智力测试四大主要元素

智力测试四大主要元素

智力测试是所有招聘流程的基础。这是技术问题测试、带回家检验开发能力以及面试问题的基础。智力测试有四大主要元素，即：

• 分析思维

• 变量提取

• 边缘案例检测

• 流程优化

   

前面三个是最重要的，拥有第四个会锦上添花。而且当招聘者在前三个方面对你有所了解之后，他们会问到第四个。这四个方面都是为了了解你在未来的技术岗位上的潜力和能力。

简要说明：下面四个技能非常重要，但是理解统计学、写代码和 SQL 也很重要。我觉得这是每个人都知道的显而易见的事情，所以这里就不谈那些知识基础了。

分析思维

分析思维是指将大问题分解成容易解决的不同部分以逐个解决的能力。简单来说。这是要建立一幅心智路线图，其中包含多个检查点，最终达成最后的解决方案。

衡量这部分智力的方式要么是通过实际的编码难题，要么是通过理论上的业务/产品问题。面试官会向你展示一个乍看之下感觉很开放的问题。这是故意的，因为这个问题的答案并不是测试的目的。所以你的解决方案是否真的有效其实无关紧要。这个问题的重点是评估你协调多步计划来解决复杂问题的能力。

为什么要测试这种能力呢？因为在实际的数据科学工作中，有的问题是非常复杂的，难以通过一步到位的方法得到解决方案。因此必须制定战略上的路线图，要列出每一步对业务和技术方案的影响，有哪些优点和缺点。要做到这一点，数据科学家必须具备一个灵活、有战略思维的头脑，才能得到有可识别的检查点的各种有效的解决方案。

对于想要提升这项技能的应聘者而言，可以去解决尽可能多的 Leetcode 问题。也要读读数据科学产品的问题。下面是一个产品问题示例：

一家外卖公司正在发布一款有新 UI 的新应用。其目标是通过增加外卖员的里程数来提升他们的收入。请给出一种测试策略，以便了解这款新应用是否比旧应用更好。

变量提取

变量提取是指为了解决手头上的问题，你能够想出多少个相关的变量。举个例子，给你这样一个场景：「在一栋建筑物中有两台电梯，一些人抱怨说其中一台比另一台慢。你需要什么才能确定这些抱怨是否合理？」

这类思想实验通常是由不太了解数据科学的产品/非数据人员提出，他们想要借此了解你的「智力」。这里的智力是指你是否有能力构想出解决这个问题的变量（能不能想到面试官自己所想到的那些）。

但你怎样才能和一个陌生人想得一样呢？但好在（我认为）这些实验中 99% 的变量都属于这几大类：

1. 时间（高峰时间是否影响电梯的快慢？）

2. 位置（也许某些楼层使用电梯的人比其它楼层多？）

3. 技术（也许电梯存在一个技术问题，这在人的内在感知之外。）

4. 用户统计（建筑物中有什么人？访客会使用一个电梯而工作者则使用另一个电梯吗？）

变量提取为什么很重要？因为其直指实验的核心。执行实验需要相关的变量来进行测试，如果你可以提出更合适的变量来提升测试的准确度，甚至超出面试官的构想，那么这个技能将极有价值。

你可以通过研究尽可能多的不同数据来提升在这方面的智力，像是时序数据、地理位置数据等等。只要能拓展你对不同知识领域数据的了解，都值得一试。

边缘案例检测

边缘案例检测通常是在你的面试官了解完前面两项之后出现。在足够了解了前面两种智力之后，面试官会给你制造一个难题。他/她会用某种方式完全推翻你为解决问题而想出的路线图和变量。

这是面试过程中的难点，因为你会感到不安，因为你的逻辑被发现了漏洞。你要冷静下来，仔细听经理话语中抛出的暗示。通常来说，他们的头脑中已经有一些答案了，你必须想办法找到它。他们会丢出一些线索提示，能提醒你找到他们头脑中的答案。

他们制造这样的能使你偏离思考流程的难题是为了了解你在处理从没遇到过的情况时表现如何。实际上，在数据科学工作流程中，你没想到过的边缘案例还有很多，尤其是在开发产品时。

如何练习？这个还真没法练习。当遇到这种情况时，做个深呼吸，提出问题，搞清楚你需要做什么，并且紧跟线索。

流程优化

最后这一项是可选的，而且如果时间足够，通常出现在技术面试的最后。这一技能基于第一项智力测试（分析思维）。一旦你脑子里面想出了一种特定的方法，经理就会问你还能不能想出解决这个问题的更好方法。

为什么要这样做？因为行业中所有数据科学工作一开始都很粗糙，需要多次迭代才能改进。但这项工作只有在第一版粗糙成果完成后才能进行。因此我觉得这个能力的优先级比不上前三个。