【跳槽打卡贴】广告媒介公司数据分析转tech公司产品分析DS/DA

大家好，先上本人非常一般的背景：国内文科本科，纽约非名校统计硕士，在职跳槽，4年广告公司数据分析经验，平时工作用R, SQL, Tableau，PowerBI，但难度不高，且目前工作用的越来越少。统计方面，上个工作有建regression model，做A/B test, 但目前的组很少有机会做这些，也是很久没做了。

相比于tech，广告公司的数据分析其实是比较水的，而且有很多人根本没有technical skills也能混到很高，主要靠扯，如果这些人去面试其他行业的数据岗，80%不会过。不想变成他们那样过着温水煮青蛙的日子，升得越高，越难转行，从今年年初开始想换行业了，一开始没有明确的方向，上了几门machine learning的网课，投了几个machine learning方向的DS，结果挂。于是明白you don't know what you don't know，自知没有那么多时间和脑力去竞争machine learning方向的DS。后来3月底面了FB的product analytics DS，准备这个面试的时候才发现一亩三分地（太晚了QAQ），结果挂在virtual onsite。这个面试之后明确了product analytics才是适合自己的方向。最近疫情关系工作较闲，刚好可以开始继续学习并面试。
开个贴打卡，总结目前收集的资料和学习进程，以及从挂掉的面试中的经验教训。

Analytical thinking

• Lean Analytics，看完一遍，重点是company stage x business type --> metrics
• Cracking the PM Interview，看完一遍，整理了各种framework，重点是product question, strategy question, problem solving question的答法。Define your self和behavioral questions那两张章也不错，然而应付behavioral questions，还需要自己更加深入的总结。
  

SQL

• Leetcode和HackerRank陆陆续续刷了一点
  

A/B test

• 看了Udacity的课，并做了课程后的project。总结了A/B test的流程
  

统计
复习了常考概念，并练习怎么解释给不technical的人。
• Central limit theorem, law of large numbers
• Explain p value, confidence interval, type one/two error
○ Assumptions of tests
   § Z test
    □ Binary response
   § T test
    □ Normally distributed underlying data
    □ Random sample
    □ Independent observations
    □ Homogeneity of variances - bartlett test
   § Anova
    □ Independence of cases
    □ Normal distribution
    □ Homogeneity of variances

ML
主要复习在product上和business中的应用，总结了常考概念。这个product analytics的职位很少被问到，放在最后

• Explain precision, recall, specificity, and their use cases & impact to business
• How to handle missing value, unbalanced data
  

• Pros of cons of a algorithm, when to use which algorithm
• How to evaluate models
  

过去一个月的面（按时间顺序）

• FB Product Analytics DS - Onsite挂
• Chegg - hiring manager video interview挂，应该是HM觉得经验跟职位不够相关
• IBM - 面了HM面，然而他们说这个职位可能推到Q3，有下一步会再通知
• Roku - onsite挂，挂在BQ和SQL，BQ handle requests/conflicts from cross-functional teams回答不够深入，SQL的题都写出来了，但面试官follow-up的时候有点struggle,并且clarifying questions问的不够。
  

接下来正在约或者以经约上的面试基本都在recruiter screening阶段。有Amazon, TransferWise, PolicyGenius。

总结之前的面试，接下来重点准备SQL，BQ。顺便问一下SQL除了leetcode和hacker rank还有什么资源更加注重应用的。BQ打算根据amazon的LP准备，并且考虑follow up questions （ how would you do it differently? What would happen if you did not do that?）




补充内容 (2020-5-3 23:03):
新人米不够，求大家走过路过加个米谢谢！好多面经要188才能看QAQ。

补充内容 (2020-6-10 23:17):
更新！！！已拿到offer,是一个late stage tech startup的product analytics职位，准备接了！！

更新！！！已拿到offer,是一个late stage tech startup的product analytics职位，准备接了！！

给楼主点赞，资料分享的很棒。同在职跳槽，一起加油。

placeholder 发表于 2020-5-12 15:44
“广告公司”这个概念可能太宽了
做广告的也有很多深入的研究 看看criteo每年发多少顶会paper
(另外亚马 ...

嗯，我是指media agency。加入criteo这类ad tech公司的风险也挺大的，可能因为Google removing 3P cookie, Criteo今年的股价在疫情之前就跌得很厉害，现在正在准备亚麻广告组的面试。

今天刷leetcode medium 7题

今天刷leetcode 7题，准备了其中一个面试的glassdoor面经BQ题6题

新人米不够，求大家走过路过加个米谢谢！好多面经要188才能看QAQ。

这两天工作有点忙T.T，今天面了两个一面，刷了5题leetcode

lz刷的lc 是sql 还是algorithm？ 加油呀

hwaaron 发表于 2020-5-5 23:18
lz刷的lc 是sql 还是algorithm？ 加油呀

是sql 字数字数

赞一个，楼主加油

今天写了一题leetcode hard. 过了3个LP，列了11个例子。

请问楼主，非tech公司的数据分析工作好找吗？竞争会不会小一些？