面试必读：一起参与，福利放送：数据科学家的product sense哪里来Case Studies
modifiedname
管理员
考虑了一下作为新人，product sense, business acumen 从哪里来，这个纯属个人体验，没有绝对对错，大家讨论评价吧。
数科的product sense
1 先是大面上：你需要理解这个产品，你最好经常用这个产品，知道大体上它是做什么的，有什么功能，谁会去用它，大体的business model什么样，产品最需要取悦谁？怎么做到的？什么因素会影响用户的满意度，回头率或者retention rate/churn?
其实大部分常见产品可能google一下都能有答案。关键是你要想到去这么“想”
大家一起来做题训练：举例：MITBBS这个网站，怎么回答上述这些问题？
用户有：
潜水的大多数（提问：大约什么比例的用户会发帖？how would you measure it?）
发帖的小小部分
广告商（提问，你估计一下大概广告费用是多少？他们的费用是怎么决定的？）
jiaoyou8用户（这些人跟MIT注册用户是同一批人吗？什么比例在交友有账号？什么比例有收费账号？他们里面转化率如何？他们一般缴费多久？life time value如何计算？etc）
2 你认为网站可以收集什么数据？应该收集什么数据？收集了然后怎么用来回答类似这样的问题：
3 假设你提出了改进产品的方法，需要做实验来验证，如何设计这个实验？
继续用MIT例子，想知道首页广告条数多少条能最大化广告收益，怎么设计？随机对照怎么allocate? 怎么计算metric? 怎么衡量你看见的结果是否可信？
4 什么情况下你说的数据可能会出错？你用什么信息还衡量是否出错了？如果错了你怎么去调查错在哪里？
5 补充一点，面试结尾如何提问？我一般会问对方，
6 同意MITBBS songkun的说法，我自己面的好多中国学生也完全是这样，经常是well defined question非常会回答，但是embed到产品问题里面就迷糊了。你如果直接问什么什么分布要怎么计算mean and variance，i.e已知问题去求解，绝大部分的人肯定都会。但是工作里面问题几乎从来不是这么清楚定义好的。的的确确你需要自己去“建模”，就是把实际问题用数学和统计模型表示出来，然后再去求解。求解过程当然你必须能自己取下需要的数据，最好是清楚知道什么什么分布，什么什么hypothesis,然后具体怎么test往往问题就不大，假定你的统计有好好学过。哪怕不知道，你知道自己不知道，然后知道去问自己组里的谁，也成啊。。。当然如果“不知道自己不知道”然后瞎fit的人也有，尤其是某些专业的。。。。
用错一个test的结果可能不是致命的，也许你的结果会less conservative or more conservative。但是没有找到正确的问题，你用什么正确的test都白搭。
统计人我们都知道type I and type II errors. 这里借用一个说法：type III error: http://en.wikipedia.org/wiki/Type_III_error Fundamentally, Type III errors occur when researchers provide the right answer to the wrong question.
http://www.hisa.org.au/resource/ ... rof_Terry_Speed.pdf
引用Terry Speed的一句： Perhaps we prefer to be precisely wrong than approximately right.
这个在工业界是不行的。
我想不是国人不善于这种思路，的确是平常没有得到足够锻炼。看见技术一般但是就“NM能说"的老外能上位我也觉得很不平。
希望本文对数科人有所帮助。
==================
以上这些其实也没有太多专业知识，感觉就是典型的analyst问题了。我怀疑不要求写production code的数科里面暴多地方会问这种问题。
==================
有兴趣做数科（not a data engineer）不妨试试花点时间好好想想这些问题，欢迎回帖在下面，一起讨论。
或者也可以拿其他例子来讨论。
也许你会觉得，我都还没去上班，你凭什么要求我知道这些！！！但是呢，要知道，竞争这个职位的人也许就在类似公司上班，人家就是知道这些问题（真心也不难的），大家一起分析5个产品，保证你以后会有很多思路，这类open ended question也很少有多少“正确答案”，思路广就是最好的答案。
Let's do it!!
==================
假如你是国内的，可以分析豆瓣的数据，或者百度的search relevance
数科的product sense
1 先是大面上：你需要理解这个产品，你最好经常用这个产品，知道大体上它是做什么的，有什么功能，谁会去用它，大体的business model什么样，产品最需要取悦谁？怎么做到的？什么因素会影响用户的满意度，回头率或者retention rate/churn?
其实大部分常见产品可能google一下都能有答案。关键是你要想到去这么“想”
大家一起来做题训练：举例：MITBBS这个网站，怎么回答上述这些问题？
用户有：
潜水的大多数（提问：大约什么比例的用户会发帖？how would you measure it?）
发帖的小小部分
广告商（提问，你估计一下大概广告费用是多少？他们的费用是怎么决定的？）
jiaoyou8用户（这些人跟MIT注册用户是同一批人吗？什么比例在交友有账号？什么比例有收费账号？他们里面转化率如何？他们一般缴费多久？life time value如何计算？etc）
2 你认为网站可以收集什么数据？应该收集什么数据？收集了然后怎么用来回答类似这样的问题：
3 假设你提出了改进产品的方法，需要做实验来验证，如何设计这个实验？
继续用MIT例子，想知道首页广告条数多少条能最大化广告收益，怎么设计？随机对照怎么allocate? 怎么计算metric? 怎么衡量你看见的结果是否可信？
4 什么情况下你说的数据可能会出错？你用什么信息还衡量是否出错了？如果错了你怎么去调查错在哪里？
5 补充一点，面试结尾如何提问？我一般会问对方，
6 同意MITBBS songkun的说法，我自己面的好多中国学生也完全是这样，经常是well defined question非常会回答，但是embed到产品问题里面就迷糊了。你如果直接问什么什么分布要怎么计算mean and variance，i.e已知问题去求解，绝大部分的人肯定都会。但是工作里面问题几乎从来不是这么清楚定义好的。的的确确你需要自己去“建模”，就是把实际问题用数学和统计模型表示出来，然后再去求解。求解过程当然你必须能自己取下需要的数据，最好是清楚知道什么什么分布，什么什么hypothesis,然后具体怎么test往往问题就不大，假定你的统计有好好学过。哪怕不知道，你知道自己不知道，然后知道去问自己组里的谁，也成啊。。。当然如果“不知道自己不知道”然后瞎fit的人也有，尤其是某些专业的。。。。
用错一个test的结果可能不是致命的，也许你的结果会less conservative or more conservative。但是没有找到正确的问题，你用什么正确的test都白搭。
统计人我们都知道type I and type II errors. 这里借用一个说法：type III error: http://en.wikipedia.org/wiki/Type_III_error Fundamentally, Type III errors occur when researchers provide the right answer to the wrong question.
http://www.hisa.org.au/resource/ ... rof_Terry_Speed.pdf
引用Terry Speed的一句： Perhaps we prefer to be precisely wrong than approximately right.
这个在工业界是不行的。
我想不是国人不善于这种思路，的确是平常没有得到足够锻炼。看见技术一般但是就“NM能说"的老外能上位我也觉得很不平。
希望本文对数科人有所帮助。
==================
以上这些其实也没有太多专业知识，感觉就是典型的analyst问题了。我怀疑不要求写production code的数科里面暴多地方会问这种问题。
==================
有兴趣做数科（not a data engineer）不妨试试花点时间好好想想这些问题，欢迎回帖在下面，一起讨论。
或者也可以拿其他例子来讨论。
也许你会觉得，我都还没去上班，你凭什么要求我知道这些！！！但是呢，要知道，竞争这个职位的人也许就在类似公司上班，人家就是知道这些问题（真心也不难的），大家一起分析5个产品，保证你以后会有很多思路，这类open ended question也很少有多少“正确答案”，思路广就是最好的答案。
Let's do it!!
==================
假如你是国内的，可以分析豆瓣的数据，或者百度的search relevance
已获得 73 大米
+2
共60条回复
