[面試分享] Puffy 數據分析師 (Sr. Data Analyst)

Puffy Sr. DA 的面試體驗非常糟糕，過程中沒有人介紹過工作內容以及團隊，前兩關需要花很多時間完成線上測試與作業，終面的過程很隨便，完全感受不出面試人員的技術水平。公司只是想要找有相關工具使用經驗的人，並不太在乎你其他的經驗。

面試公司與職位

公司名稱: puffy

職位名稱: Senior Data Analyst

面試時間: 2024

面試地點: remote

工作地點: Dubai

結果: rejected

其他: 全英文面試

面試內容

線上測試 (90 mins) > 回家作業 (3 days) > Hiring manager (45 mins)

線上測驗 (testgorilla)

共五大部分，混合技術以及類似智力測驗的題目，題目難易度很廣，作答時間短。每個大題中間會有短暫的休息時間，某些大題開始前也會先有簡單的模擬測試，讓你知道等等會如何進行，除了最後一部份在問 behavior 以外都是選擇題，但有些是單選有些是多選，題目要仔細閱讀。個人認為除了統計外，不太能衡量候選人的實力水平，特別是第一部分全部都是問 GA4 工具的使用，如果完全沒有經驗，估計是直接掰掰

(1) GA4 工具使用

• 印象中是 16 題選擇題，大概 20 分鐘甚至更少時間內要完成，全部都和 GA4 的工具使用相關，例如
• • GA 要怎麼查看 user acquisition channel 的表現
  • GA 要怎麼追蹤跨 domain 的 tracking

(2) Critical Thinking

• 三種題型共十二題左右，個人心得是在考你英文閱讀能力，對於 Critical Thinking 反而著墨不多，看得懂題目答案顯而易見，看不懂就 GG
• • 給你兩條規則，再給與兩個事實，詢問哪一個事實符合所有規則
  • 給你兩個論述，問你其關係為「互斥」、「互相支持」、「換句話說」或是「沒關係」
  • 給你兩個論述，問你其關係為「強烈相關」、「弱相關」或是「無關」

(3) 統計

• 最 Hardcode 的一關，難易度落差非常大，時間嚴重不足，我最後四題全用猜的。過程中計算全部需要自己手算，無法僅靠刪去法去猜答案。以下是在測驗中有出現的題目：
• • 平均值該怎麼計算
  • 給你 p25 以及 median 和 IQR，然後問你其分佈是鐘型或 skewed
  • p-value 的簡易定義
  • Confidence 在統計檢定中的符號 (Z alpha)
  • [Hard] 已知一名旅行家在一週旅行間遭遇十四場大雨，請問他在未來十一天只遭遇十一場大雨的機率是多少

(4) SQL

• 題目都出得很鳥，看起來很簡短但是很多定義不夠明確，像是轉換率沒有特別講是以人為單位還是以 session 為單位。所幸這大題可以用刪去法過濾一半答案 (有一半的選項都有語法錯誤，例如 window function 和 group by 一起使用)，最後再簡單判斷就可以找到正解。以下三題是我有印象的：
• • 在購買前最後一個動作是什麼
  • User level CVR
  • 每個 page 是用戶旅程最後一頁的機率 (exit rate，題目描述超爛)

(5) Simple Behavior Question & Other Personal Expectations

• 大約一題 2 - 5 分鐘要寫完，全部都是簡答題沒有選擇題，而且要用英文作答，基本上光是思考完時間就不夠
• • 列舉一些主管的 style 或特質能夠吸引你加入團隊
  • 你會透過什麼管道學習
  • 公司擁有怎樣的環境能夠吸引你加入
  • 回想你職業生涯中最滿意的時刻
  • 如果今天有個工作需要兩小時才能完成，但已經到下班時間了，你會怎麼處理
  • 現在稅後年薪
  • 預期稅後年薪
  • 多快可以 onboard
  • 喜歡怎樣的工作模式
  • Relocate 到 Dubai 能接受嗎？需要每天進辦公室
  • Linkedin page share

回家作業 (testgorilla)

一樣是透過測試 🦍 作答，共五題。相對起第一次線上測驗再更貼近現實生活會遇到的問題，也相對比較難，但總共有三天可以作答，也沒有限制你不能查資料，整體難易度個人認為中間，不會太難。

(1) 熱點圖分析

• 解析商品頁的用戶觸及熱點圖，並回答以下問題
• • 根據熱點圖描述你觀察到的數據以及用戶行為
  • 哪些因素可能導致這種行為
  • 會從此頁面收集哪些其他類型的數據/資訊來確認或反駁上述的行為摘要

(2) Tracking Design

• 提供給你商品頁的連結，問你如果今天要埋點，會追蹤哪些行為，以及哪些資訊

(3) A/B test

• 主要在考你如何分析實驗數據。給你一份實驗數據的範例資料，要你回答以下問題
• • 可以從數據中得出什麼推論？
  • 需要其他數據支援推論嗎？
  • 最終建議是什麼？

(4) First-click Attribution Model

• 給你一份 GA4 格式的範例資料，包含瀏覽、加入購物車以及購買的行為，且有提供渠道來源。要你根據 First-Click Attribution Model 去計算每個渠道的訂單數和 GMV
• 如果你有 Digital Marketing 的經驗應該對 Attribution Model 並不陌生。題目本身只要你寫 SQL 去計算數值，但實際上我認為也在考你如何處理髒資料，舉例來說，gclid 是 google ads 才有的參數，如果是 google organic search 不應該要有 gclid
• 此外，資料中有兩種不同的 source，traffic_source 和 utm_source，前者是用戶第一次上站的渠道 (acquisition)，後者才是用戶該次行為的渠道，如果用錯欄位基本上就整個錯了

(5) Closed Funnel Analysis

• 要使用和第四題一樣的資料去進行分析，首先要計算每天的 Funnel 轉換率，
  然後去分析為什麼在某些時候有顯著下滑。我覺得題目本身不難，但你必須聽過 Closed Funnel 或是先進行研究後才有能力作答，基本上我覺得也是在考特定觀念，至少我過去五年的經驗中，從來沒有人只看 Closed Funnel 的轉換率

Hiring manager

這不是一個三面該進行的談話，對於候選人的背景毫無研究，問的問題沒有深度，都是特定經驗相關的問題。此外，沒有介紹業務內容、沒有團隊介紹，也沒有要留時間讓你問問題，面試體驗超級糟糕

(1) 廣告相關

• GA 後台報表和 Google Ads 看到的銷售量不一樣，可能的原因是什麼？
• • 兩者考量的 channel source 數量不同， Google Ads 只有自己廣告來源，GA 則是包含所有渠道，當然不能直接進行比較
• 如果今天想要在廣告後台報表計算轉換率，會怎樣送數據？
• • 打 API ，在用戶購買後打 API 把訂單資料傳過去給廣告方
• 如果今天不打 API 還可以怎樣做？
• • 當下完全不懂這題想要問什麼，你不打 API 怎樣把資料傳到後台，重點只在於你今天是工程師自己打 API 還是你用廣告提供的服務自動化埋點，最終還是要打 API 啊。面試完才意識到應該是想要問 GTM 的操作

(2) Daily work

• 有哪些 stakeholder
• 負責什麼
• daily tool 用哪些 (這個我覺得也超沒意義， JD 上面就有為什麼不看)

(3) A/B test

• 有沒有實驗經驗
• 為什麼需要做實驗
• • 因為想要更明確的衡量成效，以及想要從實驗中進行學習
• 如果今天看到 CVR 提升 10%，會怎樣判斷是否顯著，會根據人數還是天數
• • 兩者都要考量，如果 sample size 足夠時，基本上就有足夠信心進行判斷
• 如果今天原本預計實驗要跑四天，但是實際上一天就有足夠數據，會怎樣解讀
• • 流量暴增一定有其原因，假設是 campaign 的話，要先確認 campaign 是否同時都有影響實驗與控制組。此外，也需要考量 novelty effect。通常一天的數據會有嚴重 bias ，會建議觀察幾天後再下決定

(4) Data Analysis

• 有沒有通過 insight 進而改善產品的經驗
• • 這問題問了兩次，實在是有奇怪，前面就講有透過設計 push 去把用戶招回，後面又再問一次，無言
• 如果今天發現產品上線後表現在 android 不如預期會怎麼解釋 (這題筆記有點繚亂，我不是很確定)

總結

• 如果你有豐富的 GA4 以及 Digital Marketing 經驗，而且對於公司文化不挑剔，相信你會是適合的候選人。面試過程中我無法感受到面試官的技術水平在哪，只有很深刻的體悟到他們想要找一個完全不需要 training 的即戰力，這裡的即戰力不僅只是包含數據分析能力，更多的是精通該公司正在使用的工具
• 花了大量時間進行前兩個線上測驗與作業，終面換來的卻是完全不如預期的對談，很是失望，沒有任何人介紹團隊以及業務內容，甚至可能連履歷都沒有看過，對談中也感受不到面試官對於工作的熱忱，基本上就是杜拜錢多，想去就去不想去就拉倒的感覺
• 建議想要嘗試的人做好事先準備，在 Glassdoor 上有找到滿多負面評價的，包含：「公司會在未告知的情況下測錄螢幕」、「非常 micro control」、「錢多但是工作量大很長會需要加班」。另外，該公司還有在找對沖基金分析師，一家賣寢具的電商為什麼需要找這樣的人加入公司，也是令人匪夷所思