คู่มือสัมภาษณ์นักวิทยาศาสตร์ข้อมูล Uber

หลังจากสมัคร ผู้สมัครจะติดต่อพูดคุยกับบุคลากรจากทีมสรรหาของ Uber ก่อน แล้วจึงพบกับผู้ที่เป็นผู้นำงานนั้น

• การประเมินด้านเทคนิค: สำหรับตำแหน่งทางเทคนิค Uber มีขั้นตอนที่เน้นวิธีที่ผู้สมัครสร้างสิ่งต่าง ๆ และแก้ปัญหา
• แบบฝึกหัดที่เกี่ยวข้องกับงาน: บางตำแหน่งมีงานวิเคราะห์ แบบฝึกหัดข้อเขียน การตรวจผลงาน หรือการจำลองการทำงาน
• การพูดคุยกับทีม: ผู้สมัครจะพบกับเพื่อนร่วมทีมและผู้ร่วมงานจากสายงานอื่น
• การทบทวนผลงาน: ผู้สรรหาบุคลากรจะร่วมกับทีมว่าจ้างเพื่อประเมินผลงานตามเกณฑ์ของตำแหน่ง

ในการเตรียมตัว ให้มองการคัดกรอง งานที่นำกลับไปทำ การเขียนโค้ด กรณีศึกษา พฤติกรรม และการสัมภาษณ์ ณ สถานที่ทำงานเป็นหมวดหมู่สำหรับฝึกฝน ไม่ใช่ชื่อรอบอย่างเป็นทางการของ Uber

• การคัดกรอง: อธิบายภูมิหลัง ตัวเลือกในการวิเคราะห์ และความสนใจในงานของคุณอย่างชัดเจนและกระชับ
• งานที่นำกลับไปทำ: วางโครงสร้างการวิเคราะห์ ระบุข้อสมมติ ตรวจสอบคุณภาพข้อมูล และนำเสนอข้อสรุปที่มีเหตุผลรองรับ
• การเขียนโค้ด: ฝึกฝน SQL การจัดการข้อมูล ความถูกต้องเชิงตรรกะ และการตรวจสอบกรณีขอบ
• กรณีศึกษา: กำหนดตัวชี้วัด ออกแบบการทดลอง ตีความความไม่แน่นอน และตัดสินใจเกี่ยวกับแบบจำลองอย่างมีหลักการ
• พฤติกรรม: แสดงหลักฐานเกี่ยวกับการทำงานร่วมกัน วิจารณญาณ ความรับผิดชอบ และการสื่อสารกับผู้ที่ไม่ใช่ผู้เชี่ยวชาญ
• การสัมภาษณ์ ณ สถานที่ทำงาน: ฝึกสลับระหว่างรายละเอียดทางเทคนิค การให้เหตุผลด้านผลิตภัณฑ์ และข้อเสนอแนะที่ชัดเจน

การเตรียมตัวสำหรับตำแหน่งนักวิทยาศาสตร์ข้อมูลอยู่กึ่งกลางระหว่างการลงมือทำเชิงเทคนิคกับการตัดสินใจ เมื่อเทียบกับการฝึกด้านวิศวกรรมซอฟต์แวร์ทั่วไป จะเน้นสถิติ การออกแบบการทดลอง ตัวชี้วัด และการตีความมากกว่า เมื่อเทียบกับการฝึกวิเคราะห์ที่มุ่งเน้นการรายงาน จะต้องสามารถให้เหตุผลรองรับการเลือกแบบจำลอง ความไม่แน่นอน และข้อแลกเปลี่ยนได้หนักแน่นกว่า

เนื่องจากผู้สมัครของ Uber อาจพบกับผู้ร่วมงานจากสายงานอื่น จึงควรนำเสนอแต่ละตัวอย่างในสองระดับ โดยอธิบายเหตุผลทางเทคนิคก่อน แล้วจึงถ่ายทอดเป็นการตัดสินใจที่ผู้ไม่เชี่ยวชาญสามารถประเมินได้

Uber ไม่ได้เผยแพร่ว่ากระบวนการใช้เวลานานเท่าใด โปรดสอบถามผู้ติดต่อจากทีมสรรหาบุคลากรเกี่ยวกับลำดับขั้นตอน การจัดตารางเวลา และตำแหน่งนั้นมีแบบฝึกหัดที่เกี่ยวข้องกับงานหรือไม่

สำหรับผู้สมัครตำแหน่งนักวิทยาศาสตร์ข้อมูล ความท้าทายคือขอบเขตที่กว้าง ทั้งสถิติ การทดลอง SQL การเขียนโค้ด วิจารณญาณในการสร้างแบบจำลอง และการสื่อสาร ซึ่งอาจต้องใช้วิธีคิดที่แตกต่างกัน ฝึกสลับไปมาระหว่างทักษะเหล่านี้โดยรักษาข้อสมมติและข้อสรุปให้สอดคล้องกัน

• วางแผนหลักฐานของคุณ: เลือกตัวอย่างงานที่แสดงถึงการนิยามปัญหา วิจารณญาณในการวิเคราะห์ การทำงานร่วมกัน และผลลัพธ์ที่วัดได้
• ทบทวนการทดลอง: ฝึกตั้งสมมติฐาน เลือกตัวชี้วัด การสุ่ม อคติ ความไม่แน่นอน และการตีความ
• เสริมความคล่องแคล่วทางเทคนิค: เขียน SQL ที่อ่านง่าย อธิบายการแปลงข้อมูล และทดสอบกรณีขอบ
• ให้เหตุผลรองรับการเลือกแบบจำลอง: เปรียบเทียบวิธีต่าง ๆ โดยพิจารณาข้อสมมติ ความสามารถในการตีความ การตรวจสอบความถูกต้อง และต้นทุนของข้อผิดพลาด
• ฝึกสื่อสารกรณีศึกษา: เริ่มจากสิ่งที่ต้องตัดสินใจ ระบุข้อมูลที่ขาดหาย และแยกข้อค้นพบออกจากข้อเสนอแนะ
• ซ้อมทำแบบฝึกหัด: ทำการวิเคราะห์หรือการจำลองการทำงานให้เสร็จ แล้วตรวจสอบว่าบุคคลอื่นสามารถติดตามเหตุผลของคุณได้โดยไม่ต้องมีบริบทเพิ่มเติมหรือไม่
• เตรียมเรื่องราวเชิงพฤติกรรม: แสดงให้เห็นว่าคุณทำอะไร เหตุใดจึงเลือกแนวทางนั้น ทำงานร่วมกับผู้อื่นอย่างไร และได้เรียนรู้อะไร