字节跳动数据分析岗面经分享
参与字节跳动的数据分析师岗位面试，我一共经历了5轮面试。由于文章篇幅限制，我主要挑重点的精华部分和大家分享。
第1~3轮面试基本都用时1小时左右，会有四个环节：
（1）自我介绍
（2）简历深挖
（3）发散问题
（4）反问环节
关于自我介绍和简历深挖就不赘述了，第三部分的发散问题感觉因人而异，比如面试官让我选一个平时常用的APP，并以这个APP有什么优缺点进行展开。
我当时选了知乎，并提出UI设计方面的不足，比如翻页键（一个小圆块），手误翻页后无法快速回到之前阅读的部分。
面试官也会根据我的回答，不断追问类似以下问题：
如果有用户投诉这个问题，你如何确定有这个需求的用户的体量？
针对你刚刚提出来的XX缺点，你会怎么改进这个功能？
怎么确定自己的新方案起到作用？
……
我这里简单复述下我当时回复的框架，供大家参考：
作为一个评估类问题，我根据评估的误差由大到小出三个方法。
第一个，用「此问题投诉人数/总投诉率」去简单预估，也可以根据用户画像分类同用户画像下的此问题投诉人数/总投诉率，再求和。
第二个，问卷调查，设计问卷和用户发生互动，来定量需求用户的规模。
第三个，数据方法，我们最关心的其实不是用户体验不好，而是用户体验不好会对我们造成多大的损失。
而知乎翻页键不好会造成什么损失呢？用户误触翻页，回到本回答，但是文章太长，翻了半天没定位到之前位置，一气之下不看了，退出APP。作为内容社区，我们很关心用户留存率和用户平均阅读时间，那我就先把这两个当核心指标。
我们可以模拟给我们造成损失的不良体验用户的行为，用内部数据逻辑来表达，比如浏览A1且阅读状态为未阅读完毕就翻页，但A2阅读时间很短迅速回到A1，A1阅读时间很短就退出APP，然后观察这群用户的留存率、平均阅读时间变化，筛选发生了特定行为的用户且核心指标下降的用户有多少个。
这三个方法误差由大到小，但工作量也由小到大，具体工作中可以根据我们任务价值和紧迫度来选择效率最高的方法。
第四轮面试是由业务老大来面试的，分三个环节：
（1）简历深挖
（2）A/B Test深挖
（3）战略问题
这轮面试和我预想中的还挺不一样的，本来以为四面是战略面，没想到技术问题反而问的非常细，细到A/B Test样本量如何计算，公式怎么推导出来等等，同时也会抛出非常广的问题，比如字节XX产品未来开发的方向有没有想法？如何战胜同领域的对手？
第五轮面试是HR面，即非淘汰制面试。
给我面试的HR是未来负责我在公司人事方面的工作，所以会互相提问解答一些常见问题，便于HR了解候选人的个人情况以及让候选人了解企业文化、部门架构等等。
如何准备求职大厂数分？
因为我本硕读的都是统计学专业，所以像统计学知识、SQL、Python等技能都有一定程度的掌握，所以对我来说，想求职数据分析岗最困难的事情反而是缺乏行业知识、业务逻辑、商业思维以及在面试过程中的应答技巧。
