У вас есть предстоящее собеседование на должность специалиста по данным в LinkedIn? Это руководство предоставит вам исчерпывающую информацию о процессе собеседования и советы по подготовке, которые помогут вам пройти собеседование с аналитиком данных LinkedIn.
Привет, я Дэн - специалист по обработке данных, ранее работавший в PayPal, теперь в Google. Как тренер по собеседованию на datainterview.com, я хочу помочь такому кандидату, как вы, успешно пройти собеседование в области науки о данных и получить место своей мечты в ведущей компании. Обязательно посетите мой подготовительный сайт: datainterview.com
Прежде чем мы начнем, обратите внимание на следующие предостережения в отношении руководства:
- Процесс собеседования основан на интервью со старшим специалистом по данным в LinkedIn. Интервью будут разными для разных ролей и уровней.
- Процесс собеседования основан на самых последних данных, собранных по состоянию на июнь 2021 года. Процесс собеседования в LinkedIn постоянно развивается. Поэтому в будущем процесс собеседования может отличаться от этого руководства.
О LinkedIn
LinkedIn - это социальная сеть с более чем 500 миллионами активных пользователей и доходом в 8 миллиардов долларов в 2020 году. Платформа позволяет профессионалам общаться, обмениваться идеями и находить карьерные возможности. Кроме того, платформа предоставляет различные услуги B2B и B2C для талантов, кадровых агентств и компаний, как показано здесь:
Роль в LinkedIn
Специалисты по обработке данных в LinkedIn используют данные для предоставления ключевых бизнес-идей и построения моделей, автоматизирующих решения. Вот пример ожидаемой роли и квалификации на основе роли специалиста по данным о продукте:
Ожидания
- Представляйте бизнес-идеи заинтересованным сторонам и направляйте решения.
- Работайте с командой специалистов по обработке данных и межфункциональными группами, чтобы определить возможности для бизнеса, улучшить характеристики продукта и разработать стратегию вывода на рынок.
- Анализируйте большие структурированные и неструктурированные данные и извлекайте ключевые идеи или создавайте модели, которые принесут пользу пользователям.
- Проектируйте и разрабатывайте бизнес-метрики и информационные панели для заинтересованных сторон.
Квалификация
- Бакалавр, магистр или доктор философии. степень по количественной дисциплине: статистика, информатика, прикладная математика, экономика или аналогичный опыт работы.
- Знание SQL и таких языков программирования, как Python и R.
- Опыт работы с крупномасштабными наборами данных.
- Навыки рассказывания историй.
- Опыт проведения AB-тестирования.
- Опыт статистического моделирования.
Этап 1. Отбор рекрутеров
Первый звонок в LinkedIn - это нетехническая встреча с рекрутером. Сам звонок длится от 20 до 30 минут, и он предназначен для того, чтобы рекрутеры могли проверить, подходите ли вы для должности, на которую претендуете.
Перед звонком
Рекрутер видит ваше заявление о приеме на работу, которое включает резюме и дополнительное сопроводительное письмо в системе отслеживания кандидатов (ATS). Ваша заявка оценивается алгоритмически в зависимости от того, насколько ваша кандидатура соответствует роли, описанной в сообщении о вакансии.
Во время разговора
Во время разговора, который длится от 20 до 30 минут, рекрутер отформатирует встречу в следующей структуре:
- Подробная информация об открытой роли и миссии LinkedIn. Рекрутер опишет более подробную информацию об ожидаемой роли и команде.
- Опыт кандидата - это ваш шанс устно заявить о себе. Рекрутер спросит: «Расскажите о себе». Вы можете подробно описать свой академический и карьерный рост. Некоторые дополнительные вопросы включают: «Почему вы хотите работать в LinkedIn?»
- Технический отбор с базовыми вопросами SQL. В качестве первой линии защиты от кандидатов, не обладающих техническими компетенциями, рекрутеры задают базовые вопросы SQL, такие как: Можете ли вы объяснить разницу между ВНУТРЕННИМ, ЛЕВЫМ и ВНЕШНИМ СОЕДИНЕНИЯМИ? В чем разница между UNION и UNION ALL?
- Логистика - рекрутер обычно спрашивает следующее: Где вы находитесь? Вы гражданин США? Если нет, нужна ли вам спонсорская поддержка для вашей визы? Какие у вас есть возможности для технических собеседований?
- Последующие действия - Рекрутер подробно расскажет о следующих этапах собеседования. Это ваш шанс задать как можно больше вопросов, чтобы наметить комплексные технические собеседования. Чем больше у вас информации, тем больше вы сможете использовать ее для подготовки к собеседованию.
После звонка
После звонка рекрутер свяжется с менеджером по найму и поделится заметками о прошлом кандидата, технической проверке, логистике и культуре. Если рекрутер и менеджер по найму считают, что у вас есть потенциал, они проведут вас в первый технический раунд.
Советы по подготовке!
Чтобы продемонстрировать действительно хорошее впечатление, убедитесь, что вы подготовили следующее:
- Составьте короткую презентацию, объясняющую, почему вы хотите работать в LinkedIn.
- Произведите дружеское и позитивное впечатление во время разговора.
- Освежите в памяти основы SQL.
- Подготовьте вопросы заранее. Например, задавайте вопросы, которые помогут вам собрать как можно больше информации об интервью: сколько раундов? Какой тип каждого раунда? Кто интервьюер? Сбор этой информации может помочь вам разработать стратегию подготовки.
Этап 2 - Техническая проверка телефонов
Первый технический экран предназначен для проверки ваших технических способностей за 45 минут. Если вы пройдете этот раунд, вы перейдете к этапу раундов на месте.
Технический экран для роли науки о данных о продукте обычно длится 45 минут и состоит из двух типов вопросов:
- SQL (15–20 минут) - вам будет предоставлен доступ к неисполняемому текстовому редактору на Coderpad и предложено решить две-три проблемы SQL, связанные с манипуляциями с таблицами. Обычно они задают проблемы, связанные с объединением таблиц, выражением отличия, оконными функциями и условием where.
- Product-Sense (15–20 минут) - вам будет предложено от трех до пяти открытых вопросов, касающихся показателей, аналитики и AB-тестирования.
Примеры вопросов можно найти на сайте datainterview.com.
Советы по подготовке!
При подготовке к собеседованию сделайте следующее:
- Будьте в режиме собеседования с как можно большим количеством компаний. Чем больше вы собеседуете, тем меньше вы нервничаете и со временем станете лучше работать.
- Практикуйтесь в решении задач SQL ежедневно.
- Чтобы развить чувство продукта, требуется два шага: (1) ознакомиться с основными продуктами LinkedIn (2) получить практические вопросы и посмотреть, как эксперты решат их на datainterview.com.
Этап 3 - Собеседования на месте
Раунд на месте в LinkedIn, пожалуй, самый строгий этап процесса собеседования. Этот финальный раунд состоит из пяти технических и поведенческих модулей, на которые уходит не менее четырех часов! Собеседование бросит вызов вашим способностям и стойкости в области науки о данных. Но, зная об игре на собеседовании и эффективно подготовившись, вы увеличите свои шансы на успех!
Вот пять технических и поведенческих модулей:
- Ведущий хозяина (45 минут)
- Обработка данных (45 минут)
- Пример использования Google Analytics (45 минут)
- Повествование данных и стратегическое мышление (1 час)
- Модуль подстановочных знаков - статистическое моделирование или прикладная статистика (45 минут)
Давайте углубимся в каждый модуль с точки зрения того, чего ожидать и как вас будут оценивать.
Сессия # 1 - Ведущий организатора
Продолжительность: 45 минут | Интервьюер: менеджер (который может быть менеджером по найму для данной должности) | Тип интервью: поведенческое
В этом интервью ведущий менеджер подробно расскажет об инженерных проектах и корпоративной культуре LinkedIn. Это также возможность для интервьюера понять вашу карьерную цель, техническую подготовку и соответствие вашей культуре.
Как кандидат, вы должны подготовить истории о своей карьере. Если вы недавно закончили учебу, то можете выделить
Вы можете рассчитывать на выборку следующих вопросов:
- Расскажите мне о своей карьере и цели.
- Почему вы хотите работать в LinkedIn?
- Подскажите ситуацию, когда вы продемонстрировали лидерство?
- Как убедить заинтересованное лицо в том, что ваше решение работает?
- Назовите мне один проект, который не удался, но вам удалось его исправить.
Чтобы эффективно реагировать, используйте платформу STAR.
- S ituation - опишите ситуацию, в которой вы оказались.
- T спросите - опишите задачу, которую вы должны были выполнить.
- Примечание. Опишите предпринятые вами действия.
- Результаты - опишите результат своих действий.
Вот иллюстрация:
Вопрос: как убедить заинтересованное лицо в том, что ваше решение работает?
Образец ответа:
Ситуация - заинтересованная сторона упомянула, что убытки от мошенничества с кредитными картами составили 3 миллиона долларов в квартал. Команда ручной проверки может предотвратить только 1 миллион долларов.
Задача - я предложил построить модель машинного обучения, которая уменьшит потери. Заинтересованная сторона согласилась с предложением.
Действие - я убедил заинтересованную сторону, что решение работает на трех основных ежемесячных контрольных точках: (1) я продемонстрировал прототип на образце набора данных, который продемонстрировал многообещающий результат, (2) я предоставил решение UAT, которое заинтересованное лицо может протестировать на подмножестве данные в реальном времени (3) Я запустил модель в производство и отслеживал производительность в первом квартале 2020 года.
Результаты. По результатам первого квартала 2020 года общий убыток от мошенничества, предотвращенный ручным управлением, составил около 1 миллиона долларов. Модель, которую я представил, стоила 1,5 миллиона долларов. Это убедило заинтересованную сторону бизнеса в том, что решение машинного обучения более эффективно предотвращает потери. Впечатленная, она пропагандировала использование моего решения машинного обучения в других продуктах и услугах, подверженных мошенничеству.
Как вас будут оценивать?
- Общение. Можете ли вы выразить свои мысли ясно и эффективно?
- Соответствие культуре. Являетесь ли вы человеком, с которым легко работать, позитивным и открытым для новых идей?
- Лидерство. Обладаете ли вы лидерскими качествами, чтобы вести проект вперед?
- Разрешение конфликтов. Как вы разрешаете конфликты с коллегами?
Сессия №2 - Манипуляция данными
Продолжительность: 45 минут | Интервьюер: старший или штатный специалист по анализу данных | Тип интервью: техническое
Основной набор навыков специалистов по обработке данных LinkedIn - это способность манипулировать данными для статистического анализа и моделирования. Цель манипуляции данными - оценить способность кандидата быстро и точно изменять данные.
Раунд обработки данных - это, по сути, раунд SQL, состоящий из двух-трех вопросов. Помимо проблем с SQL, в отличие от большинства других технологических компаний, LinkedIn попросит вас управлять данными с помощью Python или R.
Интервьюер даст вам набор таблиц и попросит ответить на вопросы, состоящие из двух или трех частей, как показано ниже:
[SQL] Сколько пользователей подали заявки в те же компании, которые они подавали в прошлом году?
[Кодирование] Можете ли вы предоставить решения для (A) с помощью Python или R?
Обратите внимание, что вас будут оценивать по следующему критерию:
- Точность решения. Достигаете ли вы решения, которое дает правильный результат?
- Эффективность решения. Сведены ли к минимуму время выполнения и занимаемое алгоритмом пространство?
- Общение. Четко ли вы выражаете свои мысли?
Сессия № 3 - Пример использования Google Analytics
Продолжительность: 45 минут | Интервьюер: старший или штатный специалист по анализу данных | Тип интервью: техническое
Практический пример аналитики часто встречается в интервью с исследователями данных о продуктах и аналитиками компаний FAANG. Целью тематического исследования аналитики является оценка вашего продукта и делового чутья, технического решения и коммуникаций.
Как и в случае с описанием продуктов в Facebook (см. Раздел), вы можете ожидать трех типов вопросов:
Показатели. Как бы вы измерили вовлеченность в группах LinkedIn?
Анализ. В октябре этого года резко увеличилось количество приложений. Как бы вы выяснили основную причину?
AB Testing. Эксперименты показали, что на глобальном уровне новая маркетинговая кампания повысила коэффициент конверсии подписки на карьерный продукт. Однако на региональном уровне существует вариативность. Как бы вы это расследовали? Что бы вы посоветовали премьер-министру относительно запуска или отсутствия запуска?
Обратите внимание, что вас будут оценивать по следующему критерию:
- Продукт и бизнес-смысл - демонстрируете ли вы, что знакомы с продуктами и услугами LinkedIn?
- Техническое решение. Предлагаете ли вы надежный статистический подход к проблеме?
- Общение. Четко ли вы выражаете свои мысли?
Сессия № 4 - Рассказ данных и стратегическое мышление
Продолжительность: 1 час | Интервьюер: старший или штатный специалист по анализу данных | Тип интервью: техническое
Основная функция специалиста по данным - извлекать ценную информацию из данных и рассказывать заинтересованным сторонам бизнеса убедительную историю. Целью раунда рассказа о данных является оценка вашей способности понимать бизнес-проблему, анализировать набор данных и проводить презентацию в течение часа.
Раунд проводится следующим образом:
- Введение (5–10 минут) - представьте формулировку проблемы и данные.
- Мозговой штурм (30 минут) - проанализируйте набор данных и создайте презентацию на доске.
- Презентация (15 минут) - представьте результаты целевой аудитории.
- Вопросы и ответы (5–10 минут) - дополнительные вопросы интервьюера.
То, как вас будут оценивать, зависит от следующего:
- Продукт и бизнес-смысл - демонстрируете ли вы, что знакомы с продуктами и услугами LinkedIn?
- Техническое решение. Предлагаете ли вы надежный статистический подход к проблеме?
- Презентация. Сообщаете ли вы интересную историю целевой аудитории?
Сессия № 5 - Модуль подстановочных знаков - Статистика
Продолжительность: 45 минут | Интервьюер: старший или штатный специалист по анализу данных | Тип интервью: техническое
В модуле подстановочных знаков вы можете выбрать раунд статистического моделирования или прикладной статистики.
Вариант 1 - Статистическое моделирование
Раунд статистического моделирования фокусируется на оценке теории и приложений машинного обучения. Скорее всего, вас будут оценивать по двум типам вопросов - по определениям и по конкретным случаям:
Вопросы определения:
Как работает перекрестная проверка?
Как бы вы разбили свой набор данных на обучение, проверку и тестирование?
Что может привести к переобучению модели?
Вопросы по кейсу:
Как бы вы создали «Людей, которых вы можете знать?»
Как бы вы разработали модель, которая рекомендует должности, аналогичные тем, на которые подал заявку пользователь?
Вариант 2 - Прикладная статистика
Раунд прикладной статистики предназначен для оценки ваших основ и применения статистики. Вы должны усвоить основы, такие как парадокс Симпсона, CLT, проверка гипотез, частота ошибок типа 1 и 2 и т. Д. Как и в раунде статистического моделирования, вам будет предложено сочетание вопросов с определениями и конкретными случаями, как показано ниже:
Вопросы определения:
В чем разница между частотой ошибок 1 и 2 типа?
Если альфа статистического теста увеличивается, что происходит с частотой ошибок 1-го типа?
В чем разница между Т-тестом и Z-тестом?
Вопрос по делу:
Электронная кампания была запущена на двух рынках. Когда коэффициент конверсии объединяется по рынкам, вариация показывает улучшение по сравнению с контролем. Однако при взгляде на отдельный рынок показатели конверсии резко изменились. Почему?
В любом раунде вы будете оцениваться на основании следующего:
- Продукт и бизнес-смысл - демонстрируете ли вы, что знакомы с продуктами и услугами LinkedIn?
- Техническое решение. Предлагаете ли вы надежный статистический подход к проблеме?
- Общение. Четко ли вы выражаете свои мысли?
Советы по подготовке!
Чтобы подготовиться к собеседованию с аналитиком данных LinkedIn, я рекомендую следующие советы, которые были полезны студентам datainterview.com, готовящимся к собеседованию на LinkedIn:
1. Развивайте товар и бизнес-чутье
Станьте активным пользователем LinkedIn и разберитесь с их продуктами и услугами. Ответьте на следующие вопросы: (1) Как работает этот продукт? (2) Какие первичные и вторичные метрики измеряют вовлеченность? (3) Какие данные будут собираться для этой функции?
2. Попрактикуйтесь в манипулировании данными
Практикуйтесь в написании SQL и кодировании ежедневно перед собеседованием. Потренируйтесь печатать свое решение для обработки данных в неисполняемом текстовом редакторе, а затем перенесите его в исполняемый, чтобы увидеть, правильно ли вы получили решение с первой попытки. Кроме того, попрактикуйтесь в объяснении своего решения.
3. Вопросы из практического примера
На чистом листе бумаги или белой доске потренируйтесь предлагать решение конкретной проблемы в следующей структуре: (1) Перечислите 3-5 уточняющих вопросов (2) Перечислите 1-3 ключевые идеи, которые помогут вам найти решение (3) Дайте окончательную рекомендацию. Обсудите устно свое решение вслух, так как это поможет вам выработать устное объяснение решения.
Практический вопрос
Давайте рассмотрим примерный вопрос на собеседовании, который задают в LinkedIn.
Проблема - понимание продукта
Как бы вы измерили процент пользователей LinkedIn, путешествующих по работе?
Возможное решение
[Кандидат] Прежде чем я начну, я хотел бы задать несколько уточняющих вопросов? Могу ли я предположить, что у нас есть ярлыки, указывающие, является ли пользователь деловым путешественником или нет?
[Интервьюер] Нет, не понимаете. Вам нужно будет найти способ классифицировать пользователя как путешественника.
[Кандидат] Попался. Я считаю, что наиболее очевидный метод - это провести опрос. Внизу страницы LinkedIn может появиться всплывающее окно, в котором пользователя спрашивают, путешествовали ли они по служебным причинам в течение последних двенадцати месяцев. Оценка «да» среди тех, кто ответил, дает оценку процента пользователей, которые путешествуют по работе.
[Интервьюер] Отлично, как бы вы это выяснили, не проводя опрос?
[Кандидат] Хм, я могу придумать здесь два возможных решения. Если у нас есть исторические данные опроса, посвященные этому вопросу, тогда у нас есть метки, которые могут помочь нам построить модель классификации. Основываясь на информации профиля пользователя (например, роль, должность, отрасль) и деятельности (например, клики по рекламе в сообщениях, связанных с путешествиями), мы можем классифицировать пользователя как путешественника или нет.
Например, пользователь, занимающийся продажами, с большей вероятностью поедет по делам, чем пользователь, занимающийся разработкой программного обеспечения. Таким образом, модель классификации будет иметь высокие оценки для таких пользователей.
Если у нас нет ярлыков, нам нужно найти «прокси» действия, указывающие на то, что пользователи путешествуют. Например, пользователи, которые нажимают на сообщения, содержащие туристическую рекламу (например, баллы авиакомпаний, дорожные наборы), указывают на то, что это путешественники. Конечно, интерес к путешествию, выражаемый через клики по рекламе, не то же самое, что само путешествие, но мы можем упомянуть об этом как предостережение, когда даем оценку.
[Интервьюер] Отлично, как вы думаете, какой бизнес-вариант можно использовать для оценки пользователей LinkedIn, которые путешествуют?
[Кандидат] Я могу привести два конкретных примера. Эта информация может быть полезна для привлечения рекламодателей в туристической индустрии к публикации рекламы в LinkedIn. Отдел продаж LinkedIn's Ads может использовать эту информацию, чтобы убедить потенциальных рекламодателей. Еще один полезный аспект заключается в том, что ежедневно это может сообщать о новых продуктах и услугах в LinkedIn. Возможно, можно было бы разработать услугу, которая обеспечила бы более удобную работу для деловых путешественников.
Следующий шаг!
Готовы ли вы сделать карьеру в области науки о данных? Посетите сайт datainterview.com, созданный специалистами по данным, работающими в FAANG. Получите доступ к курсам и группе Slack, разработанной, чтобы помочь вам взломать интервью специалистов по данным в ведущих компаниях.
Кроме того, посетите канал DataInterview на YouTube, чтобы получить больше интересных советов!
