原文：
towardsdatascience.com/my-amazon-economist-interview-186e52e58a27
·发表于 数据科学前沿 ·阅读时间 8 分钟·2023 年 12 月 21 日
--
图片来源于 Christian Wiediger 在 Unsplash
亚马逊是经济学及相关领域博士毕业生的主要雇主之一，提供与数据科学和机器学习（ML/DS）特别是因果推断领域密切相关的职位。它是少数几个提供明确称为‘经济学家’职位的公司之一，但这些角色往往与其他科技公司中因果推断数据科学家职位的职责和技能要求相似。作为准备进入经济学和数据科学交叉领域的人员，我发现亚马逊经济学家面试过程提供了丰富的洞察，适用于这两个领域。在本文中，我将分享我的亚马逊经济学家面试经验和准备过程，旨在为那些希望在亚马逊或其他数据科学职位上导航的人员提供资源。我的目标是揭示面试过程，提供对那些希望成为亚马逊经济学家的求职者以及对科技行业中专注于因果推断的数据科学家角色感兴趣的 ML/DS 求职者的相关见解和建议。
既然已经介绍完毕，我们来谈谈我的面试经历。我在 LinkedIn 上看到一个亚马逊经济学家职位：“经济学家——长期实习（10 个月），经济决策科学（EDS），”位于伦敦。这引起了我的兴趣，因此我决定申请。值得注意的是，这是一少数几次我在没有依赖个人关系如推荐信的情况下获得面试邀请的情况。面试发生在一段时间之前，我认为已经过去了足够的时间，所以现在分享我的准备过程和面试经历是合适的。
为了提供一些背景信息，我来介绍一下这个职位。这个角色的重点是应用计量经济学模型和使用大型数据集来解决亚马逊面临的实际商业问题。这个角色属于 EDS 团队，该团队在欧盟商店业务内运作，旨在优化和自动化决策。这个职位要求具备坚实的计量经济学基础，并且对统计编程工具如 Stata、R 或 Python 有基本的了解。
让我们继续讨论我如何准备面试以及面试内容。面试之前，我了解到其形式。面试持续一个小时，分为行为和技术两个部分。行为部分重点关注亚马逊的价值观，特别是他们的领导原则，你可以在亚马逊的领导原则找到这些原则。技术部分则围绕与角色相关的业务问题。在我的情况下，这个问题涉及到将计量经济学模型应用于亚马逊零售部门的一个场景。
作为提示，亚马逊的面试是在其自有的视频通话应用 Chime 上进行的。提前下载并检查其功能，例如背景模糊，或确保麦克风和音频配置正确，是个不错的主意。此外，招聘人员会告诉你面试官是谁。提前了解他们的工作是个好主意，这样你可以更好地与他们沟通。对我来说，面试官是一位经济学家，我很感激。
由LinkedIn Sales Solutions拍摄，Unsplash
面试的前 15 分钟左右用于行为问题。有 2 到 3 个与领导原则相关的情境问题以及一些后续问题。
我确保为潜在的面试问题做好准备，为每个关键原则准备了 1-2 个故事，并使用 STAR（情况、任务、行动、结果）或 CAR（背景、行动、结果）框架大声练习这些故事。为了获得更多指导，你可以回顾每个原则的常见问题或示例，以了解面试中可能出现的问题类型。
我被问到了这样的问题：
-
讲述一个你为复杂问题提出简单解决方案的经历。
-
讲述一个你在存在分歧时影响决策的经历。
如果你了解领导力原则，你会发现第一个问题与“创新和简化”原则相关，而第二个问题与“有骨气；反对并承诺”或“经常正确”相关。面试官可能会要求对你的故事进行进一步的细节了解，所以要做好准备。例如，我被问到第一个问题的后续问题，关于简单解决方案的潜在风险以及我如何处理这些风险。
我保持了回答的简洁，并让面试官在需要更多细节时提出后续问题。使用“我”作为主语而非“我们”也很重要，并且在讲述这些故事时不要对任何你曾经合作过的人发表负面评论。
这些故事对我在其他公司的面试也很有帮助。因此，虽然这些是亚马逊的领导力原则，但许多公司都有类似的价值观，他们会问类似的情境问题。总的来说，为这次面试做准备对我在其他公司的面试非常有用。
我通过回顾因果推断方法来准备，包括 差分中的差分法、匹配、合成控制、工具变量、回归不连续性和 A/B 测试（实验）。具体来说，我回顾了这些方法所需的假设、如何验证这些假设、可能存在的陷阱以及如何编写这些方程式或计算标准误差。
诚然，这些是经济学或相关领域博士的基础知识，但要能够当场提出答案并清晰沟通，仍需要复习。
我还练习了一些商业案例问题。有效沟通与选择适当的方法同样重要。在案例面试中，有几个关键方面需要注意。首先，必须要大声思考。这种方法让面试官了解你的思维过程和选择方法的理由。其次，如果问题的任何部分不清楚，不要犹豫去请求澄清。第三，与面试官进行对话，并对他们的建议持开放态度。在我的经验中，面试官在面试过程中提供了有用的提示和指导。
最终，我遇到的技术问题涉及评估亚马逊上一个假设的价格促销的影响。这个情景描述了一个捆绑定价交易：对购买任何四种价格在 10 美元以下的产品的顾客提供 10%的折扣。这项促销活动在所有地区同时实施。提出的挑战是：“你如何评估这项促销对亚马逊盈利能力的影响？”
Marques Thomas拍摄的照片，来自Unsplash
评估此次促销活动的影响需要考虑多个因素。一方面，这项促销可能是有益的，因为它鼓励顾客购买更多商品，可能通过捆绑减少运输成本。另一方面，10%的折扣可能会对利润产生负面影响。
在面试过程中，我询问了分析这种情况所需的数据可用性。面试官表示，我可以访问产品级销售数据、交易级数据和运输成本数据。根据这些信息，我提出了几种分析方法，包括进行一个事件研究和运用回归不连续性。我还解释了如何利用这些数据来进行这些分析。
还有一些后续问题。例如，这次促销活动并没有同时在所有地方推出，而是进行了一次实验，这次促销在一些州实施而没有随机化。提出的问题是：“你如何使用这个实验来衡量其影响？”对此问题，按我记得，我建议了一种合成控制方法。
面试官询问了我对几个其他假设情景的建议。其他一些跟进问题包括：“假设利润下降但收入增加。那你会建议什么？你会更广泛地实施促销还是不？”我认为在这些类型的问题中，你需要回到一些领导原则，例如“客户至上”，但我不太确定。不过，这些问题确实值得思考。
我的面试官在会议结束时留了 5–10 分钟的时间供我提问。我准备了一些问题，例如团队是如何运作的，或者一天的工作是什么样的。所以，我问了这些问题。面试官非常详细地回答了这些问题，我确实很感激。如果你正在为这种面试做准备，你也应该准备一些问题。
对于行为类问题，我觉得回答起来并不难，但我不确定我的故事有多有力。因此，回过头来看，我可能会尝试准备更有说服力的故事。找到特别与公司文化和挑战相关的故事可能会更好。
对于技术部分，我发现了一些挑战。其中之一是要明确写出你的计量经济模型的方程。在整个面试过程中，你需要口头传达你的解决方案。我没有问题用这种方式沟通总体方法和假设，但大声说明回归方程却很具有挑战性。你还需要指定下标等。我习惯于把方程写下来，但大声说出来并不擅长。我还很难决定回归的最佳结果指标是什么，例如销售额还是利润。
起初，亚马逊计划了两轮面试，但我的旅程在第一轮就结束了。因此，我分享的见解基于我在亚马逊面试过程中的首次也是唯一一次经历。回顾这点，我想强调对于准备类似面试的人，无论是在亚马逊还是专注于因果推断的数据科学角色，重要的不仅仅是专注于行为问题和技术方法。同样关键的是能够解决业务问题，尤其是那些特定于角色背景的问题。在我的情况下，重点是零售行业。回头看，花更多时间审视零售特定场景会更有利。由于我平时的工作不涉及零售数据，深入研究这个领域会有助于迅速识别最佳指标并更清晰地表达我的想法。这种方法不仅对亚马逊的经济学家角色有益，也是任何进入行业特定角色的数据科学专业人士的宝贵策略，其中上下文理解对展示专业知识和解决问题能力至关重要。
如果你喜欢这篇文章并想查看更多我的文章，考虑 关注我。
免责声明*：我写作是为了学习，所以你可能会发现文章中的错误。如果发现，请告知我。*