LinkedIn ڈیٹا تجزیہ کاروں کے انٹرویو کیسے لیتا ہے

LinkedIn کسی مخصوص عہدے کا طے شدہ خاکہ دینے کے بجائے اپنی بھرتی کے عمل کا عمومی خاکہ شائع کرتا ہے۔ اس صفحے پر اسکریننگ، گھر پر مکمل کیا جانے والا کام، کیس، رویے سے متعلق اور موقع پر ہونے والا انٹرویو تیاری کے زمرے ہیں، LinkedIn کے مراحل کے نام نہیں۔

• بھرتی کی کال۔ اگر آپ اہلیت پوری کرتے ہوں اور اگلے مرحلے کے لیے منتخب ہو جائیں تو بھرتی کی ٹیم ایک کال طے کرتی ہے، اور بھرتی کرنے والے مینیجر یا ٹیم کے کسی دوسرے رکن کے ساتھ ویڈیو کال بھی طے کر سکتی ہے۔
• انٹرویو کا مرحلہ۔ آپ ٹیم کے مزید کئی اراکین سے ملتے ہیں اور ہر انٹرویو مہارت کے ایک مختلف شعبے پر مرکوز ہوتا ہے۔ ایک تجزیہ کار کے لیے SQL، پیمانے، ابلاغ اور فیصلہ سازی فطری تقسیم ہو سکتی ہے، اگرچہ LinkedIn ان کی فہرست نہیں دیتا۔
• کیس اسٹڈی یا وائٹ بورڈ۔ عہدے کے لحاظ سے امیدواروں سے کیس اسٹڈی پیش کرنے یا وائٹ بورڈ مشق کرنے کو کہا جا سکتا ہے۔ تجزیہ کار کے لیے کیس اسٹڈی کا طریقہ ممکنہ انتخاب ہے۔
• فیصلہ۔ انٹرویوز کے بعد LinkedIn کو فیصلہ کرنے میں کئی ہفتے لگ سکتے ہیں۔

LinkedIn ڈیٹا تجزیہ کار کے لیے انٹرویوز کی تعداد یا دورانیہ شائع نہیں کرتا۔

شائع شدہ طریقے کے مطابق ہر انٹرویو میں مہارت کے ایک شعبے کی جانچ ہوتی ہے۔ تجزیہ کار کے لیے اس کا مطلب ہے کہ ہر گفتگو خاصی گہرائی تک جا سکتی ہے: SQL انٹرویو میں مسلسل نئی شرائط شامل کی جا سکتی ہیں، جبکہ پیمانوں کے انٹرویو میں بار بار پوچھا جا سکتا ہے کہ کن عوامل سے عدد غلط ہو سکتا ہے۔ ہر شعبے میں مسلسل سوالات کے لیے بھرپور تیاری کریں۔

عمومی طور پر ڈیٹا تجزیہ کار کے انٹرویوز میں ان چیزوں کی جانچ ہوتی ہے:

• SQL اور ڈیٹا کی صفائی۔ جوائنز، مجموعہ بندی، ونڈو فنکشنز، اور رپورٹنگ سے پہلے نقلی اور خالی قدروں کی نشان دہی۔
• پیمانے اور ڈیش بورڈز۔ پیمانے کو اس طرح متعین کرنا کہ دو افراد ایک ہی قدر کا حساب لگائیں، اور یہ جاننا کہ وہ کب گمراہ کن بن سکتا ہے۔
• نتائج کا ابلاغ۔ نتیجے کو فیصلے میں بدلنا؛ اگر کیس اسٹڈی پیش کرنے کو کہا جائے تو یہ اس مہارت کی خالص ترین صورت ہے۔
• کاروباری فیصلہ سازی۔ سب سے اہم تجزیے کا انتخاب کرنا اور اس انتخاب کا دفاع کرنا۔

LinkedIn کا شائع کردہ خاکہ ہر عہدے کے لیے یکساں ہے؛ ذیل میں دیے گئے فرق عمومی رواج پر مبنی ہیں۔

• ڈیٹا سائنس دان کے انٹرویوز کے مقابلے میں، ماڈلنگ اور تجرباتی ڈیزائن پر کم، جبکہ پیمانوں کی تعریف، وضاحتی تجزیے اور واضح سفارشات پر زیادہ توجہ متوقع ہے۔
• ڈیٹا انجینئر کے انٹرویوز کے مقابلے میں، پائپ لائن کے ڈھانچے پر بہت کم اور پہلے سے موجود ڈیٹا، بشمول اس کی خامیوں، کی تشریح پر زیادہ توجہ متوقع ہے۔
• دوسری کمپنیوں کے مقابلے میں، تیاری کے لیے شائع شدہ خصوصیات میں ہر انٹرویو میں مہارت کا ایک شعبہ، ممکنہ کیس اسٹڈی پیشکش، اور ایسا فیصلہ شامل ہیں جس میں کئی ہفتے لگ سکتے ہیں۔

LinkedIn کے مطابق انٹرویوز کے بعد فیصلہ کرنے میں کئی ہفتے لگ سکتے ہیں، اور وقت کے بارے میں اس کے علاوہ کچھ شائع نہیں کیا گیا۔

مشکل گہرائی میں ہے۔ ایک ہی موضوع پر مبنی انٹرویو میں کمزور شعبہ چھپانے کی کوئی جگہ نہیں ہوتی، اس لیے جس تجزیہ کار کی SQL مضبوط مگر پیمانوں کی تعریفیں مبہم ہوں، اس کی کمزوری پیمانوں کی گفتگو میں سامنے آ جائے گی۔ اگر کیس اسٹڈی مانگی جائے تو پیشکش بذات خود ابلاغ کی جانچ بن جاتی ہے، اور بعد کے سوالات یہ پرکھتے ہیں کہ آیا تجزیہ جانچ پڑتال میں برقرار رہتا ہے۔

شائع شدہ ساخت کی پیروی کریں: ایک وقت میں ایک شعبہ، پوری گہرائی کے ساتھ۔

• مسلسل سوالات کے تحت SQL۔ ایسے مسائل کی مشق کریں جن میں انٹرویو لینے والا مسلسل نئی شرائط شامل کرے، اور اپنی جانچ کی وضاحت کرتے جائیں۔
• پیمانوں کی تعریفیں۔ اپنے تجربہ نامے میں درج ہر پیمانے کی تعریف، اس کی کمزوریاں اور اس سے تبدیل ہونے والا ایک فیصلہ تیار رکھیں۔
• ایسی کیس اسٹڈی جسے آپ پیش کر سکیں۔ کسی سابقہ تجزیے سے ایک کیس اسٹڈی بنائیں، جس میں ایسے چارٹس ہوں جن کا آپ دفاع کر سکیں اور آخر میں ایک سفارش ہو، کیونکہ کیس اسٹڈی پیش کرنا شائع شدہ امکانات میں شامل ہے۔
• فیصلہ سازی کے کیسز۔ کئی تجزیوں میں سے انتخاب کرنے اور رکن یا کاروبار پر اثرات کے لحاظ سے اس انتخاب کی وضاحت کرنے کی مشق کریں۔
• فارمیٹ کی مشق کریں۔ SubcueAI کے ساتھ ایک آزمائشی انٹرویو آپ کو مسلسل ضمنی سوالات کے تحت مہارت کے ایک شعبے کی مشق کرنے دیتا ہے۔