從2023 年秋季到 2024 年初，因為對裁員潮的恐慌
我開啟了一次新的資料科學家面試旅程
在亞洲地區的各大科技公司
總共投遞了 26 個職位的履歷、實際拿到 2 封錄取信
親身感受到資料科學與數據分析就業市場
在海內外都依然是冰天雪地、找工作困難重重
以下文章將流水帳式地分享我面試的見聞
主要目的只是幫助你大致了解該公司面試可能會有什麼內容
如果你恰好要跟我面試相同公司的相似職位
多一分認識、就能少一些徬徨
更完整的文章以及更好讀的排版在此：
---
## PayPay
軟銀與日本雅虎合資的電子支付公司，也是快速擴張中、積極聘用外國人
此職缺是 Product Science Engineer
從 A/B 測試、資料探勘、到機器學習建模都會涉及
整體是更研究導向的職缺
（同部門有其他機器學習工程師與資料工程師處理模型部署問題）
位於 Data Insights 部門，該部門的主軸可以到 PayPay 官網找部門介紹
面試流程：回家作業 -> 技術面試 -> 技術+案例分析面試 -> 主管與 HR 面談
第一關：回家作業，給你 PayPay 可能會有的電子支付交易紀錄，請你給出數據洞見。
主要考察三大面向：
資料探勘與商業邏輯、寫程式能力+視覺化技巧、機器學習或時間序列預測模型
這關是線下審核，審核通過才會到下一關、見到第一位面試官
第二關：技術面試，我遇到的全都是非常典型且基礎的統計與機器學習問題
例如過擬合、丟硬幣機率、資料不平衡等等
有趣的是，這關的面試官問法非常「填空題」，好像一定要講出他需要的關鍵字才能過關
例如聊 P-value 與顯著水準的時候
我試著解釋偽陽性錯誤，他堅持再問我這稱為什麼錯誤
直到我講出「Type-I Error」，他才放我走、進入下一題
第三關：技術+案例分析面試，一題要求你用 Python 跑模擬來算擲骰子機率
一題 SQL 考資料表 JOIN，然後案例的大意是「如何設計推薦系統」
案例這題面試官完全沒給方向
丟給你情境（介紹 PayPay 現在遇到的某個推薦系統問題），剩下全部自由發揮
第四關：跟主管全都是聊行為面試問題；跟 HR 聊職涯問題與個人特質
最後他們給我 “No Culture Fit” 拒絕了（對我來講就是不知道為什麼的拒絕）
從面試經驗，我主觀覺得他們想找十項全能的資料科學家 (ｰ ｰ;)
程式要寫得漂亮、A/B Test 要精通、機器學習預測要熟、要懂推薦系統領域知識
除了這些硬技能，對商業嗅覺的要求也極高
近期 PTT 也有另一位網友分享 PayPay 資料科學家面試經驗，值得參考
---
## SmartNews
日本有名的新聞閱讀 APP，在美國也有團隊，遇到的面試官來自美國跟日本都有
我遇到的流程是：第一關 Codility 線上考試 -> 第二關技術面試
-> 第三關與三位面試官 Back-to-Back Interview -> 後面我被拒絕了所以不知道
第一關 Codility：一題 SQL、一題 Python 題實作類似 NumPy 會有的簡單計算、
然後有一堆選擇題考統計與機器學習觀念（大多都是課本有的經典問題）
第二關技術面試：問了很多 A/B Test 與指標設計商業問題
我最有印象的是我們花不少時間在聊 CUPED 與 Bayes A/B Test，有點硬派
第三關之一：聊我履歷上的經歷、也深入探討其中他有興趣的技術細節；
一題案例，在 APP 新增功能該怎麼驗證成效、以及潛在風險
第三關之二：聊很多行為面試問題，壓力處理、人際溝通等等
然後話鋒一轉又是一題案例分析，同樣是新功能驗證成效的題型
第三關之三：連續三題案例分析！包括用戶增長、市場大小衡量、數據導向的產品設計
雖然最後被拒絕，SmartNews 的 HR 跟每位面試官都態度和善、是很棒的面試體驗
被拒絕後寫信詢問，HR 還真的幫我向各面試官搜集回饋、給我建議，我十分感恩
---
## Woven
這家我只有跟 HR 面談一次就沒下文了，所以就簡單介紹面談中我得知的該職缺訊息
Woven 是 Toyota 的子事業體
這個資料分析缺主要是針對 Arene 車用作業系統的資料平台
2024 年初這個資料平台還沒正式上線，實際工作會是針對測試階段的平台設計：
平台距離期望目標還有多遠？如何設計成功指標並決定預期成長幅度？上線初期該看什麼指標？
該資料團隊當時正在找視覺化專家，因為當時該團隊沒有 Dashboard、BI 工具或平台
所以對應徵者的 SQL 與 Python 要求會較高，候選人要有自己撈資料跟視覺化的能力
此職位不硬性要求日文，但有的話顯然更好
因為主要客戶就是 Toyota
HR 原本告訴我（但我完全沒經歷到的）面試流程包括：SQL + Python 技術面試
考察視覺化與簡報能力的 Take-home challenge、Culture fit interview
---
## Coupang
此職缺在台灣，屬於產品設計團隊（eCommerce Product），職等是 Staff（L6）
面試流程大約是：HR Screen -> SQL 技術面試
-> 好幾輪技術與商業分析面試 -> 主管面試 -> Offer
這是非常讓我驚艷的公司與團隊，我面試過程遇到超多神人
有知名遊戲平台超資深 PM、待過韓商巨頭的資深資料分析師、叫車平台總監級人物、
世界前幾大 MBA 畢業加上超猛外商資歷的 PM 等等
現在（2024 年 5 月）還有看到台灣還在開資深的資料科學職缺
面試過程每位面試官（包括 PM）問的問題都是分析技術與商業價值討論兼備
例如各種 A/B Test 的應用場景與潛在問題、Coupang 現有的優惠券策略案例分析
面試也很重視人格特質，包括工作步調、壓力處理等等問題
最終有幸錄取，不得不說從團隊成員、到工作內容與職涯發展，是讓我非常心動的 Offer
考慮個人職涯與生活綜合考量，才忍痛拒絕
吹捧歸吹捧，Blind 跟 Glassdoor 網站對這家的公司文化都有不少評論
推薦對這間公司有興趣的朋友參考參考
---
## Yahoo
應徵部門是 Global Consumer Analytics
工作內容環繞在 A/B Test，包括規劃、驗證、結果分析與回顧、執行行動策略
合作的 Stakeholders 可能在美國
我遇到的「回家作業」面試是準備分享自己隨意選的專案經歷，面試官在分享中考察：
問題架構方法、簡報設計與摘要能力、商業影響力
Hiring manager 強調，考察的能力不只是挖掘出數據洞見
更重要的是如何轉換成具體行動建議
這次面試中，我主觀感覺此團隊非常重視「問題解決能力」
關鍵字當然是麥肯錫、BCG 等等商業顧問技能
很白話的說就是「看到問題，馬上知道要用哪幾種框架來分析」的能力
---
## Coca-Cola Bottlers Japan (CCBJI)
CCBJI 跟可口可樂母公司是不同的，CCBJI 是主要負責生產銷售的事業體
有獨立的資料科學團隊
期望工作內容很全能：除了典型的機器學習建模與數據分析
期望還要會涉及資料工程、前端軟體設計、MLOps
初期面試會有 TestGorilla 平台上的 90 分鐘線上測驗
包含 SQL、Python、機率、統計學與機器學習，每個測驗都是簡單到困難的題目平均分佈
我只在 TestGorilla 測過這一次
覺得它的題目不少、節奏偏快，容易寫不完，想題目過程不適合在同一題苦惱太久
我遇到的兩位面試官分別是資深的資料科學家+軟體工程師、
以及機器學習博士+外商顧問經驗的主管
（不同於我對可口可樂的刻板印象）我覺得是超強的資料團隊
面試題目大部分是討論我的經歷
我會努力把自己的資歷連結到對方提過想做的專案類型。
特別的是，主管還問了我的個人休閒嗜好
較為困難的是開放式的案例分析，大意是問如何衡量促銷與廣告的成效
我相信對方是針對我的因果推論經驗而出這個題目，我個人都是環繞這個主題發揮
---
## Agoda
面試流程包括：線上數理邏輯測驗 -> 技術面試
-> 回家作業+案例分析面試 -> 部門主管最終面試
第一關線上測驗很容易寫不完！
千萬要注意時間，我個人建議手邊準備好 Excel 或 Google Spreadsheet 加速計算
面試關卡考察的能力面向滿平均的：
機率統計、商業思維、A/B 測試、案例分析等等都會問到
尤其機率統計，建議簡單複習一下網路上常見面試題
（像是各種擲骰子問題）來幫自己暖身
A/B Test 的面試題目很多，除了假設檢定這些統計學以外
經常問到 A/B Test 的指標是否能跟「行動」連結、以及可能測不到的潛在問題
回家作業+案例分析的環節，我在面試結尾有特別問對方回饋
對方提醒我優先級排序（為什麼要先採用我的提案、不考慮其他的？）
以及潛在風險（羅列出自己可能有想到但是還沒解決的問題）
這些是面試重視的面向
發個牢騷，跟定價有關的面試問題都好難
如果你剛好也面試到定價相關團隊的職缺、又有心想提前準備的話
建議你想想看：Agoda 的訂房或者各航空公司的機票，定價會怎麼隨著時間變化？
最終在定價團隊拿到 Senior Manager 的 Offer
能挑戰主管職、我理解到的工作內容也非常有趣，覺得榮幸且感恩
但薪水低於現職，忍痛拒絕
---
## Rakuten
第一關是線上程式能力測驗，我個人遇到的內容跟 Glassdoor 上找得到的一模一樣
如果你近期要面試這家，請務必嘗試搜尋歷史考題
第二關，跟兩位資料科學家聊我的經歷，他們很重視技術細節
所以聊了特別多 A/B Test 的實作問題、還有因果推論的方法與背後假設
然後我就被拒絕了，即使我覺得我在第二關應該沒有搞砸什麼
---
如果你跟我一樣熱愛資料科學，我也親自體驗到就業市場的寒冷
但我仍希望我們能一起長期、持續、不灰心地努力
這樣下次好機會飛來的時候，才能順利接到它
--
※ 文章網址: https://ptt.org.tw/Soft_Job/M.1716136384.A.C9C
推 lukelove: 推 05/20 00:51
推 lukelove: 所以取得兩個offer 但仍繼續留在原職位囉？ 05/20 00:53
推 zys: 投24個有8個面試 這樣不是算很厲害了嗎?為什麼叫急凍的市場 05/20 01:08
→ zys: 喔看錯是26個 05/20 01:09
推 xavierqqqq: 推 05/20 01:10
推 jlhc: 感謝分享 不過這個應徵/面試比例我也不覺得是急凍 05/20 01:34
→ WilliamLFY: 日商面試和標準真的很謎 05/20 01:47
→ WTS2accuracy: 面試機會和急凍與否不完全相關吧 05/20 02:01
推 Saaski: push 05/20 02:02
→ WTS2accuracy: 這心得我看來急凍也合理啊 費時找一輪也只能蹲原職 05/20 02:03
→ WTS2accuracy: 有缺有offer 但都比現職差不值得跳 也算很凍了吧 05/20 02:03
→ WTS2accuracy: 當然如果你要懷疑是原PO能力問題 那我無話可說 05/20 02:04
推 pttnowash: 推 05/20 08:14
→ pttnowash: 結論: 我這麼強都只有兩個offer 你們非神人就別了 05/20 08:14
推 alihue: 這兩年接受跨海面試的大公司缺，求職者都是幾百個起跳很 05/20 08:30
→ alihue: 競爭，而且還不乏 level 1 的求職者，因此無緣無故被拒很 05/20 08:30
→ alihue: 正常，人才太多了 05/20 08:30
推 zonppp: 現在的職缺真的少得可憐 05/20 09:16
→ libitum: 缺少人多 還有一堆對資料分析有興趣的人要進來擠 05/20 09:35
推 hegemon: 前段時間一堆讀經濟統計精算的全部都往資料科學擠呀.... 05/20 09:59
→ hegemon: 現在這批差不多都要畢業出來了 05/20 09:59
推 qk3380888: 好強 05/20 10:29
推 k798976869: 強 有2個 05/20 10:40
推 unmolk: 推 感謝分享 05/20 12:41
推 vuncent: 強 正向思考推 05/20 13:24
推 qazwsx12: 推分享 05/20 13:28
推 Guoyixiang92: 推分享 05/20 14:47
推 ghytrfvbnmju: 推 謝謝分享 05/20 15:10
→ TSMCfabXX: Rakuten 印象中早上八點要早點名聽高層談話還甚麼的 05/20 15:18
推 transforman: 推強者 05/20 17:22
推 melancholy07: 推分享 05/20 17:45
→ dailylily: 畢竟資料科學不是只有寫程式，經濟統計在其他部分更有 05/20 17:50
→ dailylily: 優勢，當然就成為求職選擇啦 05/20 17:50
推 holebro: 可樂好誇張 竟然還要做前端 05/20 19:14
推 ohyeaaaah: 推，謝謝經驗分享 05/20 20:31
推 emilylyh: 推 05/20 20:58
推 NUKnigel: 推 05/20 22:11
推 viper9709: 好多日本公司... 05/20 22:56
推 leocoolboy16: 推推 原po過往面試經驗分享使我受益良多 05/20 23:19
→ eva19452002: 不是說資料科學是第一波被AI取代的職位嗎？ 05/21 05:24
→ DrTech: 感覺原PO的描述，比較像BI方面的專業耶。 05/21 08:02
→ DrTech: 沒看到原PO背景。近幾年的資料科學家，大廠都要有domain強 05/21 08:05
→ DrTech: 相關經驗。可稍微思考一下，是否要經營一些專長domain，工 05/21 08:05
→ DrTech: 作發展會更順利。 05/21 08:05
推 NTU5566NTHU: 推推 05/21 11:08
推 luweber88: 推 之前面過日本公司 只能說薪水有夠可憐Zzz 05/21 21:52
推 cmelo1515: 推 面過其中三家 真的硬 05/21 21:57
推 fx600: 推，謝謝分享，不過要是能有薪資大略範圍就更完美了 05/22 09:26
推 a123232: 推 05/24 09:09
推 aria0520: 推推~ 05/24 22:02
推 mjomjo: 推 05/25 02:04
推 andy9595995: 推分享 05/25 08:00
推 jay123peter: 推 05/26 02:01