►小编的话：
滴滴滴！上车打卡，留学生出门必备软件：Lyft公司岗位介绍来咯~（此处为Uber党插入广告：干货 | Uber数据科学岗位介绍）。作为美国第二大打车软件，公司内部的“绝密信息”有哪些？待遇、wlb又如何？面试准备应该看什么书？由Quinn导师带着大家一睹为快！
►本文内容概览：
☑️公司介绍
☑️岗位介绍
☑️薪资和晋升路径
☑️面试经验
· 行业现状
· 求职背景
· 面试流程
· 面试重点
►公司介绍：
留学美国的宝子们手机里应该少不了这款粉色打车软件：Lyft。作为美国仅次于Uber的第二大打车软件，Lyft的交通网络已经相当完善。目前它的业务主要包括：
1）Ridesharing marketplace这是Lyft的核心业务，连接了driver和rider。大部分同学作为乘客，都应该体验过Lyft的一站式服务，包括大家熟悉的on demand叫车业务，wait & wave（更经济），priority pickup，XL comfort, XL (extra seats)等。
2)Express drive汽车租赁平台，主要针对没有车的driver。
3）Light vehicles共享自行车 & scooters业务。
此外，2023年9月，Lyft launch了women+ connect，致力于改善女性和non-binary司机的安全。
相比另一个打车行业的巨头Uber（rideshare市场占比70%左右），Lyft主要聚焦北美市场，而Uber会有更多international footprint。他们在不同的城市也有自己不同的相对的定价优势。而在业务范围方面，Uber已经拓展出了Uber eats业务，而Lyft目前仍专注Lyft share。
►岗位介绍：
在Lyft，大部分DS/DA是跟着业务团队走，也有一些功能在central function。主要团队包括了Rider/Driver/Marketplace（主要是司乘匹配、定价等等各种事宜）以及Marketing（工作比如决定marketing budget怎么allocate），Finance。
DS主要会分decision track和algo track，大家一同协作。1） Decision DS做的是大部分公司Product DS的工作，比如lead new feature experiment，pink product feature launch等等2） Algo DS专注实现一些model相关的任务，比如rider driver match/prime time pricing等。
整体来看，Lyft DS的日常工作性质和function与大部分Tech公司都比较相似。
►薪资和晋升路径：
Lyft晋升途径也是和大部分公司一样，DS开始于L3，L5是senior，L6/7 staff DS；上面就是Principal和Distinguished DS，公司也是通过committee来calibrate。
薪资方面，则可以参考一下levels.fyi的数据：
►面试经验：
1）行业现状自从马斯克推特大裁员以后，整个行业不如往昔，尤其对于new grad是很大的挑战。
2）求职背景以往看来，DS的ng大部分背景其实也很diverse，统计/数学/data analytics背景会稍微多一点。
3）面试流程常规的Recruiter – Technical Screen – VO流程，Lyft官方也在自己的技术博客上分享过面试流程和tips，详见下图：
4）面试重点Product DS常见面试内容包括了coding/business case/product和experience；如果走Algo，coding会考更偏algo，需要一些basic cs fundamental，比如unit test，和complexity analysis；而technical那轮则会考ML。
值得一提的是，作为一个打车平台，Lyft会比较注重出行场景相关的一些metrics，如demand&supply的预测以及一些常见的metrics：Expected Time of Arrival（也就是ETA）和completion rate等等。如果需要积累这方面的domain knowledge，可以参考Lyft或者Uber的eng blog，都有一些非常优秀的技术文章，会对面试有挺大的帮助。
下面为大家列出几篇文章：1.Uber-Dynamic Pricing to Sustain Marketplace Balance：https://www.uber.com/blog/research/the-effects-of-ubers-surge-pricing-a-case-study/
2.Lyft-Experimentation in a Ridesharing Marketplace：https://eng.lyft.com/experimentation-in-a-ridesharing-marketplace-f75a9c4fcf01
同时，需要有一些回答case问题的框架。比如面对“平台的平均ETA增加了3分钟，如何研究这个问题“，可以按照Clarify the scenario and the metric-Analyze the temporal factor-Segment users by dimensions-Decompose the metrics-Summarize the overall approach的思路来进行。也可以多和导师/朋友mock，训练自己的解题思维。
