先问清楚再展开,但问的方式是带着假设去确认,不是空手要答案。Product case考的是解决问题,框架只是帮你抓重点的工具,用错框架比少列几条更糟。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先确认问题再选框架,顺序不能反
立正把这类面试定性为考 problem solving,不是考你背了多少方法。他举的例子很直接:面试官递给你一颗螺丝钉,你该拿螺丝刀,而不是急着把话题引到自己最熟的 A/B testing 上1。放到 traffic drop 上,先问“drop 具体发生在哪个环节、哪个时间段、幅度多大”,就是在确认手里是螺丝钉还是钉子;确认之后,你列的假设清单会短很多,而且每条都对着真实症状。反过来,一上来把 funnel 从上到下逐条 validate,风险是框架本身选错了方向,后面越认真越偏。他也提到 framing 的目的是尽快抓到问题重点,换个角度切就可能完全错过重点2。
问信息不等于放弃结构,要带着假设问
AI推演立正说这类开放题没有标准答案,别把时间花在找那个正确答案上,而是一步步沟通,弄清这个问题是为了做什么、对应的 action 是什么,再据此做取舍3。同时他要求分析既抓重点又覆盖全面,不能自以为抓住了重点、其实重点在别处没覆盖到3。这两条合起来,比较稳的做法是:先给出一个初步判断(比如“我猜最可能是新版本上线后某个入口的转化掉了”),再向面试官确认这个方向对不对、有没有更具体的线索。这样既展示了结构,又把面试官的反馈变成你的信息源;纯列 1.2.3.4 等对方挑错,等于把判断权交出去了。
现有片段讲的是 Product case 的总体原则,没有专门针对 traffic drop 的完整示范,具体问法需要你自己按题目调整。
出处
- 1面试官详解版Data Scientist Product mock interview|你怎么被面经坑的|课代表数据大师课1
立正直接讲这类面试考解决问题、要按问题选方法,是本题最核心的依据。
- 2聊聊什么是理想的「资深数据分析师」?|feat. 抖音面试200+的资深面试官/DS界著名评论家
说明 framing 是为了抓重点,角度选错会完全错过重点,支持先确认再展开。
- 3开放式问题怎么答?Product Sense面试最常犯的错误
讲开放题要边沟通边弄清目的和 action,同时分析要全面,对应“问信息”和“列框架”的平衡。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- Product case怎么有效准备 比如root cause analysis
准备 product case 的关键不是背框架,而是先弄清这家公司、这个岗位真正要解决的成果是什么,再把 root cause 分析落到可验证的指标和取舍上。
- 我是一名制造业的 HR,现在想要转型到智能制造、相对高端的智能硬件制造,甚至是 AI 行业继续做 HR。
我最常听到的一个说法是,人事应该更加懂业务、更加靠近业务,才会有不会被 AI 取代的价值。包括在很多求职过程中,候选人都会被面试官问:“你懂不懂业务?你知不知道什么叫懂业务?你知道这个业务是什么?”
所以我想知道的是:所谓的“懂业务”,到底什么是懂业务?怎么去懂业务?达到什么样的程度才能被称之为懂业务?
拿我之前的一次面试做例子。我当时面的是 PCB 行业,相当于跨行业了,因为我之前是在汽车零部件行业做的。当时面试官问我,生产过程的流程是怎么样的,分了哪几道工序,以及其中哪些是最重要的。但是回头思考了一下,好像的的确确很少去认真思考过所谓的业务到底是怎么样的。我个人的认知是,我们需要思考以下几个问题:
1. 我们公司到底做的是什么产品?它的定义是什么?
2. 它有哪些工作流程?流程当中哪些东西是比较关键的?
3. 这个产品在市场上的发展情况是怎么样的?还有没有增长的空间?
4. 我们公司擅长做什么样的东西,不擅长做什么样的东西?这些东西未来的市场又是怎么样的?
但是我始终得不到一个比较准确、有参考价值的系统性答案。你觉得呢?
“懂业务”不是背下工序名词,而是能判断业务结果的好坏、分清主次,并对结果负责;对 HR 来说,就是能把招聘、绩效、组织设计等动作和业务成败连起来。
- 复利和超线性有什么关系?
复利是超线性回报的一种机制:上一轮的积累让下一轮回报更高,回报就不再与投入成正比;但复利不会自动发生,需要地基和持续投入才能兑现。
- 文职工作,比如写剧本之类的会被ai替代吗,特别是还没入职的,也没有自己的一个判断力和积累
写剧本这类文职不会被AI整体抹掉,但“只负责把已有材料写成通顺文字”的那一层会最先被压价;还没入职、判断力没积累,恰恰该从做小东西开始积累,而不是先等想清楚。
- 你有说过很多关于人如何成为超级个体,如何更加 AI native。我们在做事的时候,特别是在企业内做事,在 AI 的时代,可能要思考新的流程、新的方法,要对原本的流程做变革。因为很多事情在以前的生产力的关系,它可能由于成本太高,形成某些共识,潜移默化地影响了做事的方式。到现在很大部分的生产力被解放出来,由 AI 提供,很多问题要重新思考,很多可能之前默认的事情都要被翻出来,重新想要怎么做,这个流程怎么做才合适。所以这里要问很多的"Why?",并且对这个流程做重构。个人成为超级个体和 AI native 组织这两件事情本质上是等价的。因为组织就是由人来构成,在一个超级 AI native 的组织上工作的方式一定有 AI native 的人的行为组成。所以我想了解,之于企业、之于人,在企业中我们的流程、我们的做事方法应该怎么被改变?我们的思考方式应该怎么被改变?AI 的价值在什么地方?除了做事方式之外,还有什么其他是需要配合改变的?例如企业内的奖惩制度、绩效制度等等,这些应该怎么样一起去做变革?
AI 进入企业后,先要删掉那些只为防人、只为验收动作而存在的流程,再谈用 AI 提速;同时把激励改成让减少无效工作的人真正获益,否则流程会重新长回来。
- 课代表在如何获得与能力相称的影响力,这期访谈视频中,提到了不要只去设想把一件事情做完之后获得的成就感,而是要思考在完成这件事情的过程中所获得的,这个说法之前是否在其他视频中提到过?如果有,请列出视频;或者有没有其他的和这个观点一致的内容?
现有片段里没有找到立正此前用同一说法讲过“别只想着做完后的成就感,要看过程中的收获”;最接近的是他讲手艺与mastery时强调在做的过程中获得正反馈,以及课程里主张在项目落地过程中学架构原则。