1. 数据挖掘岗位面试评分表
1、负责字节内部视频类产品的账号评估工作，从内容质量、创作类型、内容形式等多维度对账号进行评估，监控并调控站内内容生态；2、负责跨平台对其他平台账号进行评估工作，挖掘优质创作者，提高平台优质作者数量；3、参与改进及优化账号评估的标准及流程，协助优化工作流程；4、与产品、技术等部门沟通协作，维护生态，保持产品调性。
2. 招聘面试评分表
1、要做绩效面谈，必然要明白什么是绩效管理。绩效管理，是为了让管理者与员工达成组织的目标，共同参与的一个过程，包括了绩效计划制定、绩效辅导沟通、绩效考核评价、绩效结果应用和绩效结果提升的持续循环的过程。
2、面谈准备，首先是部门员工的粗盘点，从整体上对组织的员工进行分析。一般可以按照能力和意愿将员工划分为四象限，每个象限的员工的沟通方式和要求都不一样，需要管理者能深入的了解员工的潜力和能力。然后是面谈准备，包括会议室预定，员工个人绩效计划与结果的打印，以及相关的绩效证据收集，这些是为了让绩效沟通的整个过程更加高效。最后则是预见员工可能会产生的问题清单。
3、工作业绩的综合完成情况是进行绩效面谈时最为重要的内容，在面谈时应将评估结果及时反馈给员工，如果员工对绩效评估的结果有异议，则需要和员工一起回顾上一绩效周期的绩效计划和绩效标准，并详细地向员工介绍绩效评估的理由。通过对绩效结果的反馈，总结绩效达成的经验，找出绩效未能有效达成的原因，为以后更好地完成工作打下基础。
3. 数据挖掘岗位面试评分表格
近段时间一直在面试，期间有一些小心得，包括：作为面试者，应该如何设问来获取信息进行判断；以及作为被面试者，应该如何回答才更容易击中要害。在此记录成文。
首先强调一下，面试本是缘分，无论是否通过，并不证明你的个人能力强弱，更多的是靠双方交锋时的临场感觉，以及公司实际情况，因此本文内容仅为个人观点，并不代表业内衡量标准哦~
一般我会把我面试时的问题分为3类：开放性问题、案例性问题、设问性问题，下面分别针对每类问题展开讨论，我觉得如果这些问题答的到位，很容易快速形成判断。
1、开放型问题
顾名思义，指那些没有边际，全靠被面试者经验发挥的问题，通常这类问题我想观察被面试者的表达能力，逻辑思维能力和沟通能力。举例来说：
你怎么看XXX行业？
XXX为被面试者之前做的产品所在行业。产品经理需要掌握行业分析能力，一般如果做了1年，应该对某个行业有一定认知，我希望被面试者能在回答这个问题时，不要天马行空想啥说啥，而是有一定条理，有一定论点，有一定论据。比如我做过的红演圈，属于艺人经纪行业，就可以从：
行业当前从业者身份（模特、演员、歌手）
从业者数量（百万级）
行业主要业务范围（选秀、见组面试、试戏、广告拍摄、网红直播）
用户痛点（找到靠谱机会、找到靠谱艺人）
现有解决方案（艺人跑组、经纪公司推荐、海选）
行业入局者有哪些（星云颜值、红演圈、选角、全民造星、美空）
行业发展自己的个人看法（全民娱乐，影视资源丰富，市场前景看好，但从业人员良莠不齐，行业规则混乱，需要良好规范）
以上几个方向来回答。
2、案例型问题
指需要被面试者举出实际工作案例，来证明自己能力的问题。通常我会根据岗位要求，针对简历中描写的项目经历来提问。举例来说：
能否举个例子，来证明你的数据分析工作，对公司，或者对用户产生了价值，以及都产生了哪些价值？
这个问题能快速判断一名产品经理的数据分析能力、需求处理能力、项目把控能力。一方面要清楚为什么要做数据分析，一方面讲清楚如何分析，另一方面还要证明通过推进数据分析项目，实际产生了价值，而不是为了做而做。具体回答时，也建议有一定条理。比如我在网易做数据分析产品时，就可以说：
做项目之前的情况（公司内部数据管理混乱，每个人对同一指标概念不统一，埋点随意，采集的数据分析维度单一，对具体运营编辑无指导意义等）
我都做了什么（规范统计口径，根据统计模型进行可视化界面设计，优化数据传输协使数据记录更全面，从竞品数据对比、分频道热门文章排序、分享传播路径、渠道分组分析等多角度为各身份人群提供定制数据查询功能）
做了之后效果如何（产生竞品意识，编辑推荐文章更符合用户口味，能产出更多具有传播性的内容，渠道价值可量化等）
3、设问性问题
这类问题就是靠面试者根据自身需要，或者简历疑问进行设问了。通常在这方面我会进行“刨根问底”式的追问，通过连续询问“为什么”来挖掘被面试者是否真的理解自己做的东西，或者充分思考过工作中的问题。举例来说：
问：你如何做需求收集的？
答：做需求池，将需求分类放入需求池。
问：你是怎么判断某个需求是否可以入需求池？
答：根据需求是否能解决问题，是否有价值。
问：你如何判断解决这个需求是否有价值？
答：确认当前问题是什么，确认问题发生的原因、场景、行业解决方案、解决的成本、解决后的收益。依此来判断这个需求是否值得做。
通过层层设问，来判断被面试者分析问题解决问题的思路。
最后再从面试者的角度，给大家提些面试时的小建议：
1、面对开放性问题，如果你不直接回答，而是先通过“反问”将答案缩小，会在我这里得到加分哦。
比如听到“介绍下你自己”，先问“你想具体了解我哪方面”，让面试问题聚焦。
2、回答时，切忌自说自话，而是在回答一段后，问一句“我的回答是否是您想问的”，令面试过程互动起来，会得到加分。
3、回答时，尽量采用结构化思维，条理清晰，有理有据，推荐句式：我的观点是、首先、其次、然后；第一、第二、第三。尤其在面试策略、后台产品经理时，这样的回答会有加分
4. 数据挖掘人员面试
（1）项目的数据量多大，多少维，数据都是怎么预处理的。
（2）你应用过哪些数据挖掘算法，针对简历上的算法或者模型，你看过源码或者模型中细节你知道多少，还是仅仅调用API用用而已
(3）项目中，你遇到过的最大的困难时什么，怎么解决的，从中学到什么。
（4）项目中hadoop搜索引擎你是怎么设计的，其中的分词是什么。
（5）数据是存在HDFS中还是Redis中的。
（6）spark和Hadoop的基本架构，尽量说。
5. 数据分析岗笔试
数据分析师考试针对不同基础的人群，中国商业联合会数据分析专业委员会推出了两种人才考试项目：CPDA数据分 析师和CDA数据分析员。两类考试费用如下： CPDA数据分析师和CDA数据分析员均为考培一体的； CPDA数据分析师费用为8800元，包含培训费（8天面授+远程培训），书本费，考试费CDA数据分析员费用为1500元，包含远程培训费，书本费，考试费
6. 数据挖掘分析岗位
获得数据分析师认证证书，取得行业敲门金砖，并进而成功拿到心仪企业的Offer，是不少求职者的梦想。市场中的证书较多，有些是含金量高的，而有些是价值低的，大家一定要选择到好的认证。在这里给大家比较下目前市场中的数据分析类证书。
一般认证机构是两种类型，一种是国家部门认证，一种是行业性质认证。
l 国家部门认证
目前国家部门关于数据分析的认证还没有一个权威的机构。大数据属于新兴科技，一般前沿技术会先实践于企业之中，而相关部门的了解会有滞后性，所以关于大数据和数据分析的专业化技能、知识体系等主要是流行于高科技企业之中，在这个行业成熟之前，国家部门是无法颁发具备专业性兼具认可度和权威性的证书。目前有发证的机构是工信部、教育部、人社部，这几个部门发的证书更多是一个技能的证明，因为在他们管理的上千个认证中，根本无法做到专业，这些证书可能会在国有企事业单位中有一定的参考作用，但并不具有评职称作用，在大数据行业内也无人问津。
l 行业性质认证
1. SAS认证
SAS全球专业认证是由SAS公司颁发的、国际上公认的数据挖掘和商业智能领域的权威认证，随着我国DT环境和应用的日渐进步，以上两个领域将有极大的行业发展空间。获取SAS全球专业认证，会让您在数据挖掘、数据分析领域积累丰富经验奠定良好的基础。但是SAS面临的问题在于，越来越多的竞争性开源软件进入市场，如R语言，PYTHON，Spark等等，由于SAS昂贵的费用，导致自身软件的使用率下降，市场占有率低，在中国一般是大型银行有用到SAS，而其他单位的使用逐年减少。因此SAS证书对于大多数的数据分析人士来讲，如果你是倾向于找国有大型银行的工作，可以考虑；如果你是希望去北美发展，也可以考虑；但如果没有这种机会，最好还是考个其他的认证。by the way， Oracle的认证也类似，不过Oracle的认证没有SAS的好使
2. Coursera
Coursera是免费大型公开在线课程项目，由美国斯坦福大学两名计算机科学教授创办。旨在同世界顶尖大学合作，在线提供免费的网络公开课程。Coursera的首批合作院校包括斯坦福大学、密歇根大学、普林斯顿大学、宾夕法尼亚大学等美国名校。
Coursera证书是每门课程的结业证书，代表修过这门课程并具备相关技能，在美国来讲一些学校是认可的，对申报留学也许有一些作用，但是在国内来讲也更多是一个技能参考作用。by the way， edx也类似
3. CDA数据分析师认证
CDA认证是由CDA Institute发起，在国内由经管之家承办的数据分析师专业证书。是一套专业化，科学化，国际化，系统化的人才考核标准，分为LEVELⅠ ，LEVEL Ⅱ，LEVEL Ⅲ，涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能，符合当今全球大数据及数据分析技术潮流。每年6月与12月底在全国范围举办线下数据分析师考试，通过考试者可获得CDA数据分析师认证证书。CDA认证目前已被德勤（Deloitte）、苏宁、中国电信、重庆统计局等企业单位纳入到了内部员工的考核之中，并且来自百度、阿里、京东、惠普、中国银行、IBM、联想、移动、华为、尼尔森宝马、奔驰及政府部门等企业单位的员工有考取CDA认证，并获得了不错的薪资和职位。由于CDA数据分析师专注于数据分析和大数据领域，每年投入大量的资金和人力用于研发，目前CDA认证算是国内最具认可度、含金量最高的证书。
4. BDA认证
BDA是由中国商业统计学会设立的数据分析师培训与考试项目，为提高数据分析工作人员的业务素质。分为初、中、高三个级别，该认证近两年才出来，属于一个新的证书，目前还没有一定的知名度。相关的宣传网站建设还不完善，知识体系还不够强，不推荐大家考取。
5. CPDA认证
CPDA是中国商业联合会下面的二级分会颁发的证书，CPDA的实际意思是项目数据分析师，之前的培训重点在财务方向，自大数据火起来后，逐步往统计和软件方向靠，从品牌定位来讲不明确统一，并且这是培训绑定证书，必须缴纳高额的培训费用才能参加考试，并且多年来一直是只有一门几天的课程内容，不具有完整的知识体系，加上中国商业联合会也是一个非数据科学技术的协会，从专业角度来讲有一些水分。因其在宣传上推广力度大，知道其品牌的新人小白人士较多，但是从企业的认可来讲，参考意义不大。
其他的一些机构认证大多是自己公司的培训证书，就更没有参考价值了。
7. 数据挖掘岗位面试评分表怎么写
第一，事实性数据。可分为个人层面的、组织层面的、岗位层面的。个人层面的数据有人员数量与结构、学历、年龄、性别、家庭背景、工作经历、技能特长等，就个体而言这些数据通常是唯一的或不经常变化的静态性数据，虽然年龄会随着时间而变化，但是每个点是不变的。这类事实性的数据，在企业人力资源管理中常被称之为人事档案信息，这也是人力资源的最基本的信息数据，是多数分析的基础。那么首先要实现全体员工人事档案的全面数字化管理，再利用这些数据做有价值的分析。
第二，动态性数据。这类数据通常是变化的，是在人力资源业务处理过程中产生的动态性数据。比如招聘业务，我们计划招聘20位员工，但是这个过程中可能会收到500份简历，面试50人，过程中的数据就会分析反映出招聘效果与效率。
第三，整合性数据。这类数据往往是通过计算、分析、挖掘得到的，是综合整理、关联运算出来的综合性数据，比如人事费用率、人均效益、人均工资等。
8. 面试评分汇总表
初中数学教师资格证面试考试总分是100分，60分以上为合格。不过考生在查询面试成绩时，看不到具体的分数，只有“合格”与“不合格”。
考生如对本人的面试成绩有异议，可在面试成绩公布10个工作日内向当地考试机构提出申请复核(个别省份为5个工作日，具体时间以面试公告为准)。复查后的反馈结果由当地考试机构告知考生。