Quora的數據科學主管是如何面試的？

全文共4265字，預計學習時長8分鐘

Quora的數據科學主管埃里克·梅菲夫斯基（Eric Mayefsky）在他管理科技公司的五年里曾面試了數百名求職者。但與所有的管理者一樣，他也曾從面試的另一方——應聘者做起。

他從面試桌兩側不同的角色體驗中積累了經驗，這有助於幫助其他數據科學領導者解決受訪者和面試官之間的鴻溝，並提高員工的工作效率。

他對數據科學面試的看法有以下五點：

· 安排面試，使對面試的期望儘可能清晰。

· 對該角色提供清晰，誠實的解釋。

· 進行富有有挑戰性的面試，以吸引優秀的候選人。

· 避免候選人的的興趣與職位不一致。

· 尋找對工作類型有興趣的候選人。

稍早之前……

2010年，Eric在斯坦福大學學習了四年並獲得了經濟學博士學位，研究市場匹配中演算法的性能。這項工作投入到了實際應用，可Eric卻悶悶不樂。加入私營部門的想法涉及研究方向上的重大轉變，但在學術界研究了多年後，Eric對學術界的發展速度以及他的工作感到窒息和不滿。因此，他申請了Facebook的實習生職位，這個團隊負責分析其廣告平台性能。申請後不久，他便前往Facebook的校園，進行了第一次私營部門的數據科學工作面試。

Eric的面試官以一種典型的腦筋急轉彎的方式來開場白：

「1000階乘的末尾有多少連續的零？」

Eric認為他做的很不錯。

「你知道嗎，因為這個題有一些暗示，所以我做對了。我以為我證明了我不是個十足的白痴。」他說。

接下來，面試官在白板上為不同的假設廣告活動編寫了一些指標，並詢問哪些活動是最佳的。面試官要求Eric在沒有計算器的情況下進行數學計算。

Eric說道：「這些數字令我非常尷尬，我沒想到他要求我筆算數學題，如果他想讓我做數學計算，我希望他將數字改的簡單些。」

這個問題讓Eric想到了GRE，它根據考生的表現來調整問題。如果準確地回答了面試官最開始拋出的問題，那麼接下來的問題就會變得更難。相反，如果最開始你給出的答案是錯誤的，後續的問題也會變得更容易。Eric擔心面試官給他一個基本的數學問題時也會遵循類似的邏輯。

Eric說，「我想我一定是把第一個問題就搞砸了」。他認為面試官只是在一次已經失敗的面試中試圖消磨時間。但幾天後，他卻得到了這份工作。

他回答的這個問題是基於他在學術界的經驗，這是不對的。在Facebook聘請Eric之後，他了解到他需要做基礎數學的工作，因為即使是經驗豐富的分析師也總是無法理解他們工作的計算方法。當做定量工作的人每次看到數字時都需要自動做算術，這會減慢工作的速度。

Eric想起他是如何以招聘經理的身份來面試數據科學工作的候選人的這個問題。他深入研究候選人的經歷，以確定他們的假設，並通過向候選人提供材料，幫助他們準備面試來避免耗時。

與此同時，他讓候選人保持警覺，以確保他們擁有合適的技能。他的想法可以解釋為以下五點：

1. 達成共識

你不希望忽略一個擁有你公司所需要的各種技能的應聘者。如果你沒有努力去理解你正在面試的人，那麼你可能會產生誤解，從而導致不良後果。你可能沒有認識到，或者失去了對一個優秀的候選人的興趣。你可能會不小心僱用一個看起來很棒但卻厭惡這份工作的人。

候選人群中存在很多差異，並且可做的工作也存在很多差異。為了從面試中獲得你需要的東西，你需要與候選人達成共識。

Eric帶著在多年的學術研究中所形成的期望，在Facebook進行了他的第一次面試。他在那次面試中卻遇到了意想不到的事情——在一個更難的問題之後接著一個簡單的問題——他根據他的經驗做出反應：GRE。在他以面試官的身份進行的數百次面試中，他看到候選人表現出類似的行為。我們根據自己的經驗對事物進行情境化。面試官必須了解候選人的背景並思考如何影響他們的行為，以便準確定位他們適合自己的角色。

在數據科學職位的招聘過程中，Eric往往會遇到三類候選人：研究生，天真的本科生以及在私營部門有一定經驗的人。只有一家有工作經驗的候選人的基本思維方式可能與Quora公司所尋求的相匹配，但這種觀點可以通過在一家公司工作而成為壓倒性的優勢。研究生申請者可能會陷入寫論文的思維模式中，並且很難轉變為從實際應用角度考慮數據。

他舉例說，「本科生來自一個他們經常被告知該做什麼的世界」。「如果候選人能夠證明他們在獨立項目上也能自由自在工作，這對他們來說將是一個很大的優勢。」

你在面試中提出的問題應該有助於闡明過去影響候選人思考的經歷。你詢問候選人他們對當前情況滿意與否，以了解他們在貴公司尋找職位的動機。你可以通過給他們充足的面試準備，來幫助他們滿足你。Quora向候選人發送了一份「期望」備忘錄，其中概述了候選人將遇到的問題類型以及他們為解決這些問題而準備的材料。備忘錄包括了如何做好最佳準備的提示。

2. 求職者真的知道自己想要什麼嗎？

能夠僱用到最好的候選人是一項艱難的工作。許多最優秀的數據科學家至少都擁有研究生學位，他們經常參與項目，致力於建設學術職業生涯。他們很少或根本沒有私營部門的工作經驗，也沒有通過尋找公司的職位來詳細了解他們所從事的工作。其他候選人只在私營部門擔任過一份工作，並認為其他工作就像他們現在想要離開的工作一樣。

在任何一種情況下，他們可能在下一次經歷中明確他們不想要的東西，但這並不意味著他們實際上知道自己想要什麼。在面試中，他們可能會將他們想要的東西描繪成與他們不喜歡的東西相反的東西，這可能會造成對現實的扭曲。

尋找未知工作的求職者可能是最難以預測的。他們可能會像大學選專業一樣：申請大量公司，看看他們得到了什麼樣的回復，比較並作出選擇。Eric說，這是一種理性的方法，但當申請人沒有足夠的信息時，這也可能導致申請人作出草率的決定。招聘經理應該將工作職責予以公開，以便求職者知道他們將要從事什麼。Eric說，他會儘可能明確地解釋Quora的數據科學崗位的工作職責。

他說，「我們非常清楚作為公司的成員，以及作為Quora的數據科學家意味著什麼」。他解釋說，他的團隊是Quora唯一的數據團隊，這意味著每個成員都必須準備好同時處理一些正在進行的優先事項。這意味著為長期研究項目留出時間，同時構建工具以幫助團隊更高效地工作，並幫助推動產品決策。據Eric表示，並非每家公司都對這個崗位所執行的職責範圍有所明確。有些人可能會讓面試者認為它完全以研究為中心，而實際上涉及到很多任務的執行。

他說，「在進行了非常真實的對話後，如果候選人接受我們的職位，我覺得這很好」。但是「如果在談話中候選人說不，我擔心有時這是因為其他公司給他們描繪了一個更美好的未來。與其給求職者規劃好確定的藍圖，我更樂意做出這樣的權衡」。

3. 讓面試充滿挑戰

最好的求職者是那些尋找能給他們帶來挑戰的工作的人，所以需要給他們一個挑戰性的面試。Eric的團隊通過提出問題來完成這項工作，這些問題是要求他們做實際上每天作為Quora的數據科學家所做的工作。這包括詢問面試者如何設計產品，或提出衡量他們對用戶的理解的問題，以及更多的定量和技術問題。但Eric也提出了一個問題，就是無論面試者提供任何回應，他們都要認真對待，探索並挑戰他們的反應。

通常情況下，他會以先告訴求職者，對於某個給定問題，他沒有特別的答案的方式來開始。這類問題有如下幾個例子：

· 假設我們有一個「推薦主題」產品，它將出現在用戶的Feed中。這個產品的成功指標是什麼？ 我們應該如何確定該組件在提要中應佔用多少空間？

· 用戶點擊電子郵件摘要的動機是什麼？

當求職者開始回應時，他嘗試著堅持提問，直到求職者表現出思維的極限，並就他們表現出某種舒適感的領域提出試探性的問題。

「例如，如果我向他們詢問他們如何評估產品變化是好還是壞，那麼他們可能會提出一些指標和定性方法。我不會強迫接近我想要的答案，而是試著說，『好吧，假設你按照建議的方式看待它，你會看到什麼，你會做什麼，或者你會得出什麼結論？』」他說，「如果他們的回答對我來說沒有多大意義，我會嘗試圍繞他們的建議的利弊提出問題，以了解他們的思考過程，並試圖看出他們能否用他們自己的方法來解決問題的弊端。」

他小心翼翼地提問，以避免強迫面試者在回答問題時走上面試官所選擇好的回答路徑。所以他並沒有阻止候選人的回答，或者只是停下來問，「假設這行不通，你會嘗試怎麼做？」 然而，在他將他們深入地引導入一個領域後，他可能會試著通過詢問他們是否對解決問題有其他想法來了解他們思考的廣度。

4. 如果數據集是他們唯一的興趣，

那麼請留意

私營部門的數據科學通常包括學術研究中使用的技能。但是，如果你是一個重視實際操作、以產品為中心的人，那麼你可能不希望聘請那些對其工作採取嚴格的學術方法的人。你的數據集可能是貴公司唯一吸引某些候選人興趣的事情。因此，即使他們具備該職位的技能，他們也不會致力於貴公司的發展。

Eric確實希望人們對這些數據感興趣。Quora每月活躍用戶超過2億，他們通過各種各樣的問題進行互動：從「為什麼蜜蜂叮完後會死？」到「籌集風險投資資金的最好建議是什麼？」

那些數據很有意思！但是，當擁有研究背景的面試者在接受面試時，說的第一件事是他們對Quora的數據集感興趣，「這可能是一個危險信號。聽起來他還在考慮撰寫論文。「Quora不會因僱用數據科學家而受益，因為一旦數據科學家陷入了純粹的研究思維狀態，很可能不利於發現可以應用於公司產品和增長的洞察力。

這是在面試者中存在的最大分歧之一。有些人關心他們的工作是否決定了他們工作公司的成功。在擁有數萬或數十萬員工的公司中，員工可能無法看到他們的影響，因此在某些情況下，他們可能會過度專註某一領域，而不會對公司的整體成功負責。但Quora只有大約200名員工，它仍然處於每個人的貢獻都直接關係公司成功的階段。

因此，當他正在面試候選人時，Eric正在尋找對產品工作和數據分析有熱情的人。即使他正在面試本科生，他也希望他們渴望學習產品開發以及部署，發展他們的技術的技能。最佳候選人是那些有興趣尋找創造性方法來提高用戶參與度，想要修補a / b測試，或者想要改進廣告定位，以便更好地針對潛在用戶或具有正確內容和產品的客戶。

5. 不滿足是好事

由於有些博士只在意數據集，他們可能會處於一種待定的狀態，而Eric所說的另一種博士通常在私營部門數據科學工作中有出色的表現。Eric稱這種類型為「不滿足的研究生」。

這些研究生對進展緩慢的學術研究感到厭倦，他們想要更快的發展和更大的能量，以便能更快地為公司產生的影響。Eric注意到一些本科生在學習之外也有過項目和工作體驗。Eric認為私營部門的專業人士需要做更具挑戰性的工作。這三類應聘者的共同點是，他們希望自己的工作能夠對公司的成功產生影響。

辨別想要培養技能並熱衷於產品工作的候選人的訣竅是給他們一個展示自己的機會。挑戰他們，讓他們承受壓力，同時也給他們一種方向感。最終你要確保你們處在同一頻率下。就像那些知道他們不喜歡什麼，但又不確定自己想要什麼的求職者一樣，如果你不給自己一個機會清楚地了解所有候選人，你可能不知道理想的候選人是什麼樣的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！