背景：楼主的背景是BA，目前找的也是BA，DA或者business intelligence的职位，有一年半的工作经验，6月底从公司离职的（跟老板闹翻+背了同事的锅+自己的失误各占三分之一吧），最近一个多月面了4家startup的onsite，最后都failed了，目前也还在找，先分享一下面试公司吧：
Casper: 一家专门做高端床上用品的公司，主打产品是mattress，销售网络以网店为主
面试职位：marketing analyst
面试流程：
- HR电面
- SQL take home assignment：不难，最多用到window function，其中有一个问题是算每个月的return rate，returned
items/purchased items，楼主统一用的是购买时间（按月份），这个应该没问题 - senior 电面：和team里面的senior analyst视频聊，半个小时，基本就是give an example的问题
- virtual onsite，
因为楼主在德州，公司在NY，就安排的是视频，基本都是behavior question，连tech 面都没有问coding的问题，只有一个estimation，问明年要雇佣多少客服，楼主的思路是先从美国人口到household，然后平均mattress的使用时间，在预估一个一年的销售量，然后是客服电话的demand，再从一个客服一天的supply，最后得出一个数字，应该不说不难，其中需要用到的一些数字，抛开美国人口等常识以外，基本都可以自己assume或者跟面试官要
BrightWheel： 主打学前教育的app，one in all solution （一个app能实现学生打卡，教学，学校收费，跟家长沟通等等）
面试职位： senior BA
面试流程：
- 和senior analyst聊，没啥大问题，就是侃大山聊家常，因为startup才起步，有各种话题可以聊
- 和director聊，稍微用到了一点customer journey的东西，因为涉及到KPI
- take home assignment： 三个部分，SQL， KPI 和analytics，SQL不难，最多也就用到window function，其中有问题问3rd transaction，因为排序用的时间有重复，楼主还给出了rank和dense_rank的区别。 KPI的话是制定一个KPI来看看付费用户的流失，因为数据就只有付费和非付费用户的现金流，所以楼主用的是核心用户的现金流比例，analytics问的是怎么做customer retention，数据只有当月客户的数量，所以楼主给的solution是geometry和binomial disribution，分别对应客户只churn一次和多次的情况
- Onsite，onsite就很迷了
本来三月份约好的，当时时间冲突了，然后楼主发邮件再约的时候，就没有回复了，follow up了也没有，上个月楼主在angel list上看到这个职位还在，就又申了一次，没想到公司回复让我直接去onsite，然后楼主又重新做了ppt去三番onsite的，onsite的总体流程楼主个人感觉很顺利，3rd transaction的问题，还专门问了rank 和dense_rank哪个更make sense，楼主给的是dense，因为实际情况下就很有可能同一个时间点有很多transaction发生，没有必要一定要一个绝对意义的第几个transaction，而且如果一个时间点上transaction暴增，那可能是一个aha！moment，意味着客户真正意识到你的产品价值，使用频率开始增加，那么这个时间点才是值得去了解的，对于怎么改进数据库，楼主给了两种做法，一个是从relational改到dimension，当然这个不太现实是因为要推倒重来，另外一个是增加transaction的一些attribute table，光看transaction的数量是没有办法知道用户的消费习惯的，最后由于时间关系，在geometry 和 binomial distribution的点上楼主没有用太多时间解释 - 总的来说楼主感觉面试过程很流畅，虽然公司挂了我三个月，最后为了offer还是的去，至于拒的理由是觉得担心mgr无法了解我的tech mind，这个让楼主有点迷，关于tech的东西，楼主的solution只要两个，一个是关于数据库的改进，当时在场的人里面还有data engineer director，并且对solution很满意，唯一可能的理由就是估计没有太接受清楚两个统计模型吧，毕竟后来我问他们是怎么做retention和forecasting的时候，他们很坦诚的说就是在excel上用用mean什么的
Upstart：主打loan，用到了一些FICO不用的factor，比如教育背景什么的，能够时间lower default rate
面试职位： data analyst
面试流程：
- 前面三轮都是技术面，视频，SQL很简单，入门级，然后estimation，美国一年卖多少咖啡或者理发什么的
- 跟director of payment面的时候比较tough，只有一个问题，how do you measure the performance of loan，
对方只要一个KPI，所以走user journey行不通，楼主的大方向是default rate，这个是正确的。但是面试官会不断告诉你你需要改，直到最后onsite的时候，给了一个例子，第一年发一个loan，第二年10个，第三年100个，所有的loan理论上3年还清，但是在第二年结束会defualt，所以如果在第三年年末的时候，用defualt rate不能真正表现loan
performance，因为第三年发出的loan占了绝大多数，并且也没有defualt，然后因为时间关系，面试官开会去了，楼主后来在跟senior analyst面的时候被问了同样的问题，然后给出的solution是cumulative defualt rate，其实就是类似于retention rate over time，但是前提条件是cohort base。
另外面试官的问题也比较general，基本就是“If I were to challenge your KPI, how do you change?”整个面试过程就像是挤牙膏，我说一点，被驳回，然后又说，又驳回，但是面试官并不会一开始就把example和table给你，需要自己去不断approach。总的来说还是楼主比较缺少经验和临场反应
Atomic：一家VC，投资各种startup，然后楼主面的是其中的一家，连名字都没有，产品是一种sleep solution，融合的东西方的药草
精华，让你睡得更香，醒来更清醒
面试职位：data analyst
面试流程：
- 和HR聊，侃大山
- 和hiring mgr聊，侃大山
- take home assignment 加 onsite PPT presentation，assignment是让楼主连接进了他们的facebook manager account，然后上面有一些之前广告的testing，然后让做summary，楼主的做法是把各种KPI按照 user journey/traffic funnel总结到一个table里面，然后进行对比，同时也根据不同的segement做table，比如gender和年龄，这样不仅可以看到某个广告在哪一个stage的数据比较好，也能知道gender bias或者age bias，最后再给solution。onsite的时候基本就没问我什么正儿八经的问题了，问了一下准备怎么来SF上班（楼主当时住san jose），然后房子租哪里。。过了一个星期还是拒信。
目前来看电面侃大山和SQL基本是没啥问题的，onsite的话楼主自己也很迷茫，感觉聊得还不错，给的solution都还满足对方的口
味，可是最后还是fail。
楼主目前还是STEM OPT，前老板不给sponsor，满打满算150天的话，大概9月初就要滚蛋了，要么就挂靠（求靠谱挂靠
啊！！！！！），找正规学校挂靠或者找contractor， 希望各位大神能指点迷津，在前公司做的东西比较基础，而且老板也不太重
视tech方面的东西，resume上能写的都是楼主自己 找的活，部分还被老板中间打断了，诶
关于面试的一些tips： Python的话楼主是半路出家，遇到很Data Science的题基本也是跪了，SQL的话可以说毫无压力了，毕竟写了
不少公司的题了，大多数公司的题基本用到window function就顶天了，然后需要注意的是如果不太确定的东西需要自己make
assumption，那就要多花点心思把assumpion解释清楚，目前遇到过最难的SQL是做retention table，这个大家google一下就有数啦
Resume的话，楼主是在公司的名字下面先写了几个大的bullet point，比如business analytics，data visulization，testing， process improvement什么的，然后在大点下面再写小的bullet point（工作经验），大的bullet point基本就涵盖了BA或者DA做的东西，感觉
用这种resume模式以后，网申的回复率大大增加，楼主这段时间拿的interview基本都是网申的，没有内推（因为之前的内推都挂了 T T）
就写到这吧，毕竟我也没拿到OFFER，多的不敢写，希望把自己的面试经验分享出来能够帮助大家，大家有什么建议也希望能多多交流，最后祝所有人都能梦想成真。