星期三, 二月 07, 2007

mckinsey面经[转自BMY]

交大系统工程研究所果然是牛人辈出的,我有一个本科同学就在管氏门下。
转载此文:
2007年1月19日下午4点整,我通过了两天三轮5个面试,终于拿到了mckinysey的BA的offer,不过要是算真正的为了这个offer而准备的时间,不仅仅是2天而已,甚至不是仅仅从知道有面试的机会那时候开始了。不过现在要说起那么多,倒是觉得有点辛苦,可能过一段时间会再有机会把这个经历细细的理一遍;现在呢,先趁着记忆清晰,把面试的经历记下来,但是我的记叙文能力阿,估计要请大家见谅了,将就着看吧。
另外呢,由于公司的一些保密规定,也是一种商业道德吧,很多细节都不便和大家share了,但是我想,至少大家可以通过我的描述,知道世界一流的咨询公司是怎样做面试的,希望对师弟师妹们有所帮助吧。
首先介绍一下我自己的情况,我是电信的研究生,本科和研都是在交大上的,没有做过副修或者有第二学位(管理或者英语什么的啦),也没有考过G或者托,也没有其他的什么资格认证的证书(因为我知道我有同学是去考过注会什么的);除此之外呢,本科的时候,做过一些社团活动which我觉得是给我了很多锻炼和成长的,上研之后就一直在实验室本本分分的搞科研,看电影,看美剧(惭愧,其实也曾沉迷过娱乐节目,不过后来醒悟了),研二那伙儿也没有找到很好的实习,只好暑假回家找了一家小公司实习了一个月。嗯,基本上,这就是和我找工作相关的你们需要了解的信息啦。
那么就从去年的10月17号说起吧:)
2006年10月17号,我相信很多的同学都影响很深刻,因为那天来了三家大公司做宣讲,从下午两点到晚上9点,依次是PWC,McKinSey 还有Mar’s。我和很多同学一样也是做好了三个都要参加的准备,所以中午12点多就去了,先听完了PWC,感觉那些哥哥们很能说,然后没想到换场的时候,是要先清场的,所以很不幸的,轮到MckinSey的时候,差点都没有挤进场,最后在会场最后排,站着听了2个小时。说实话呢,虽然极力想听清楚、看清楚,但是无奈实在是太远了,而且我磨脚的高跟鞋又一直和我过不去,所以能接收到的信息很有限,只是记得MckinSey的ppt上说的很多东西,我自己在网上看的时候已经了解了;另外就是觉得Mckinsey的哥哥姐姐们,虽然不如PWC的那么热情,但是给人很professional的感觉,是我喜欢的。另外就是我觉得Mckinsey的人其实很实在,他们不会把consulting这个行业说的很fabulous,而是会告诉你在这边会做到什么样的工作,对你有什么样的要求,当然还包括工作的压力,职业发展的选择,总之都是很实在的东西,而且这些在我后面的面试中也得到印证,他们真的就是这样的风格,不会有很多华丽的话语,而是对事论事,只说那些有意义有价值的话。宣讲就是这样啦,我觉得其实任何宣讲都一样,不会带给你很多很细节的信息,而只是会让你有一种感觉,这家公司的文化是不是会让你很舒服,那些做宣讲的帅哥美女会不会让你觉得很亲切。
OK,宣讲就说到这里拉。
接下来,说一下简历的问题。简历的制作,是个挺讲究的事儿,我觉得没有一定的标准,还是要根据个人的特色和求职的意向来有不一样的风格,这个好像可以以后专门来说一说。但是有一个是肯定的,就是你的经历从绝对的意义上来说决定了你的简历的分量,其他的技巧都只是锦上添花的工作了;千万不要玩虚的,那样很容易就在面试的时候露馅的,because you have to had a store to tell about each item of your resume.
嗯言归正传,这次McKinsey在交大招收的职位有两个一个是JIA,junior information analyst,另外一个就是我拿到的BA,也就是business analyst,商业分析员。两个的区别呢,主要是工作的性质和内容不太一样,前者主要侧重在信息和数据的处理上,后者呢,就会参与case,主要做的是和商业相关的一些分析工作。我听到的说法是,JIA可能会相对对你的business以及和客户沟通的background要求低一些,2年后有机会参加一个内部的面试,可以有转成BA的机会,或者是promote成IA。所以说对于非商科的学生以及本科生来说,拿到JIA offer的概率大一些;不过也没有绝对啦,像我就也不是商科的,当时在这两个职位选择的时候,了解得也不甚清楚,只是觉得我不是很喜欢和数字打交道,而对商业或者说对和人打交道比较感兴趣,所以就添了BA。后来事实证明,这还是一个挺冒险的选择,因为在笔试这一关的时候,JIA的pass概率要比BA大的多。不过 whatever,如果再让我选择的话,我应该还是会选择BA,因为拿到offer,也是为了将来能够有一个自己很喜欢的工作,而不仅仅是说只是觉得公司很厉害,就不管任何职位,先进去再说;那么如果这样的话,你以后工作不开心,也没有意思啦对不对。
接下来好像应该讲一下笔试的过程了。OK。其实到了笔试这一关的时候,我相信每一个去参加的同学,都应该和我是一样的感觉:McKinsey离我还是好远好远的一个梦啊。倒不是说笔试的内容很难,只是一切都感觉很未知,不知道会发生什么。关于笔试,我想从三个方面来说吧:
第一,笔试的形式:和其他的一些外企的笔试题目一样,属于problem solving的题目,会有几个案例,然后分别有一些问题主要涉及到关于数字计算的(以及包括一些基本的会计和管理学基本概念)和案例内容分析的。
第二,笔试的难度:不会很难让你理解不了,但是也绝不简单,要细致的看题目,高度集中的答题,还有就是一般考试都要注意的那些技巧也是必不可少的。
第三,如何准备笔试:其实没有什么可以准备的,我之前就是看了一下mckinsey给我们发的一个sample,然后临时找来关于基本的市场学啊、企业管理的那些书看了一下,保证最基本的概念不会不知道,除此之外,就是要在考试的时候保持高度的注意力集中(其实,你慢慢会发现,我的秘诀就这一个,大家都很聪明,不可能不够用,关键就是看你是不是用到了100%)。
嗯,今天就说到这里,歇歇,明天继续说面试的准备及过程。

关于面试和case
回来好久了,早上和tqmm聊关于面试的事情,才想起来面筋还没有写呢。
其实不写,也是有原因的,一是因为我这个人是临场发挥型的,而大麦的面试都是短兵相接的风格,很多细节出来之后确实记不太清楚了;其次呢,由于保密的原因,面试的具体内容是不方便和大家分享的。
但是不写一点,也确实说不过去,早上回忆面试过程的时候,惊异的发现,二面第一轮做的是什么case我都不记得了,哭啊,还没有毕业就有老年健忘症了。所以呢,想着自己还比较清楚的时候,赶快把面筋写下来。
嗯,首先给大家介绍一下,麦肯锡的面试一共有3面,每面理论上会有两轮,分别由一个面试贯给你做面试,每一轮的形式都是一样的,先是基于简历问你一些问题,之后就是做case;到了第三面的时候,就会见到传说中的par了,如果第一个par觉得你OK的话,就很幸运的不用再见第二个par了。我呢,属于是比较幸运的,第三面只见了一个par,也就是说总共经历了三面5轮面试。
接着,我们来说说case。什么叫case呢?简单的说,case就是一个需要你分析和解决的商业问题,比如说最简单的,南门的重庆餐馆最近生意不好,请你分析一下是什什么原因;又比如让你估算一下7点到10点,交大有多少同学在主楼上自习(注意,这个也可能是一个商业问题哦,因为可能卖玉米的老婆婆就需要知道10点多有多少同学会下自习路过她的小摊买一个玉米。呵呵听上去还蛮诡异的)。每个咨询公司的面试case类型都不太一样,大家从网络上都可以很容易的找到这方面的资料,我就不copy了,我说说我自己的分类吧。
第一类就是“看上去很美”实际很难的估算题,什么都有可能成为估算的对象啦,从北京市的私家车保有量,到上海市的井盖,或者交大校内的麻雀数,反正一切皆有可能,大家如果对咨询公司感兴趣,不妨平时没事就拿这个玩。估算题为什么说难呢,就是因为没有任何的frame可以套用,也就是说什么题目都要当场发挥自己的聪明才智和常识,即时构建出一个make sense(如果能兼有creative那就更好啦)的算法来。
第二类题目,我把它们叫做“WHY”题目,就是会问你为什么的。为什么市场分额位下降?为什么销售额没有到达预期的增长?为什么收入多了但是利润却减少了?这类题目呢,就需要你像侦探一样,一层层的把问题分解开,然后找到症结所在。这种“WHY”题目我认为是最基础也是最重要的,因为我觉得解决这类问题的过程能够充分的显示你的思维能力和分析能力,并且这也是最贴近你将来工作真实情况的。
最后一类就是“HOW”。这一类题目是“WHY”的升级版本,除了以上要求的,还要求你有创造力和很强的business sense。举个例子,比如说一个韩国的明星要进军中国演艺圈,问你要不要?如果要得话应该怎么做。
说完了case,最后还得说一下frame。因为没有frame,做case就是寸步难行。frame是什么呢?我的理解,就是帮助你构建思维的一个工具,对于像我们这样没有工作经验,甚至都没有商科背景的人来说,frame是非常非常重要的。一样的,你去网上搜索一下关于frame的资料,有非常非常地多,你可以一下午就看完所有的frame。但是看完之后,不要认为就OK了,一定要通过联系case把这些frame消化成自己的,最好呢是能够基于这些public的frame,还要提炼出带有自己特色的private frame。否则你在真正做面试的时候想要用的话,就会非常地生硬,甚至你都记不起来要用什么。
说到这里,也许很多同学都会觉得不太能理解我上面说的一些意思,其实要是放在我2个月前,我也不一定可以理解;我想我写的这些,可能在大家对咨询公司和咨询公司的面试稍作了解,并且自己亲自去看看case之后再来看,会有更多的认同吧。说句老实话,如果你真的对去咨询公司很感兴趣,那么我觉得是肯定要付出努力的。现在的就业形势要比前几年好很多,但是和北京上海相比,我们这边的高端机会真的少很多,就拿咨询或者投行来说,即使他们来西安招聘了,大家也一定要清楚,和你一起竞争的,不是我们交大的同学,而是那些从大二大三就开始准备要进入这一行的、具有丰富实习经验的北京上海的同学。机会来了,不努力是抓不住的。相信很多同学对去年去了摩根的那个gg还有记忆,他是我的一个师兄,他找工作的时候也是这样,非常的拼命,他拿到摩根面试的机会,就是他跑到上海去争取的,而且他在面试之前对于c,c++这些专业的东西,花了很多时间准备。再说一个今年我们实验室的一个同学,他在一开始找工作的时候非常地不顺利,但是他一直都没有放弃努力,并且对于笔试面试的专业知识进行了近乎疯狂的准备,现在他手上拿了一堆dream offer并且还有dream都dream不到的offer。那拿我自己来说,我虽然之前也有一个很好的offer了,但是面对这次机会,我从对咨询一点都不了解,用了一个多月的时间,看case,学习frame,还有恶补了经济学啊市场学啊管理学什么的。所以说我自己感触特别多的与其说是这个offer 多么好,还不如说是这个过程让我体会到了很多快乐,付出之后得到回报的成就感。
好吧,今天就说到这儿,明天接着说。


面试过程
1月17号中午11点半,飞机到了北京首都国际机场之后,直接到了嘉里中心先住了下来。然后给fiona打了电话,她安排我们说下午先去公司看一下,我和黄总商量了一下,认为还是有必要穿的比较正式,于是就换了面试的套装去了。说起我的面试套装,其实从头到尾就那么一套,每次去面试都是这一套,可以说给我立下了汗马功劳了。嘉里中心是香格里拉集团投资的一片写字楼,有一幢叫做嘉里中心,也就是麦肯锡北京office所在;另一幢相连的就是嘉里酒店也就是我们入住的,以后有xdjm要去面试,估计也是住在哪里;另外一幢是酒店式公寓,以后有钱了说不定可以。。。嘿嘿嘿
到公司看看其实就是看看,终于和联系已久的fionamm见了面,很nice很pp的一个mm,她在一个会议室(麦肯锡公司里面都是大大小小的会议室)里给我们讲了一下明天面试的安排以及要注意的事情,和一般的HR不一样,我觉得她也很紧张我们的表现,一直给我们说晚上也不要放松了,还是要好好复习准备,一定要表现出最好的一面:)大概5分钟吧,我们就离开了。
晚上走了好远才吃到了熟悉的吉野家,幸福中。晚上早早就睡了。
第二天一早,喝了两罐红牛(还是王阳在西安给我买,嘿嘿,我们实验室面试前都喝它,效果真的不错)就冲到公司了。
稍等了一会儿我们就开始了一面。说实话,在面试之前我都是很紧张的,但是一开始面试我觉得就还好了。一面要比我想象的简单一点,出来之后我就觉得应该没什么问题。第一个面试官比较nice,最后做完case之后告诉我说他认为我做的很好,给了我很多信心。第二个面试官就不那么nice了,不过也不要紧,你要搞定的是case不是面试官啦。
等了一小会儿就听到fiona一路小跑过来通知我们,我们都pass了一面。之后我每次听到fiona1小跑的声音都觉得很开心。简单的吃了一点,就马上开始二面了。
我认为二面其实是最难的一面,无论是面试官风格和case风格都和一面很不一样。特别是case我觉得如果说一面frame可以作主角,那么二面frame只能一开始用于引入正题了,后面的突发情况全部要靠自己的灵活应变。
其实关于面试,因为具体内容我不方便说,所以只能谈一下我的感受和经验了。我觉得这种面试的时候,没有普适的技巧,只有通用的原则,就是要专心一致,全神贯注,并且无论遇到什么样困难的场景,都要相信自己有搬盘的机会。
我做完二面之后很快fiona就告诉我我通过了,但是final要到明天下午。那就等吧,这会儿已经不那么紧张了。
第二天下午再去的时候,就直接见了par,越是level高就越是nice啊,这真的是真理。在par那里谈到我的简历时,我觉得我有一点点亢奋,这和平时面试的冷静很不一样,我坐在他面前,看着19层外面,我突然觉得这就是我求职的终点,于是我就情不自禁的把我面试以来的所有想法和经历都说到了,感觉像是对这一段经历作一个回顾。之后的case 就变成了小case。
面试完了之后,我又在第一天fiona见我们的那个会议室等了一小会儿,然后就又听到可爱的fiona小跑的声音,她冲进来对我说,恭喜你啊,显得特别高兴,真是个可爱的mm。就这样,我结束了我的麦肯锡面试之旅,也结束了我的求职之旅。
最后,如果要说什么对大家有帮助的话,那么我想就是,坚持自己的梦想!你一定可以做到。
链接:
http://jjzhang-1999.spaces.live.com/
http://77sworld.spaces.live.com/

星期二, 二月 06, 2007

统计语言模型[吴军, Google 研究员]

前言
也许大家不相信,数学是解决信息检索和自然语言处理的最好工具。它能非常清晰地描述这些领域的实际问题并且给出漂亮的解决办法。每当人们应用数学工具解决一个语言问题时,总会感叹数学之美。我们希望利用 Google 中文黑板报这块园地,介绍一些数学工具,以及我们是如何利用这些工具来开发 Google 产品的。
系列一: 统计语言模型 (Statistical Language Models)
Google 的使命是整合全球的信息,所以我们一直致力于研究如何让机器对信息、语言做最好的理解和处理。长期以来,人类一直梦想着能让机器代替人来翻译语言、识别语音、认识文字(不论是印刷体或手写体)和进行海量文献的自动检索,这就需要让机器理解语言。但是人类的语言可以说是信息里最复杂最动态的一部分。为了解决这个问题,人们容易想到的办法就是让机器模拟人类进行学习 - 学习人类的语法、分析语句等等。尤其是在乔姆斯基(Noam Chomsky 有史以来最伟大的语言学家)提出 “形式语言” 以后,人们更坚定了利用语法规则的办法进行文字处理的信念。遗憾的是,几十年过去了,在计算机处理语言领域,基于这个语法规则的方法几乎毫无突破。
其实早在几十年前,数学家兼信息论的祖师爷 香农 (Claude Shannon)就提出了用数学的办法处理自然语言的想法。遗憾的是当时的计算机条件根本无法满足大量信息处理的需要,所以他这个想法当时并没有被人们重视。七十年代初,有了大规模集成电路的快速计算机后,香农的梦想才得以实现。
首先成功利用数学方法解决自然语言处理问题的是语音和语言处理大师贾里尼克 (Fred Jelinek)。当时贾里尼克在 IBM 公司做学术休假 (Sabbatical Leave),领导了一批杰出的科学家利用大型计算机来处理人类语言问题。统计语言模型就是在那个时候提出的。
给大家举个例子:在很多涉及到自然语言处理的领域,如机器翻译、语音识别、印刷体或手写体识别、拼写纠错、汉字输入和文献查询中,我们都需要知道一个文字序列是否能构成一个大家能理解的句子,显示给使用者。对这个问题,我们可以用一个简单的统计模型来解决这个问题。
如果 S 表示一连串特定顺序排列的词 w1, w2,…, wn ,换句话说,S 可以表示某一个由一连串特定顺序排练的词而组成的一个有意义的句子。现在,机器对语言的识别从某种角度来说,就是想知道S在文本中出现的可能性,也就是数学上所说的S 的概率用 P(S) 来表示。利用条件概率的公式,S 这个序列出现的概率等于每一个词出现的概率相乘,于是P(S) 可展开为:
P(S) = P(w1)P(w2w1)P(w3 w1 w2)…P(wnw1 w2…wn-1)
其中 P (w1) 表示第一个词w1 出现的概率;P (w2w1) 是在已知第一个词的前提下,第二个词出现的概率;以次类推。不难看出,到了词wn,它的出现概率取决于它前面所有词。从计算上来看,各种可能性太多,无法实现。因此我们假定任意一个词wi的出现概率只同它前面的词 wi-1 有关(即马尔可夫假设),于是问题就变得很简单了。现在,S 出现的概率就变为:
P(S) = P(w1)P(w2w1)P(w3w2)…P(wiwi-1)…(当然,也可以假设一个词又前面N-1个词决定,模型稍微复杂些。)
接下来的问题就是如何估计 P (wiwi-1)。现在有了大量机读文本后,这个问题变得很简单,只要数一数这对词(wi-1,wi) 在统计的文本中出现了多少次,以及 wi-1 本身在同样的文本中前后相邻出现了多少次,然后用两个数一除就可以了,(P(wiwi-1) = P (wi)/[P(wi-1,wi)]。
也许很多人不相信用这么简单的数学模型能解决复杂的语音识别、机器翻译等问题。其实不光是常人,就连很多语言学家都曾质疑过这种方法的有效性,但事实证明,统计语言模型比任何已知的借助某种规则的解决方法都有效。比如在 Google 的中英文自动翻译中,用的最重要的就是这个统计语言模型。去年美国标准局(NIST) 对所有的机器翻译系统进行了评测,Google 的系统是不仅是全世界最好的,而且高出所有基于规则的系统很多。
现在,读者也许已经能感受到数学的美妙之处了,它把一些复杂的问题变得如此的简单。当然,真正实现一个好的统计语言模型还有许多细节问题需要解决。贾里尼克和他的同事的贡献在于提出了统计语言模型,而且很漂亮地解决了所有的细节问题。十几年后,李开复用统计语言模型把 997 词语音识别的问题简化成了一个 20 词的识别问题,实现了有史以来第一次大词汇量非特定人连续语音的识别。
我是一名科学研究人员 ,我在工作中经常惊叹于数学语言应用于解决实际问题上时的神奇。我也希望把这种神奇讲解给大家听。当然,归根结底,不管什莫样的科学方法、无论多莫奇妙的解决手段都是为人服务的。我希望 Google 多努力一分,用户就多一分搜索的喜悦。

星期五, 二月 02, 2007

失去了,就不再会回来

感慨一下