北美求职：面试大厂究竟如何“笑”到最后？掌握大厂面试偏好，拒绝全程陪跑！

北美求职：面试大厂究竟如何“笑”到最后？掌握大厂面试偏好，拒绝全程陪跑！
“To be or not to be?” 莎士比亚曾留下这么一句对时代的拷问。触类旁通一下，这里也有一个对求职者的灵魂拷问——假如今天你注定挂掉一家公司，你是希望在面试的一开始就挂掉，早死早超生，还是战斗到onsite最后一关英勇战败呢？
曾经就有这么一位网友，他不仅体验到了在面试中战斗到了最后一刻才被面试官拒之门外，而且还整整体验了十五次。
如果是求职新人也就算了，更惨的是这位网友可是拥有五年工作经验数据老手了。但不管是亚马逊、Meta、Waymo甚至是一些startup，全部都因为各种原因挂掉了面试，堪称职业路上的滑铁卢。
每次就差这么临门一脚却又失之交臂的感觉，确实令人绝望。究其问题所在，简单来说，就是“每家公司都有不同的面试侧重点，你有试试去模拟面试吗？”
其实不止是这位网友碰到这样的问题，很多数据求职者都会碰到同样的情况。根本原因还是在于每家公司的业务都是不一样的，所以同样的职位在不同的公司负责的职能可以是天差地别。所以每家公司为了选到更适合他们的人，数据岗的面试也往往会根据他们的喜好来做“个性定制”，很少有统一的模式。
看清大厂真面目，投其所好
接下来，我们将给大家详细总结几家大厂的数据岗位面试偏好，大家可以好好体会一下，何为数据面试的“千人千面”。
01. Google
对于谷歌来说，他们除了对基本的工作经验、统计语言以及数据库语言有要求以外，同时也希望他们的候选人能够有足够硬的“软技能”。譬如他们希望求职者能够有一定的跨学科交流，因为作为数据从业人员，需要和客户以及内部团队达成高效的合作，将数据和模型结果转化为清晰、准确、容易理解的战略见解，并适用于不同客户受众的决策和需求。同时他们也会要求旗下的数据从业者有敏锐的大局观，能够“一叶知秋”，透过数据来洞悉市场。
02. Amazon
对于亚马逊来说，他们需要的是能够一针见血、迅速解决问题的候选人。亚马逊并不需要过度设计项目的人选，他们希望候选人能够通过逻辑回归问题的本质来解决问题，而不是花费大量的时间和预算在无谓的神经网络演算上，所以亚马逊会更侧重考察候选人对于机器学习或是深度学习方面的理解。
03. Apple
而对于苹果来说，他们想要的人才却又完全不一样了。据接受采访的苹果数据科学家称，他们的公司寻找的数据人才更偏向于“全栈”人才。这意味着苹果需要的，是一位能够完成从大数据挖掘到统计、机器学习、系统设计和软件工程都能达标的全能型选手。
以不变应万变，技能最关键！
除此之外，技能最重要！在大厂面试过程中，技能永远是面试官最看重的方面。要成为一名合格的数据从业者，需要有良好的数学统计背景，精通Python或者R语言等，了解数据库以及常见大数据平台工具，懂得机器学习与人工智能，并且了解数据可视化。最重要的，要有不断的求知欲与商业敏感性，优秀的沟通技巧和团队协作精神。
虽然面试岗位的title各有差异，但是数据类工作的面试流程基本会分成如下五个步骤：
其中，Data类岗位求职绕不开的一关就是OA——online assessment，OA的特点是问题难度不高但是答题时间有限，这样会帮助公司刷掉一些基本功不合格的候选人。
众所周知，数据相关岗位对于求职者的背景要求非常多样化，以数据科学家为例，下面这张图很好的总结了不同方向的技能要求。
而在众多技能中，面试数据类职位有两点极为重要——SQL和 product sense。SQL相信大家都十分了解了，那么什么是product sense呢？Product sense基本概念就是考察你对产品的了解，如果面试者对公司的产品和服务没有深刻理解，很难进一步发展数据相关的工作。另外，数据相关工作还需要跨团队合作，这些都需要对产品服务一定的了解。

听君一席话 如听君一席话