终于，进亚马逊了~

终于，进亚马逊了~

大家好，今天文章是我们社群朋友分享，希望对大家有帮助

-----

我是「小圆」，坐标上海，现于亚马逊任数据分析师。通过社招进入亚麻，在亚麻之前有三年数据分析师的经验。

我是如何找到这份工作的？

我的过程其实比较偶然也比较幸运。在进入亚马逊之前我有三年的数据分析师经验，之前待的是中小厂，正好到了一个瓶颈期，当时手头能有的数据颗粒度也无法满足我做一些更深层次的分析，于是决定开始寻找新的机会。在某蓝绿色招聘软件更新简历之后，亚马逊的 HR 联系到了我，他先让我去官网投递了简历，之后就正式开启了招聘流程。后续的面试过程虽然战线比较久但也相对来说比较顺利。

一. 面试过程

1，概览

现阶段由于疫情，所有面试都在线上进行，都是使用亚马逊内部通讯软件 chime，需要提前-好软件，或者直接使用面试邮件中提供的网页链接登陆。我遇到的所有面试官都很 nice，整个过程更多像聊天交流而不是正儿八经的面试。有一些对于亚麻的疑问，以及岗位的疑问乃至职业发展上的讨论都可以大胆提问，他们也都会非常热心给予回答。

2，一面技术面

我应聘的是 BI/BA（亚麻内部这两个岗位是一回事）, 所以一面技术面主要考 SQL。面试官会给你一个在线网页，直接在上面答题写 code 就可以了。总共七八道题。整体难度不难，一些基本的语法和 window function，有几道可以有多种解法。当场就可以知道你有没有过一面。

3，二面到五面 Loop Interview

一面通过后会进入到 Loop Interview。一共四轮，每轮一个小时。面试官会涉及到你的直属上司，两位同组的同事，以及一个其他部门但会和你这个岗位有一些合作的同事。这四轮不需要安排在一天，提前和 HR 预约好时间就好。我是分了两个半天完成这四轮面试。Loop Interview 更多围绕着你过往的经历与做过的项目，需要特别提醒一点的是，亚麻是个企业文化较重的公司，最为出名的就是 14 条领导力法则(Leadership Principles)，建议小伙伴们在准备过往项目的时候要尽量挑一些出彩的点往领导力法则上去靠。面试官也会直接问你“有哪个项目你觉得是符合 XXX（领导力中的一条），可以展开说说吗？”

大家可以在介绍自己项目的过程中采用 STAR 法则， 即 Situation – Task – Action – Result. 先大致介绍一下项目背景，遇到了什么任务或者什么难点，是通过怎样的方法解决的，最后结果如何，在介绍解决方法的时候，可以尝试往领导力法则上靠。

附上 14 条 LeaderShip Principles

Customer ObsessionThink BigInvent and SimplifyHave Backbone; Disagree and CommitEarn TrustAre right, A lotLearn and be curiousOwnershipHire and develop the bestFrugalityDeliver ResultsBias for ActionDive DeepInsist on the highest standards

4，六面 HR

等五轮面试全部结束之后，HR 会再约你个时间简单聊一下，这一轮就没有之前那么正式，我是直接在电话里用十五分钟就聊完了。大致会问一下离职的原因，对下一份工作的期待之类。

5，面试通过

之后前五轮的面试官和 HR 大家会坐在一起，开一个 roundtable，讨论出最后对你的决定 面试通过之后，HR 会电话联系你与你谈薪，以及最终入职的时间。等确定之后就会给你发邮件 offer。

二.常见问题

Q：薪资水平

A：亚麻年包 = 基本工资+签字费+股票。基本工资与行业水平差不多，签字费会分成两年每月按月发放。股票在入职第二年后，分三年陆续发放。

Q：对英文水平要求高吗？

A：不算低。我的面试中有一轮就是英文面试（因为老板本身就是老外哈哈）。亚麻作为一个跨国企业，尤其数据这类的岗位，和其他 global 部门合作的机会是非常多的，所以基本的听说读写以及专业的邮件撰写这些都是必需的。

Q：从 HR 联系到最后谈薪花了多久？

A：一个多月。

Q：工作氛围怎么样？

A：专业、愉快、开放。同事和老板包括需要紧密合作的业务方人都很棒而且专业，讨论开放度和自由度很高，只要和工作业务相关的任何想法都可以提出来大家一起头脑风暴。亚麻还特有的一个企业文化就是 1 on 1(一对一谈话) 。有新同事入职，工作上有什么困惑，可以随时和大家约一个 30 分钟的谈话。老板也会非常关心你的职业发展，我和我的老板每个季度都会有关于职业生涯的讨论，他会给我一些他的建议，同时也鼓励大家多多探索，如果想要转岗到其他部门，甚至想要转到海外也都是有机会的。

Q：加班多吗？

A：亚麻是个很注重 work-life balance 的地方。不鼓励大家加班。上班不打卡，也不用每天去公司，可以在家办公。主要还是把手上的项目按时交付就可以。如果有不合理的工作量分配，也可以及时和老板沟通。（当然会不可避免有一些时候需要倒个时差和坐标在国外的团队一起线上讨论，所以有时候会需要早上七八点或者晚上九十点开会，级别越高频率越高）

Q：数据岗常用的工具？

A：SQL，Excel 这些算基操。可视化工具会使用亚麻自己开发的 Quicksight（和市面上常用的 Tableau, PowerBI 都很类似）. 也会有一些 Data science 的小项目会使用到 Python，但比例没有前几者这么高。

三.内推

欢迎登陆官方网站，如有感兴趣的岗位欢迎联系我内推。

​​汉斯·罗斯林 用数据讲故事的同时，也要避免数字的欺骗性

《赤裸裸的统计学》 by 查尔斯·伟兰

可以作为《事实》的补充阅读。“用数据说谎容易，用数据说出真相很难”

《StoryTelling With Data》 by Cole Nussbaumer Knaflic

如何用一张图的不同形式做完一整个 presentation. 形式服从于功能。用数据讲好故事还是得从故事本身出发。建议每个不希望自己仅限于拉数的数据岗读一下。

《数据分析：企业的贤内助》 by 陈哲

一本 down to earth 的指导手册，可以作为数据分析从 0 到 1 的培训。但个人觉得数据采集的章节可以跳过（大数据时代用田野调查的方式获得数据还是略有些不那么普世通用）

《啤酒与尿布》 by 高勇 Retail is Detail.

在阅读过程中会产生很多新的可以运用在自己工作中的想法。我读完之后就有和我的业务方提议了一个新的分析项目，并用其中的方法论大获好评。

2，工具篇

写在前面：我并不推荐大家上来就看 o'reilly 系列，O'reilly 系列为了把知识点讲的更全所以非常详细，更适合当 handbook 使用。如果一上来就把 python 每个函数以及每个函数里所有参数都砸在你面前，对于初学者来说枯燥且容易遗忘。等建立了数据分析的 use case 之后再去看 o'reilly，这样会知道在什么情况下可以用什么的解决方法，印象会更为深刻理解也会更为透彻。

Excel：

多用，多使用搜索引擎，搜索时如果有快捷键的可以顺带一起记忆，对提升效率有极大帮助。对于 Excel VBA，不用特地花时间去学，因为大多 VBA 的功能大多可用 Python 替代，如果实在要用，现用现搜即可。

SQL：

《SQL 必知必会》by Ben Forta

比较适合小白自学 SQL，有基础的小伙伴可以直接跳过或者可以直接上 leetcode，刷个五十道题，对付 85%以上工作场景足矣

Python：

《对比 Excel，轻松学习 Python 数据分析》 by 张俊红

对于想快速上手 Python 的 excel 表哥表姐们非常友好，用对比的方式学 Py，易懂又不容易忘。

《深入浅出 Python》 by Paul Barry

前一半对基础巩固非常好。

算法：

《算法图解》 by Aditya Bhargava

想对基础算法有个入门了解的小伙伴可以读一下这本

全文分享完！

----

以上文章来源，涛哥聊 Python 技术社群。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。