LinkedIn 如何面试数据分析师

LinkedIn 公布的是招聘流程概述，而非针对具体职位的固定脚本。本页中的初筛、带回家完成的任务、案例、行为面试和现场面试均为备考类别，并非 LinkedIn 的轮次名称。

• 招聘电话。如果你符合任职资格并获选进入下一阶段，招聘团队会安排电话沟通，也可能安排你与招聘经理或另一位团队成员进行视频通话。
• 面试阶段。你会见到更多团队成员，每场面试分别聚焦不同的技能领域。对于分析师而言，SQL、指标、沟通和判断力很可能是自然划分的领域，但 LinkedIn 并未明确列出这些领域。
• 案例研究或白板练习。根据职位不同，候选人可能需要展示案例研究或完成白板练习。分析师很可能会遇到案例研究这种形式。
• 决策阶段。LinkedIn 在面试结束后可能需要数周才能作出决定。

LinkedIn 并未公布数据分析师面试的场次数量或时长。

官方公布的设计是每场面试聚焦一个技能领域。对分析师而言，这意味着每次交流都可能深入到底：SQL 面试可能不断增加限制条件，指标面试则可能持续追问哪些因素会导致数值失真。请为每个领域的连续深入提问做好准备。

一般而言，数据分析师面试会评估：

• SQL 和数据清洗。连接、聚合、窗口函数，以及在汇报前发现重复值和空值。
• 指标和仪表板。清晰定义指标，使两个人能够计算出相同的值，并了解指标何时会产生误导。
• 传达分析结果。将结果转化为决策；如果要求展示案例研究，这便是该技能最纯粹的体现。
• 商业判断力。选择最重要的分析，并为这一选择提供有力依据。

LinkedIn 公布的流程概述适用于所有职位；以下差异来自一般行业实践。

• 与数据科学家面试相比，建模和实验设计会更少，指标定义、描述性分析和清晰建议会更多。
• 与数据工程师面试相比，数据管道架构方面的问题会较少，更注重解读已有数据，包括其中的缺陷。
• 与其他公司相比，应根据已公布的特点做好准备：每场面试聚焦一个技能领域，可能需要展示案例研究，而且决策可能需要数周。

LinkedIn 表示，面试结束后可能需要数周才能作出决定，除此之外未公布其他时间信息。

难点在于考查深度。单一主题的面试不会给薄弱领域留下掩饰空间，因此，即使分析师的 SQL 很强，如果指标定义含糊，也会在指标讨论中暴露出来。如果要求完成案例研究，展示本身会成为沟通能力测试，之后的提问则会检验分析是否经得起推敲。

按照官方公布的结构准备：每次专注一个领域，并深入钻研。

• 应对连续追问的 SQL。练习面试官不断增加限制条件的题目，并口述你的检查过程。
• 指标定义。针对简历上的每项指标，准备好它的定义、弱点，以及它曾改变的一项决策。
• 一个可以展示的案例研究。根据过去的分析制作案例，使用你能够为之辩护的图表，并在结尾提出建议，因为官方已说明可能要求展示案例研究。
• 判断力案例。练习从多项分析中作出选择，并从会员或业务影响的角度解释原因。
• 演练面试形式。使用 SubcueAI 进行一次模拟面试，可以练习在连续追问下深入应对一个技能领域。