模型可能不适合公司分析，进来之后会
看其他paper学其他模型，还有一开始进来要学spark、hadoop等分布式计算方法(感觉起
来，应该是蛮能学到东西的吧?!)。最后有聊到pay的部分，并说明试用期会扣3k这样。
○结果
回去大概两三天就收到offer letter了，薪资也是当下讨论到的。
5.新创行销平台＿data engineer
○面试
从面试邀约就是CEO直接跟我联络，第一次去也是互相了解公司运作方式，也对我过去的
经验了解，并说明公司主要是以文字探勘为主，另外大多是分析国外论坛及部落格，所以
英文能力相对也很重要。最后就告诉我回去之后会有一个code challenge要回去做。
⊙Code challenge
给了200个网址，要你写爬虫程式抓取作者名字及其社群网站联络方式。
第二次面试，先大概聊到写程式的过程及方法，都做出来了，所以应该也知道没啥问题，
接着就和公司的data scientist了解实际工作内容及分析方法，大概了解之后会做些什么
。最后就是和CEO讨论我主要可以做的工作及pay；主要来说公司data team 有人负责爬虫
、有人负责文字分析，而我对数值分析比较有经验，也希望我之后能处理这一块，但当然
一开始也要我先熟悉公司分析的流程等。
○结果
二面最后就有讨论了pay及on board时间，也有问我什么时候能给回复。回到家offer
letter就来了。
6.国内新创影音平台＿大数据分析工程师 (Big Data Analytics Engineer)
○测验
在面试前一天早上才打电话来，告知我有一个专业测验，要请我做，然后面试带过去。有
三题，第一题是设计一份问卷的资料属性，并针对此问卷看能够分析什么、第二题设计一
套推荐系统，并规划流程，最后写如何评估成效、第三题问公司发展AI会遇到什么难题。
问的问题很有深度，我个人觉得很偏向PM，要规划流程，也要思考成效。
○面试
先由部门主管面试，主要是我在讲我做过的专案及经验，主管没有给太多回馈。接着讲公
司data部门工作内容，及接下来发展方向。再来是人资的深聊时间，主要针对个人特质的
部分询问了很多，但就是人资会聊的部分。最后有谈到大概2~3周，公司会有一个决定，
但如果没有录取，将不会另外通知
○结果
目前正在等待结果中，一个礼拜多过去，还未有消息。(如有消息将会更新
˙结论
先给结论数据部分：
约莫投递：60间(包含104及yourator)
开信：30间
寄信联络：13间(包含回信请你填写资料表，回传之后没有下文；还有二间履历过去后
，收到感谢信)
面试邀约：6间(上面详述)
拿到offer：3间
每阶段差不多是50%机率，拿到offer是投递的5%
实际统计下来，我觉得算非常好的结果，毕竟我这一年来的工作，其实并不算可以累计年
资，所以还是以一个新鲜人的身分求职，拿到的offer平均都是现在的N+5~N+7，其实还算
满意。
实际公司对于技术面的要求，其实也不会因为学历而有质疑(或许我不是面试金融、传产
、电信，这几个比较看重学历的产业，但其实也有收到金融和电信的面试邀约)，只要有
专案经验，把专案呈现给公司，其实大概也都能知道能力、技术到哪边。公司写要会使用
ML/DL，有可能是公司希望有这样的技术能导入。以目前来说基本的分类分群回归预测等
，还有基本的资料整理套件都要会使用(有面试时看github，就说:“你会pandas，我们
也要用到。”但其实这应该算基本的)
在104上打入 数据分析 或 资料分析 就会有很多工作跑出来，都可以投递看看，能有面
试机会就去练刀，就当作了解该产业或者多去听听别的公司如何定义数据分析，或者公司
的数据团队在做些什么；面试下来，每间公司要求的都不一样，都一样是data analytics
，但做的事情可能不一样，又或者不少是要求有文字探勘经验。