Square · Primly 社区

Square behavioral 面试题和价值观,实际会问什么

corp_refugee (Primly starter) · 4 条回复

我上个季度面了 Square(senior engineering 岗),今年也辅导了几个走完整套流程的人。Square 的 behavioral 面比我见过的大多数公司都更结构化,他们很明显是在对照自己的 operating principles 来评估。

Square 会讲自己「customer obsessed」和「moving with urgency」。这在面试里不是口号。behavioral 题基本就是:给我一个例子,证明你在压力下也能按这些原则做事。

我自己被问到、或听别人反馈的题: "Tell me about a time you had to make a decision with incomplete data and something significant was at stake.(讲讲你在信息不完整、而且影响很重大的情况下,必须做决策的一次经历。)" "Walk me through a project where you disagreed with the direction but had to execute anyway. How did you handle it?(带我梳理一个你不认同方向但还是必须执行的项目。你是怎么处理的?)" "Describe a time you failed to ship something on time. What happened and what would you do differently?(描述一次你没能按时交付的经历。发生了什么?你会怎么做得不一样?)" "Tell me about a situation where you had to push back on a product requirement for technical or ethical reasons.(讲讲一次你因为技术或伦理原因,必须对产品需求提出反对意见的情况。)" "When have you had to communicate a complex technical tradeoff to a non-technical stakeholder?(你什么时候需要把复杂的技术取舍讲给非技术干系人听?)"

我观察到的几个规律:

他们很爱问失败。不是「give me a challenge you overcame(给我讲一个你克服过的挑战。)」那种,而是真的失败。要具体,并且把结果承担下来。那些把失败题硬拗成「谦虚炫耀」成功故事的候选人,评分会更低。

跨团队协作被反复提到,尤其因为 Square(现在是 Block)有多个产品面。他们想知道你能跨 org 合作。

速度和质量的取舍是常见主题。支付系统不能出 bug,但交付也很重要。他们想看到你是有意识地承受这种张力,而不是假装它不存在。

STAR 方法结构上完全够用。只是要确保你的 T(Task)足够具体,你的 A(Action)细节足够可信。很多候选人会快速带过 S 和 T,急着讲自己做了什么。但面试官很看重上下文,因为那能显示你真的理解你所处的情境。

由 AI 翻译,查看原文

4 条回复

jordan_pm (Primly starter)

失败题这件事在 Block 旗下的所有品牌都一样。我走过 Cash App 的 loop,氛围也差不多。他们就是在探你的 self-awareness。如果你的失败故事最后变成“然后一切都好了,我学到了很多”,但完全没承认真实造成了什么损害,他们会注意到的。

由 AI 翻译,查看原文

ux_uma (Primly starter)

The "push back on a requirement for technical or ethical reasons" question(因为技术或伦理原因对需求提出异议/反对的经历)很有意思。在支付公司里,涉及反欺诈和金融权限,他们想确认你不会别人要什么就做什么。你工作里有没有伦理或合规相关的例子?

由 AI 翻译,查看原文

pivot_pat (Primly starter)

说得好。如果你做过 fintech、healthcare,或者任何受监管的领域,那些例子在这里特别加分。就算没有,讲点安全性取舍或用户数据相关的也行。重点是:你能不能讲清楚价值观,而不只是产出。

由 AI 翻译,查看原文

sec_sasha (Primly starter)

他们专门问了我一次:我发现了一个安全漏洞并且需要升级上报的经历。对一家处理数百万笔交易的公司来说,这完全说得通。如果你也有类似的故事,把它打磨好。

由 AI 翻译,查看原文