QuantumBlack Data Science 面经（已过）

来地里回馈一下：）


Base AsiaX，一般有6-7轮。总体来说technical requirement会比大厂要求低，但是对于在短时间内能否接受大量信息并形成框架/注意到细节，能否有逻辑的解释自己的项目经历/case design会注重很多。PS：自己本身没有做过mock过一个咨询的case，所以纠结要不要看consulting case book的可以把精力放在其他地方 :D


---------------------------------------------------

• 第一轮是OA，有两部分。分别是Hackerrank (DSA x 1~2, modeling use case x 1) 和Stats MCQ（用得什么平台不记得了，大概有30道题）。DSA一般情是LC medium。Modelling use case一般就是一个prediction。整个问题一般都会挺长的，再加上对出现的行业可能完全不了解，所以时间不会太充裕。据说一般最后一个private test case都过不了，如果遇到了也不需要花太多时间去死磕那个test case。Stats的MCQ主要考察对模型的理解，大部分围绕在ML的基本算法，以及Stats的一些原理（Bayes，conditional probability等）。小部分涉及DL的基本原理比如activation function。个人觉得在Hackerrank上写好in-line documentation会是很大的一个加分项。

• 第二轮是简单的HR电面 (~30 mins)。NG的话主要了解为什么对咨询感兴趣，以及过往的实习经历/学校经历有什么匹配的技能。Experienced hire的话更多的是对自己的定位和发展规划，以及对哪一个行业会更感兴趣。个人觉得整体上这一面不需要太多准备，最多基本的behavioural类的问题准备一两个也就够了。这一轮一般大概率下不会挂人，如果聊得好的话后面还可以让HR及时收集后面每一轮的面试反馈。

• 第三轮是比较简单左右的quick fire round (~30 mins)，通常会围绕简历上的项目经历张开。第二轮的面试官一般比较junior，所以考察的更多是项目的细节比如为什么做A而不是B，为什么metrics选X不是Y。个人觉得这一轮是最能和面试官了解day to day是怎么样的。

• 第四轮是最贴近真实的use case (~60 mins)。会有一份简短的client背景介绍，并且面试官会扮演client的technical stakeholder。需要做的便是在短时间内阐述会怎么进行一个end-to-end的pipeline building（即data collection，EDA，feature engineering，model selection，model evaluation等）。这一轮面试官不怎么在乎有没有classical的consulting framework，主要观察一个怎么articulate thinking process，并且在面试官提问或者challenge时能够很好的empathise他的concern。个人觉得如果能再代入Data Engineer的视角大致阐述architecture design（datamart/warehouse building），或者从Machine Learning Engineer的角度大致阐述model deployment （model monitoring，deployment selection等）会极大加分。

• 第五轮一般会是个Associate Partner级别的人来面 (~45 mins)。这一轮更多的是behavioral + technical，比如在tight timeline下会怎么对implementation进行调整。或者说遇到client pushback和unaligned direction的情况下会怎么convince/reach agreement。个人觉得在这一轮可以尽可能地以完成项目+获得impact为目的，处理方式只要不和这个目的相背而驰就OK了。

• 第六轮会是partner面 (~30 mins)。Interview guidebook里会说这一轮会是一轮classical case interview。但是so far身边的DS只是遇到了behavioral question，比如你的proudest moment之类的。如果运气好遇到partner赶时间的话也可能就只是一段唠嗑。个人觉得这一轮最重要的放平心态，毕竟以后真正开始work了看到的partner/senior partner也是一把一把。

• 第七轮也是partner面（目前听说过有第七轮的不到5%）。如果第六轮面过后还有一个第七轮，那大概率是第六轮没有聊得特别好（也有一些猜测说是第五轮和第六轮的整体feedback不是一个clear hire）。个人觉得如果真的碰上第七轮的话可以找机会多和HR聊聊，看看前面的一些轮次有没有哪些点自己是没有highlight清楚的。

最后，GenAi目前是QB很关注的一个重心，如果能够结在面试里穿插一些对GenAI 的了解和应用会是很大的一个加分项。


---------------------------------------------------


最后再简单说一下工作体验吧。最大的收获应该就是能够在短时间内接触很多不同的行业，可能上一份还是保险医药，下一份就是电信制造。这种180度转变的体验在其他地方大大大大概率是无法获得的，尤其是不知道打着DS的牌子要在哪个行业积累更多经验前，QB可以说是给了一个很好的舞台。另一个一样重要的收获的就是遇到的人了。包括了QB/McK内部的，或者是能够接触到的客户。QB里的大神实在是太多了（虽然这两年走得也是很多），每一个call每一个项目都往往会惊叹他们的思维模式以及某一项特别突出的能力。而遇到的客户也一般是业内耳熟能详的。虽然大多数情况下在CXO的会议上插不上啥话，但反正重在参与了不是 :)


不满意的地方也有挺多。比如就工作时长而言，时间没比投行少多少，钱却少得不是一点两点。另一个便是频繁的出差也让陪伴家人的时间大大减少。


最后的最后，大部分人都觉的咨询越来越不景气了（尤其是相对于疫情期间的unreasonable growth），而过去的一两年也确实是在pay back当初的aggresive hire。这期间导致了很多的irresponsible evaluation，让很多很棒的人不得不离开这个地方。但是怎么说呢，overhired的也不仅仅是QB不仅仅是consulting吧：）


---------------------------------------------------


最最最后，祝大家好运！