在軟體工程或資料科學的求職過程，大家幾乎都免不了要面對寫程式的技術面試（Coding Interview）或者白板題。技術面試當然是在檢驗程式能力，但絕對不是一直低頭敲鍵盤、寫出符合要求程式碼，就能獲得滿分，「溝通」也是技術面試裡非常重要的檢驗項目。
在這則筆記裡，我將從自己找資料科學工作的面試經驗出發，介紹為什麼 Coding 面試需要溝通、並分享技術面試不得不注意的三項溝通要點，我也引用高手的模擬面試影片作為範例，幫助讀者學會如何在實戰中展現溝通技能。
本文提及的技巧只要是面對面的技術面試都適用，不論你寫 Python、SQL、或者 R，都值得把這些技巧學起來。
目錄
釐清資料的溝通
動手寫 Code 前，沒有先釐清資料，在面試中絕對是扣分
做資料處理或抽取的時候，程式碼內其實都包含了對資料的理解，然而在面試過程，我們到手的都是全新的資料、不可能馬上通盤理解。要是沒有花點力氣理解新資料的特徵就直接寫程式，那就像無頭蒼蠅一樣迷失方向，程式碼就算語法正確、也只會讓面試官覺得你沒想好就動手、不夠專業。
關鍵提問：「我是否可以假設…」
面試過程該如何理解新資料呢？就是提問！你可以直接開口與面試官討論你擔心可能會出現的資料問題，即使面試官沒有直接回答，你也必須說出你對資料的假設、來釐清你接下來為什麼這樣寫程式碼。
在筆者的經驗裡，對資料的提問通常包括以下幾種面向：
- 對於商業目標的定義
- 期望結果的形式
- 資料缺失、或者雜訊
- 資料表之間的 JOIN 方式（Primary Key & Foreign Key）
- 極端情況
在以下的 SQL 模擬面試影片中，Andrew 對這幾個面向都各自有提出問題或假設，我們就以此為範例：
首先，在影片的 3:13，Andrew 被要求處理「員工」與「專案」兩份資料表，計算完成至少 10 個專案的員工中，薪資最低的幾個人是誰。對此，他直接提出他對資料的假設：
- 所有員工都包含在資料表內（資料無缺失）
- 資料表內不會包含尚未開始或無意義的專案紀錄（資料無雜訊）
- 用 ID 欄位來 JOIN 兩份資料表（確認 Primary Key & Foreign Key）
接著，在影片的 5:34，Andrew 也跟面試官確認了期望結果的形式：只需要員工的 ID。所有資料表有那麼多欄位，最後對解決問題有幫助的可能只有特定幾個，因此我們需要注意最終輸出結果只包含重點欄位即可。
在影片的 7:19，Andrew 問面試官「完成專案」的定義是什麼，這是同時是在釐清解決問題的目標以及資料特性。也是 Andrew 主動提問之後，面試官才提出「完成專案」如何用起訖時間來定義。
在影片的 9:59，遇上延伸問題，要計算「未完成專案」的員工的薪水，Andrew 利用他面試過程目前為止對資料的理解提出多種極端情況（Corner Case）來討論定義「未完成專案」會有的問題，例如：不能單用 完成時間 = NULL 來定義未完成，因為可能出現「完成時間在未來」的資料！
值得一提的是，上述 Andrew 提出釐清問題的提問與假設，不一定全部都要在寫 Code 之前一次提出來，有些資料問題，可能是動筆寫程式寫到一半、或者是寫完才想到，這時遇到問題再提出討論，也依然是有做好溝通、不會扣分。只需要記得：如果寫程式前，沒有任何一句對釐清資料的假設或提問，那肯定是個警訊！
筆者在某次 SQL 面試遇到的問題是：找出全班考試總得分第一名的同學。當時經驗不足，只確認了幾個資料缺失的可能問題，就直接動筆寫程式了。在我自信地寫完 SQL 程式碼、沾沾自喜之際，面試官眉頭一皺問我：「如果有多個同學考試總得分並列第一名，你的程式只會找出第一名，對嗎？」。
聽到這個問題，我就知道自己犯了大忌了，在開始寫程式之前，我對解題目標與極端情況欠缺考慮、更沒有提出討論。發生「分數並列第一」的情況是再合理不過，我卻沒有注意到這項可能，在面試官眼裡，我就成了粗枝大葉、沒有縝密思考就行動的人。
Pseudo Code 的溝通
釐清資料問題後，還有一個步驟可以提升我們溝通程式碼的效率：Pseudo Code。
寫 Pseudo Code 不使用特定程式語法，而是用口語的方式寫出程式運作的邏輯。換言之，寫 Pseudo Code 的時候，我們不用因為程式語言的特性步步為營，只需要寫清楚程式的每一步驟要做什麼、專注在 問題拆解 即可。
以下的影片是由 Kaggle 的資料科學家示範 R 語言的面試：
影片中，Rachael 被賦予的任務是寫出可以計算出欄位內離群值的函式，她寫出的 Pseudo Code 步驟如下：
- 函式輸入的參數是一個欄位（Column）
- 算出不屬於離群值的最大與最小值
- 查看欄位內，有哪幾列資料超出最大與最小值的範圍
- 用布林陣列表示第 3 步驟的資料點篩選，並且回傳
在此，Rachael 甚至還沒寫程式，光是用註解 Pseudo Code、加上口述表達的方式，就已經向面試官展現出「她很懂！」：
- 她具有足夠的統計學知識來解決問題、知道怎麼計算離群值
- 她懂得拆解問題，變成可以用程式來解決多個步驟
- 她有釐清函式（或者說 API）的需求，訂定出恰當的輸入與輸出
使用 Pseudo Code 可以讓面試官更容易跟上你的邏輯思維。如果沒有寫 Pseudo Code，最糟糕的情況是，程式碼自顧自地寫得又臭又長，面試官又失去耐心看你的程式碼，那整場面試等於是零分！相反地，先寫好 Pseudo Code，面試官就會知道我們已經理解問題點、並懂得如何解決，即使之後寫出來的程式語法不是 100% 正確，只要 Pseudo Code 能反映你的邏輯正確、還是能獲得大部分的分數。
更重要的是，Pseudo Code 不只是寫給面試官看的、它對我們面試者而言也是 寫程式的骨架，到了真的動筆寫程式的階段，程式碼就只是 Pseudo Code 的換句話說而已，有 Pseudo Code 會讓我們寫程式的過程更輕鬆、不會迷失方向。
筆者好豪在某次 SQL 面試的倒數 3 分鐘，面試官突然拋出一個比較困難的 SQL 加分題，問我要不要試試。我當時心想 3 分鐘內，大概不能把 SQL 語法寫到完美，索性決定放棄程式語法，直接用口頭討論 SQL 解題。我先釐清資料問題，再口述我的 SQL Pseudo Code 包含哪些步驟，所有溝通過程，在我與面試官交流的白板上，我只寫下幾個超簡單的關鍵字，像是：
CROSS JOIN table1 & table2WHERE user_id 相同 以及 DATE_DIFF(table1, table2) = 1
就這樣，在沒有真的寫出程式碼的情況下，我也成功解出這個加分題、通過這場面試。從這場超短時間限制的難關中，我深刻地學到：
表達正確的解題邏輯，比程式碼本身還重要！
呈現結果的溝通
就算你已經辛辛苦苦地把程式碼寫完了，面試也還沒有結束！在實戰場景，寫完程式後，還有許多工作要完成，而在面試中，你也需要展現出自己知道寫完程式之後該做什麼、以及如何溝通自己的成果。因此，技術面試不是寫完程式就算了，你需要主動把握機會、呈現與說明你的結果。
在以下這部影片中，Zhia 摘要了幾種能夠展示「好隊友」素質的溝通要點：
對於溝通能力，面試官評估的是：「你會是個好隊友嗎？」
首先，即使你卡關、想不出程式怎麼寫，你也要即時提出、並且講清楚自己哪裡解不開。你能想像，你的同事遇到困難只悶不吭聲、隔了兩週的會議中你才發現他停滯的進度拖慢了整個專案嗎？如果是個好的隊友，應該要考慮整個團隊的效率，遇到困難能夠在適當的時機對同事尋求支援，而不是閉門造車浪費時間、甚至拖延扯後腿。
在技術面試中，當下寫不出程式免不了被扣分，但是我們還是可以適時向面試官說明自己已經完成多少、而未解的難題有哪些，這麼做除了不浪費彼此的時間，也爭取一絲補救機會、讓面試官從其他方面繼續測試你的能力，例如：修改題目定義，看看你能不能寫出較簡單的版本。
此外，即使在完整寫出程式後，你也需要主動提出你寫的程式有哪些優劣勢、還可以怎麼改進，證明自己有分析程式的能力。Zhia 在影片中提及的分析方法包括：
- 用 Unit Test 說明程式可行性，以及因為面試時間太短沒有解完的是哪些 Edge Cases
- 說明此程式碼所做的權衡（Trade-off）：空間 v.s. 時間、可讀性 v.s. 效能、等等
- 提出 Coding Style 改進方向，例如哪裡值得 重構（Refactor）
筆者的某次 Python 演算法程式面試，在時間到以前，寫了一個空間複雜度為 O(N) 的演算法，我在時間只剩一分鐘的時候才發現可以進一步最佳化成 O(1)、但是時間已經來不及修改了。我當時主動用口頭討論的方式，和面試官分享我的改進計畫，面試官聽完後，決定多給我兩分鐘修改程式碼，也因為爭取到時間，最後成功改成 O(1)，達到最佳效能、通過面試。
結語
在技術面試的不同階段，本文介紹了三項值得注意的溝通要點：
- 開始寫程式前，需要釐清問題
- 寫程式時，善用 Pseudo Code 呈現思考流程
- 寫完程式後，分析現有結果、並說明改進計畫
不管是面試還是實戰工作，寫程式都不是「寫完、交件」這麼簡單的單向溝通，本文介紹這些溝通要點的核心目標，都是為了主動爭取與面試官的雙向交流、證明自己是善於合作的人。試想：如果自己是面試官，應該都會想找好溝通的人來當自己的新同事吧！
希望讀過這篇筆記之後，讀者除了瘋狂鑽研 LeetCode 以外，也能夠練習一下溝通技巧，我相信必能幫助讀者更順利通過技術面試。筆者好豪在 另一篇文章 也筆記了我在 Udemy 課程學到的 Coding Interview 解題原則，推薦讀者延續這篇學到的溝通技巧、繼續提升技術面試能力。
如果這則筆記有幫助到你，歡迎追蹤 好豪的粉絲專頁，我會持續分享資料科學以及 Python 相關文章；也可以點選下方按鈕，分享知識給你的朋友！
