Stripe 如何面試資料分析師

候選人的回報描述的是 Stripe 軟體工程師流程，而非分析師流程，因此以下架構僅作為 Stripe 面試風格的參考。本頁所列的初試、帶回家完成的作業、案例、行為面試及現場面試都是準備類別，並非 Stripe 的面試輪次名稱。

• 回報的流程順序。先進行 30 分鐘的招募人員初談，再進行 45-60 分鐘的現場程式設計技術初試，接著是五輪現場面試，每輪約 45-60 分鐘。對分析師而言，現場程式設計初試自然可能改為 SQL，但這只是推論。
• 回報的技術初試。與工程師或招募主管進行約一小時的面試：先簡短自我介紹，再透過螢幕分享，針對單一問題進行現場程式設計，並回答許多延伸問題。
• 回報的現場面試形式。在 3-4 小時內以不特定順序進行五場面試，並會事先寄送準備指南。
• 回報的行為面試輪次。一場 45 分鐘的現場對談，通常由招募主管主持；實際流程會依團隊與職級而異。

根據回報，從招募人員初談到最終決定，整個流程需要 4-8 週。

根據回報，工程職缺流程會以不同輪次分別測試程式設計、除錯陌生程式碼、依文件進行整合、設計及行為能力。分析師應預期類似的區分方式，但內容會改為分析師相關題目：包含延伸問題的現場 SQL 題目、一份存在問題的資料集、一套分析計畫，以及與招募主管的對談。

一般而言，資料分析師面試會評估：

• SQL 與資料清理。連接、彙總、視窗函數，以及在製作報告前找出重複值與空值；處理支付資料時，精確度不容妥協。
• 指標與儀表板。精確定義指標，並了解指標何時可能造成誤導。
• 溝通分析結果。將結果轉化為決策，而這正是招募主管對談可能測試的能力。
• 商業判斷。選擇最重要的分析，並為該選擇提出有力依據。

目前沒有針對 Stripe 分析師職缺的具體回報；以下差異依據一般實務。

• 相較於資料科學家面試，建模與實驗設計會較少，重點更偏向指標定義、描述性分析及清楚的建議。
• 相較於資料工程師面試，資料管線架構的內容會較少，重點更偏向解讀既有資料，包括其中的缺陷。
• 相較於回報的工程職缺流程，除錯與整合輪次不太可能直接套用所描述的形式；資料清理練習是最接近的分析師版本，而不得使用 AI 程式碼助手的回報規則，也適合視為任何現場技術面試輪次的合理假設。

Stripe 並未公開時間表。候選人回報，從招募人員初談到最終決定需要 4-8 週，初試約一小時，現場面試則是在 3-4 小時內進行五場面試。

根據回報，難點在於同一道題目會不斷擴展。若初試圍繞單一問題提出許多延伸問題，便會暴露出 SQL 只能應付問題最初版本的分析師；而整個下午的五輪面試，則會考驗候選人在不同形式下保持穩定表現的能力。準備時應練習在追問下擴展分析，而不是只展示已完成的分析。

請針對回報的流程架構做好準備，並向招募人員確認分析師職缺的具體內容。

• 一道題目，多個延伸問題。練習讓一道 SQL 題目在一小時內逐步擴展，並口述每次延伸的思路與檢查方式。
• 髒資料。練習在分析資料集之前，先找出其中的問題。
• 指標故事。針對履歷上的每項指標，準備其定義、弱點，以及它曾改變的決策。
• 與招募主管的對談。準備能展現判斷力與溝通能力的具體事件，因為根據回報，行為面試通常由招募主管主持。
• 預演整個下午。透過 SubcueAI 的模擬面試，你可以一次練習多個輪次。