车品觉:CEO们关心哪三个数据

我在面试数据分析师的时候,必然会问他们一个问题:“假如我是一家知名电商的 CEO,而今天是星期一早上 9 点钟,请你给我提供三个数据指标向我证明在过去的一周里,企业运营得一切正常,可以让我踏实下来。你认为,会是哪三个指标呢?”

绝大多数应聘者对这个问题的回答比较一致:第一个是流量;第二个是交易量;第三个是其他,这个其他包括转化率、交易额等。当他们这样回答完后,我会反问他们:“刚刚我问的问题,你真的听清楚了吗?”

这时候,有人会回答说,我听清楚了,而答案就是的真实需求这三个数据。往往这个时候,我会提醒应聘者说:“请注意,我要的数据是给CEO 看的,而且还是顶级电商的CEO,而且时间轴是周敏感数据。”面试进行到这一环节,我就发现大部分面试者根本听不懂“CEO”的含义。事实上,既然是 CEO,就意味着他是公司里的最高领导层,那么给他看的东西明显要与其他人不同。

在这个例子中,我们会发现绝大多数应聘者很少会换位思考。也就是说,事实上,他们都是从自己的角度来思考,而不是以一个数据分析师、一个要给 CEO 汇报三个数据指标的分析师的身份来思考问题。

那么,什么是以数据分析师的身份来思考问题呢?通常来说,在我问出问题时,作为数据分析师的你首先要想的是 CEO 会关注什么数据,是长期的,还是短期的?是风险最大的,还是风险一般的?或者是最近发生了什么事情?以及给 CEO 提供的数据要有什么注意事项,等等。

所以,我要再问问应聘者:“当你坐在面试桌对面给我答案的时候,有没有想过在星期一的早上,这家知名电商的 CEO 真正想看的是什么?”再想想这个问题,你到底有没有真正听清楚“CEO”、“知名电商”、“周敏感数据”这些关键词? CEO 要的是“踏实”——他听完了就可以安心地吃早饭了。

在面试时,如果面试者不对这几个问题进行询问就贸然回答的话,满分是10 分,我只会给 5 分。因为这个问题里面本身就有很多问题,比如,什么是踏实?踏实是一个概念,你不问清楚“踏实”的含义,就给我三个指标,无论如何都是错的。

在正常情况下,首先不要急于回答我提出的问题,而是先问清楚什么是踏实,切勿自己先做假定。以下,我们可以假定一个相对理想的面试场景。你反问:“什么是踏实的状况?”

我回答道:“最近这家电商和另一家电商在打价格战,而它最近又新推出了图书类目,那么 CEO 自然最关注的是这些图书的业务做得好不好。”

你再问:“什么是好?是否基于每天来买书的新增用户和原有用户购书的数量多少?而且,CEO 是希望更多地用书来吸引新用户,还是想通过图书业务的推广让现有的用户进行交叉购买行为?”

在这些思考结束之前,你绝对不能给出指标。因为,在没有解决一个问题的内涵之前,任意给出的一个指标,必错无疑。所以,我才会问应聘者到底听清楚问题没有。

在我做面试官的经历中,很多看似有经验的数据分析师,往往在我提出的问题还没有解释清楚时就抢着作答。绝大多数人在思考不到一秒钟的时间里就给出了答案,而这一秒钟的答案,我可以确定他们根本没有听清楚我的问题。

通常这个时候,我会再给他们一次机会,问他们:“刚才你给我的这个答案,如果我给你满分 10 分,你会给自己打几分?”而此时,大部分人只会打 6 ~ 7 分。

当应聘者给自己打 7 分时,我会反问:“另外 3 分丢的原因是什么?”他开始反思,说自己刚才给的可能并不是 CEO 想要的指标,因为他对这家电商的近况不是很了解……

接下来,当我再反问:“刚才我的问题是‘假如我是一家知名电商的CEO,今天是星期一早上 9 点钟,你给我三个数据指标向我证明在过去的一周里,企业运营得一切正常’,你听清楚了吗?如果你确认自己清楚了,能请你再给我一次答案吗?”

这时候,聪明的人不会再用一秒钟就给我答案了,而是重新思考,开始问问题,再给出答案。这时候的答案,当然会比第一个答案要好得多。最后,当我再问他:“现在,10 分满分你给自己打多少分?”此时,他们自己给出的分值通常都会高一些。至此,我的面试也就结束了。

事实上,关于这个问题,我根本就不关注打分的结果。当然,如果评价是10 分,那就不用面试了,因为在没有仔细考虑过答案的时候就自信满满地回答,这种人必然无法承担做数据分析师的责任。虽然,自信是对的,但是思考更重要。作为一名数据分析师如果你不把自己的分析与当下结合,是没法进步的。

有趣的是,当我把这个问题贴在网上时,还是会有很多人追问我答案是什么、CEO关心的到底是哪三个数据。这时候,我真的很想说,答案不是结果,方法才是。

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2014-04-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏IT大咖说

互联网金融风控中的数据科学

摘要 随着互联网行业的高速发展,互联网金融应运而生。它是传统金融行业与互联网精神相结合的新兴领域。互联网"开放、平等、协作、分享"的精神往传统金融业态渗透,对人...

3215
来自专栏云计算D1net

云计算降低企业15%的IT支出

最近一份来自于Computer Economics的调查报告显示,企业充分利用云计算可平均节省15%以上的支出,调查的结果不管是从收入的百分比来衡量,还是从个体...

2745
来自专栏AI科技大本营的专栏

资源|2018年14个顶级AI和机器学习会议名录

编译 | AI 【AI科技大本营导读】人工智能和机器学习已经跳出科幻小说的范畴,冲进了现实。不管是技术层面还是商业环境方面,这些领域都在迅速发展,紧跟潮流的步伐...

3646
来自专栏CSDN技术头条

Carol Carpenter:DevOps的真正价值

【编者按】Carol Carpenter是Elasticbox的CEO,本文隶属Leadership Suite(企业高层访谈)的一部分,访谈的内容主要根据De...

1836
来自专栏腾讯研究院的专栏

大数据时代的质量观

2012年2月,美国《纽约时报》发表了一篇主题为“大数据时代”的文章,称大数据时代已经来临,数据分析大师们正在获得更多发展机遇。 大数据是全球新型工业化进...

1818
来自专栏DT数据侠

当机器都会“学习”了,你还想不学习么? | 数据科学50人· 谢梁

如今,我们每个人都在谈论“数据科学”,《哈佛商业评论》杂志甚至将数据科学家定义为“21世纪最性感的职业”。在这个大数据时代,究竟什么是数据科学?数据科学家又究竟...

760
来自专栏AI启蒙研究院

@所有人,为什么突然之间所有人都在讨论人工智能

682
来自专栏about云

大数据架构师、开发人员、公司必读:国外大数据应用的10个项目案例(图表)

问题导读 1.大数据如何应用于电力能源项目,带来效益? 2.数据可视化有哪些应用? 3.是否可以将可视化应用于空气污染? 4.大数据如何应用于各种(手机)应用...

38310
来自专栏新智元

2016 年人工智能最重要的发展:面向所有人的深度学习

【新智元导读】过去一年人工智能和深度学习最重要的发展不在技术,而是商业模式的转变。过去6个月,所有巨头都将自己的深度学习IP开源。Data Science Ce...

3297
来自专栏华章科技

2016 年人工智能最重要的发展:面向所有人的深度学习

过去一年人工智能和深度学习最重要的发展不在技术,而是商业模式的转变。过去6个月,所有巨头都将自己的深度学习IP开源。Data Science Central 网...

602

扫码关注云+社区