PayPal 上海 — Data Analyst 面試心得
從round 0、電面、super day、final round、最後又加了一關，耗時一個多月，在面試的過程中越來越喜歡這間公司，最後很幸運地拿到了offer。
先講結論
雖然過程中跌跌撞撞，也有很多能做得更好的地方，但至少有清楚、有系統地表達自己在資料分析上的能耐及項目經歷，還有自身的熱情及加入這公司的動機，有做到這幾點的話，剩下就真的看和公司及面試者的緣分啦！也真的非常感謝親切的面試官們，讓這耗費了一整個月的面試，總是愉快順利且充實，而不是樸實無華且枯燥。
面試過程中的挑戰
總的來說，資料分析的面試我自己會大略分做三塊：項目經歷、程式的專業問題、分析的專業問題，這三個面向的問題很難說哪個比較重要，端看你面試的崗位需求。以下就這些類別分享面試時的經驗
- 項目經歷
項目經歷的回答一定要緊扣STAR架構，如果連你自己都會不知道你在講什麼，沒有參與過這些經歷的面試者保證完全聽不懂。而針對資料分析相關的經歷，可以預期面試者會想知道更多細節，除了這個架構外，更需要強調以下幾點：
如何設定分析/ 商業目標
拿到/ 蒐集什麼樣的資料
選擇了什麼變數以及分析方法/ 演算法
如何得到/ 驗證成效
碰到的限制
要從經歷中把每個答案都填上其實並不容易，一來在工作中，礙於時程或專案性質，很難掌握這個多細節；二來可能在做分析的時候也沒有想得那麼清楚(不用自己騙自己了哈哈)，以我不到一年的工作經驗中，確實很難在所有經驗中都滿足這些條件。我自己的建議是準備一個表格，好好把履歷上有寫到的經歷，看看能不能滿足上述的全部條件，如果有缺少的話，盡量找到一個說法，解釋為什麼沒辦法回答這個問題。這個環節依每個人的經歷不同，一時半刻也解釋不來，就不分享我個人的回答了。 - 程式的專業問題
程式的專業問題相對好準備，畢竟這是吃飯的工具一般不外乎會問SQL、Python和R，我個人感覺SQL又更重要一些，因為它幾乎是實務上要做分析的第一步，你再怎麼會建模，沒有資料也是沒搞頭。以下分別說明：
SQL
如果leetcode上的Hard題目你都大概能回答，或是看了些解答後覺得沒啥特別的，這個程度保證沒問題；window function、去重複、效能問題、各種join、where和having的差異、case when這種也是一定要知道的，大概脫不了這些類型。
Python & R
在資料分析的範疇中，這兩個語言幾乎可以一起討論，一般來說都會問你熟悉哪些library，我的建議是可以一次回答平時完整的分析流程會用到什麼套件，你分別在哪些地方使用它們的哪些功能，前處理中很熟悉dplyr或pandas的各種技巧、視覺化會用plotly跟user互動等等；也會被問到機器學習的資料集切分、調參、用了哪些方法處理不平衡資料或是衡量模型結果之類的，並不是特別難回答。我把這些問題歸類在程式類的問題，是因為這並不是那種很燒腦的問題，基本上有真的理解並實作過，都能回答得出來。 - 分析的專業問題
這是資料分析的面試中最困難也最有趣的一部份，更多是在討論你在分析上面的思路，是不是真的能夠落實在公司的商業流程之中。一小部分的case interview是相對好練習的題目，畢竟不是管顧的面試，不要答得太差就行；大致上能夠把一個商業目標(增加營收、展店等)，break down到幾個項目後，再去分別估計需要的數字和描述可行的作法，走這個套路應該沒有太大問題。
跟公司業務流程有關的分析問題才是真正的難題
我在前面HR跟電話面試就知道上海這邊主要在做風控和客服兩塊，因此面試的問題會集中在兩個領域需要的分析上，例如偵測詐騙、找出產品改善點等等，看起來好像沒什麼難的吧？
BUT!! 在面試的過程中你必須透過揣摩、提問的方式，滿足我剛剛在項目經歷的段落提出的那些條件，做出一個完整的分析；這個分析要有血有肉，清楚定義你會看哪些metrics、蒐集哪些面向的資料、資料可能從哪個stakeholder 取得、最後你會如何衡量結果、結果不理想可能是什麼原因造成的，要如何修正。
面對這種問題，如果只答個feature engineering的方法，用一個炫砲的演算法做個分類模型、anomaly detectoion，對於分析為導向的崗位，肯定是行不通的。個人認為最好的解法就是想辦法讓自己更熟悉面試公司的商業流程，我就有點後悔沒有在這塊做更多的功課，回答完這樣的題目都會著實感到非常疲憊，當然啦也覺得收獲滿滿。
面試結束的回饋
這次面試最讓人感到開心的，是每次的面試官都非常熱情和友善，也都能從他們得到一些回饋，這也是我越來越喜歡這間公司的原因！這些回饋不一定是很正向的，對自己做得好的地方是種鼓勵，不足的地方也有一些改善的方向。甚至final round，美國的老闆還說，看我的興趣，應該會很適合上海team，是個很energetic的地方，真的很激勵人心啊！(雖然我最後又被加了一關XD)
接下來我會分享一些「如果我在這塊做得更好，面試會更順利吧」的事情，當然啦，我認為能夠去面試的話，大家的實力都差不多，很多時候真的是看緣份，所以平常心最重要，不用太執著。
- 面試策略
經過這次面試，我認為對自己熟習的工具跟領域要更有信心，如果準備面試的時間是固定的，那大可以降低花在這部分的時間；但對於不熟悉的事情，例如面試公司的商業流程，必須要小心一點、花更多力氣在上面，這不僅可以表現出你的企圖心，更能說服面試者你對於他們的產品和流程已經具備一定程度的理解，能夠很快上手這份工作。 - 項目經歷的涉入程度
在final round之前，hiring manager就直接點出了一些注意事項，以及我的缺點，我的缺點是項目經歷都太短，涉入程度不夠高。除了流兩滴汗以外，這其實就是硬傷，不需要太在意，在下一面之前，我稍微又再整理了這些項目的重點以及遇到的限制，加上一些未來能改進的方向作為回答。這邊的學習是，如果能有機會把一個項目做深，不一定是時間長，而是要能夠完整，也要記得留下亮點。 - 過去經歷和目標的連結性
這個部分是要好好說明，你到底有多想得到這份工作，做過的每件事情不管好的壞的、專精的或是比較雜的，都要能有一套說法，要嘛是加強你勝任這份工作能力，不然就是讓你清楚自己不喜歡做哪些工作，所以渴望進到一個會讓自己在更有熱情的領域貢獻和成長的環境；不過，這些動機最重要的就是真摯誠懇，絕對不能太唬爛，一定會被拆穿的！
結語與後續
入職將滿三週，整體而言公司的文化和氣氛相當開放及樂於分享，硬體設備也是很高級；對於喜歡做分析的人來說，PayPal的產品其實十分複雜，各個市場、用戶類別、使用場景等，其實是非常細分的，要上手的門檻頗高，同時也非常非常有意思，在上海的team做的也是global的service，不用怕沒東西玩；而內部也有很多自己開發data product，除了炫以外，也能讓我們更專注在分析本身(當然努力優化這些產品也是我們的工作之一)。
上海site共有1400多人，資料的、工程的、客服的、風控的、Compliance的各種都有，但台灣來的實在寥寥可數(我就還沒遇到QQ)，在這邊分享一下校招資訊：https://mp.weixin.qq.com/s/9Maq8U98gZogdl1ivD8u7Q，還有一些崗位的內推機會，也歡迎跟我聯絡！
如果喜歡我的文章，請多多關照、多多拍手；我會用力努力分享更多在上海的生活記趣、數據
分析師的工作體驗以及自己在各個領域學習的心得。
---
想充實商業分析或文字探勘能力，歡迎看看我和好友大鼻，在Hahow好學校上面的兩堂課程：R語言和商業分析：https://hahow.in/cr/ranalytics
R語言和文字探勘：https://hahow.in/cr/rtextmining