求职一年终于入职Dell,吐血总结北美数据求职经验

先来说说楼主背景

楼主2020年5月硕士毕业，毕业之前就有挺多面试，其中面Hertz到onsite结果因为疫情所有position都hold，就不了了之。后来楼主遇到了很严重的感情问题加上疫情等种种原因一度萎靡不振就停止了找工作，自此走上了玄学的道路, 没想到学会了术数却带我走上了修行之路（跑题了。。。）因为楼主在去年三月份就找到了一个part time的工作，所以毕业以后干脆一不做二不休，也不找全职工作了，整天研究算命做饭手艺活以及跟着房东到处看奥斯汀的房子（她是房产经纪人）后来又尝试做youtuber，总之疫情之下一波三折搬了三次家从一个城市到另一个城市然后又搬回来....相当不容易，正式重新开始找工作是在2021年2月，因为opt extension不能用part time挂，而且也很快就到期了，所以压力非常大，找到工作是在5.13， 也不能算快，但我真正体验到了全职找数据工作的不易，也积累了大量面试经验，希望分享到地里帮助大家少走弯路。以下纯属个人经验，不喜勿喷。
总体感受
1、找工作真的是一辈子的事情，不是说找到一个就一了百了，以后升职，换工作一样要用到同样的skills;
2、数据方面的工作真的并没有那么好找尤其是entry level. 我曾和一个hiring manager聊，他说一个周末其他岗位可以收到30+简历，而数据方面就是100+而且还有很多不match；
3、找工作技术能力是一方面，但其实更重要的是态度，心态以及运气。尤其是运气这个东西，可以先看看自己哪年运气比较好。。。（开玩笑）但是真的不要因为拒信而否定自己，很多时候找到一份工作的时机，竞争对手，老板等等因素都会影响到结果，所以我的策略是大量投递，尽早面试，快速move on.


鉴于又是毕业季有很多学弟学妹来问我如何挂OPT，我先来说说找不到full-time的几种OPT使用方法：
1、做part time的工作，还是尽量找正规的part time, 因为后面找到full time的时候做background check调查这个公司也会很麻烦
2、做volunteer，如果时间很紧张有一些网站专门提供数据类volunteer工作的，可以去Google一下
3、做intern，但感觉要找一个好的intern也要花很多时间面试，所以时间紧张的话还是先找个volunteer做做
4、找ICC之类的公司，我接触过一些，真的时间来不及了也不是不可以

简历投递
大多数人都会说在美找工作要networking，确实networking非常重要，但我觉得要想多拿面试海投也必不可少。

1、海投
首先海投不是闭着眼睛投，总要先看看自己简历的闪光点然后再针对性地投。 比如简历有很多做marketing和ab test的经验就可以多投投marketing analyst, web analyst之类的岗位；并且其实很多analyst的岗位根本不需要machine learning的东西，而我们经常把这种project大写特写放在最前面，就变成了无效内容，所以我建议准备两版简历，一个technical的一个不那么technical的，但是都一定要让别人感觉你的简历非常analytical。我曾经收到一个面试是做Web Testing & Optimization的，并且要求working knowledge of HTML/CSS/JavaScript， 但我根本不会这玩意，我就跟hr说我不合适，但hr说hiring manager点名要面我并且说“Candidate seems to have excellent analytical skills that would be useful even outside the main capabilities of this role”所以说尤其做data岗，把自己的简历改得analytical才是最最重要的，而不是盲目追求technical stuff, 当然如果本身技术很牛想要做machine learning engineer的除外,这里只是针对普通entry level的analyst岗.

既然是海投，那投递的量肯定是要有的，楼主我一天给自己的要求是25-30个，而且我也比较懒，遇到要填太多信息的公司基本就不填了, 到后期遇到workday的portal我都懒得填。。。但我尤其喜欢lever真的是又快又方便，20秒就申完一个岗位...smartrecruiters 也不错！只要你每天投这么多坚持一个星期你后面一两个星期肯定就有面试了，而且我建议即使有面试了也不要停，可以减少一些投递但还是要保证每天都有投。而且最好让面试都安排在一起，这样一方面被拒了不会很难过，分散注意力也不会为同一个面试而焦虑太多,花太多时间，另一方面也可以处在一个比较好的面试状态。最重要的是到最后还可以相互谈offer. 总之让找工作的自己忙起来就不会想太多，也不会太焦虑，争取每一天都有一到两个面试，offer就快了！

2、内推
说到内推可能大家都会两眼放光，确实内推可以增加hr看到你的简历的可能性，但如果只是把你的简历放到公司内推的portal里面，也只是万里长征的第一步，如果你找内推非常艰难以及time consuming, 不如直接自己先投了再说，但还是要眼观六路耳听八方，有任何机会都去问一下对方可不可以。其实在领英上很多在大厂的同学都直接注明”可内推“，所以也可以不妨试试直接在领英上搜索这个关键词。。真的真的有很多，所以其实找大厂的内推并不难。但如果内推的人能把你的简历给到hiring manager看到那就很好了，或者能让你和hiring manager连上线聊上天就是最好的内推了。

3、Networking
务必下载一个手机版领英，每天醒来就像刷微信朋友圈一样去刷领英朋友圈，真的真的每一天都有很多很多机会，有很多hiring manager直接post "I'm hiring"或者同组的人会post "We are hiring". 这个时候就是最好的机会，一方面证明这个岗位是在active地招人，另一方面说明他们刚开始招人，最重要的是你知道hiring manager是谁。这个时候一定要去联系hiring manager问问能不能聊聊，我们做的所有networkin其实本质就是为了联系到hiring manager,让他们看到我们的简历或者和他们电话聊聊，有些hiring manager愿意聊，有些直接把你的简历丢给hr,但hiring manager给hr的简历被面试的概率就很大了，实在联系不到hiring manager就直接网上投，这种”新鲜“的岗位其实很容易拿到面试。

除了刷领英朋友圈，还有一个小技巧就是直接搜索”hiring data scientist“之类的关键词，我一般通过搜索人的方式networking一圈，再通过搜索content的方式再networking一圈，当然我再来分享一个database神器，各位兄弟姐妹们多多加米呀。https://eugenehayden.com/tools/ 这个网站里面不仅有各种h1b,绿卡的数据汇总，还直接总结了领英上各个大公司员工profile上写hiring的所有人的link和信息汇总，大家可以直接根据这个database来有效target hiring manager了。

面试环节
其实拿到面试并不难，但面试也有面试的套路。。

1、hr面
hr面的目的就是帮hiring manager筛选人，他们大多不懂technical的东西，但有些也会用technical的问题来筛选人，比如问问SQL各种join的区别，或是直接给你发个HackerRank的sql题让你做，他直接看你的得分来筛选。但大多数hr还是不会问technical的问题，既然是帮hiring manager筛选人，他们主要就是看看你具备不具备job description上写的基本技能，以及问问why company. 所以我的方法就是只要hr面，肯定要准备好why company,这里有个小技巧就是直接LinkedIn搜索这家公司的CEO，看看他家CEO怎么描述这家公司的，你就知道他家的特点以及优势是什么了，当然顺便加加他家的CEO也很有帮助。同时一定要准备好和job description相关的技能点的相关故事，比如他们要你会ab test,你就要准备好你用ab test解决过什么问题的故事。总之hr面就把自己各种经历往job description上一条一条靠就好了.

2、hiring manager面
hiring manager不会像hr一样问那么浅的问题，他更关注你是否具备跟这个工作相关的技能，同样是问ab test的问题，他可能会问你具体到如何实施的，花了多少时间，遇到xx问题你会如何解决；同理如果是比较technical的岗位大概率会问到machine learning相关的具体问题，比如让你解释一下什么是decision tree，random forest到底random在哪里。。。。但是作为数据岗，一定一定要准备的问题是，讲一个你用你data analyst的技能解决实际工作中问题的故事，这种故事至少要准备两三个的。还有就是在面试之前可以多在领英上和他们同组的其他同事聊聊天，问问这个岗位的相关情况，想要招什么样的人，到时候hiring manager面的时候你不仅可以把自己往这方面靠，还可以说你认识谁谁谁，以及谁谁谁，他们都特别好（好像整个组你都认识了。。。）所以过hiring manager面其实也不难。

3、take home challenge以及technical 面
如果是hiring manager面完之后给的take home challenge就要尤其认真仔细地完成了，这种做得好基本上就稳了，但一般也不会很轻易就让你做出来，都是要花点时间钻研一下，或是现学现卖，而且大多数会让你写一个report或者做一个presentation，所以每一个这样的take home challenge都要认真对待。楼主我基本上做了四五个这样的take home challenge，每一个基本都是花大量的时间去学习，主要就是学data mask里面的case还有代码,，其实那个课程里的很多代码都是reusable的，也给我提供了很多解题思路，而且各个行业基本都有相关的case以及代码， 所以拿到不同面试基本都能在里面找到相关的case, 学习一下人家的解题思路再应用到自己的case上面基本过take home challenge这一关没什么问题，关键是通过这种学习方式其实进步非常快， 相当于自己为了做一个project先学习类似的project再去完成自己的，同时还会得到相应公司的feedback，而且你做的project基本就是这个岗位的部分工作内容了，就是压力大了一点，但是之后会感觉自己实战能力强了很多。所以我觉得data mask的这个课程还是蛮好的，就是有点小贵，想要资源的也可以联系我。

对于technical面, 就是好好准备SQL, leetcode medium题至少要刷两遍, 还要去地里经常刷刷面经, 保证只要遇到sql就肯定拿下的状态那基本没啥问题了。Analyst岗大多数面试都是考sql, 少数要考python的也只是考pandas相关的数据处理, 比如group by, List comprehension之类的。 其实take home challenge也大多数是用python做一些数据分析, 所以还是要把pandas基本的那些操作做熟。

4. behavior 面
对于behavior面很多人都不知道怎么准备，有时候感觉好像随便说说聊聊也能过，确实behavior面总体比较随意，但如果能提前准备好十个故事能大大提高面试通过率以及缓解自己的紧张程度。而且就算有再多的经历和故事，没有事先准备一下，临场讲有时候也会容易逻辑混乱。然而很多在校生尤其没什么工作经验的同学非常苦恼没有故事以及不知道很多问题要怎么回答，这里推荐一个youtube博主careervidz, 基本面试会问到的问题他都有sample answer, 照着稍微改一改或者借用他们的故事去编自己的故事，面试通过率可以提高很多!!! 基本到后期直接张口就来，说到什么都能给他讲一大堆故事。

后记
总结完了其实感觉面试找工作也不难，但真正去做就完全不同了，而且运气的成分非常大。总之不管收了多少拒信，不管在哪一轮被拒，大家一定不要否定自己，保持积极乐观的心态非常重要，人家拒你并不是因为你能力不行，而是有更好的等着你。最后也欢迎大家补充经验，有什么问题或者同样对玄学感兴趣的同学可以联系我alex.lyk333@gmail.com，最后祝大家不仅找到最适合自己的公司，同时能够工作愉快！

美美哒alice 发表于 2021-6-15 05:45
请问楼主data mask是什么呢？我没有找到呢~谢谢

data mask就是a collection of data science take home challenge的官方答案，以及很多case的课程，https://product-data-science.datamasked.com/courses 就是贵了一点，不过也可以几个朋友合买

安安在学习 发表于 2021-6-15 06:34
data mask就是a collection of data science take home challenge的官方答案，以及很多case的课程，https ...

好的，是内个300多的内个呢，还是2000多的内个呀？谢谢~~

谢谢楼主分享。 另外想认识下楼主， 我们这边有一个小的 DS学习群， 都是在职或者准备找工作的， 主要大家一起分享找 DS经验。 楼主感兴趣的话可以加我的微信， 就是我的 ID。给楼主加米了。

fja 发表于 2021-6-16 16:40
祝贺， 好奇楼主的玄学到什么程度了

哈哈哈哈可以营业了

祝贺， 好奇楼主的玄学到什么程度了

谢谢分享和解释！

skyfree 发表于 2021-6-15 09:40
请问lz如果找mle也有take home吗？

我觉得这个完全看公司，人家想有的话啥岗位都能有

最近帮组里刷简历，lz说的强调analytical真的很对，很多analyst不需要把modeling/ML相关的经历放的很重

summerco 发表于 2021-6-15 08:34
请问楼主怎样才能让简历变得analytical呢？

强调自己用analytical skills解决了多么困难的实际问题带来了多么优异的结果

请问lz如果找mle也有take home吗？

请问楼主怎样才能让简历变得analytical呢？