This is a new Text block. Change the text.对于这些基于场景的问题,例如请你描述下你在xxx情况下是怎么做的,这种时候, STAR 方法很有用。STAR 方法是一个简单的框架,可用于详细描述你的工作经验:
S(Situation)情境:根据场景给出上下文。
T(Task)任务:描述你的目的是什么。
A(Action)行动:准确描述你采取了哪些步骤来解决这个问题。
R(Result)结果:分享你直接取得的结果。
对于 STAR 方法的这个结构,要把故事重点放在Action(操作)和Result(结果)部分。你必须准确地强调你采取了什么措施以及它相对应的结果。鉴于面试时间很短,一个讨论不要超过 5 分钟。
也要记住:你至少需要想两到三个项目和故事,并且可以自信地叙述并回答后续问题。这能降低你在回答场景类问题时没有实例作参考的风险。
亚马逊商业分析师的面试问题
一般需要关注的技术相关问题有:
SQL 查询和 ETL
商业案例问题
统计分析
产品指标问题
至少会有 1-2轮是关于技术技能的面试。对于商业分析师来说,测试的主要技能是 SQL,了解一点 Python、R 或 Tableau 等数据可视化工具也会对你有所帮助。面试问题里也可能会出现一些简单到中等级别的SQL 问题。还会有一些数据工程问题,例如原始数据的提取、转换和数据加载。
通常,商业分析师也会编写一些 ETL 管道,这也可以帮你了解关键的概念。具体问题将取决于面试官团队,以及他们是否想要商业分析师来编写 ETL 管道。
ETL 问题示例如下:
合并更新插入的工作原理是什么?
如何完成历史加载?
Amazon 内部几乎已经完全迁移到了亚马逊网络服务(AWS),因此,如果你拥有一些AWS相关知识,尤其是与数据库的服务,还是非常有好处的。此外,了解 Redshift 的工作原理,也会帮助你了解面试官想要你知道的 SQL 语法。
SQL 问题将围绕你对基本 SQL 逻辑的理解,例如,使用多个数据集的 JOIN 条件,以及如何计算平均值、最大值、最小值、总和和其他函数。
在处理多个数据集、根据给定数据创建新表以及创建汇总输出时,你需要重新整理相关知识。
Python 和 R 是更高级的工具,但并不要求必需掌握,但如果有这方面知识,你会从众多候选人中脱颖而出。大多数团队都是依靠数据工程师来满足Python 方面的需求,然后依靠数据科学家对R方面的知识进行统计分析。了解这些技能,能让你作为亚马逊商业分析师时更有价值。
此外,最常见的其他技术问题有统计分析、咨询案例问题、以及演示产品趋势对业务影响的洞察力生成。预计在技术面试中会出现一些案例问题,例如衡量和跟踪特定绩效指标,或领导报告图表的自动化等。这些问题通常是战略型问题。
示例问题:
你的任务是标记在亚马逊上发布虚假评论的用户,然后交给建模团队进行进一步分析。在开始阶段,你会如何过滤在亚马逊上发表虚假评论的用户?
最后的提示和技巧
亚马逊的商业分析师面试,是技术和商业技能的结合,其中包含对细节、逻辑推理、沟通技巧、文化契合度的关注、以及对团队中角色的兴趣。对于文化契合部分,请重点注意上述的领导力原则,因为这些原则就是亚马逊企业文化的定义。
通常也会在某个时候,某人(不会是团队中的人)会加入面试过程,他能够更加客观,并确定候选人是否适合长期待在亚马逊。
可能存在关于产品路线图、优先级和利益相关者一致性的问题。这些问题的提问方式可以是“你如何应对……”,而不是典型的“请向我描述……”类型问题。例如,问题可能是,为黑色星期五促销预测 Echo 设备的运行率、库存策略和折扣百分比。
最近,候选人有遇到奇葩的面试经历是,面试官要求他们简明扼要地阐明3 个强有力的理由,用来拒绝自己的职位申请。这些问题预计将占所有面试小组的10-15%。