【工作面試指南】找工作找到懷疑人生?徵才條件滿足 80% 就投履歷吧

面試, 求職, 職場力, 科學, 工作

【我們為什麼挑選這篇文章】雖然是數據科學求職,但是看完後卻有滿滿的感動。這就是求職人需要面試指南。

裡面有幾點或許會因為地域、領域不同不可採納,但大體上,這會是一個初入職場的人讀完後,可以了解找工作這件事情的文章。(責任編輯:陳伯安)

本文覆蓋數據科學求職全過程。從申請到面試,到拿 offer 之後的協商,所有細節一應俱全。每個階段都有作者豐富的個人感悟以及連結資源~

內容不僅適用於有興趣在美國申請數據科學相關工作的求職者,大體上也適用於各種技術工作的申請。

線上的你就是變相的「線上履歷」

請謹慎處理自己在社交網絡上公開的信息。

比如,檢查你在 Facebook 或者其他社交媒體上的隱私設置,確保公開的範圍適當。很多公司的網路申請表格中都可以選填推特賬號,除非你的推特主要用於專業用途(例如,介紹數據科學相關資源或曬寵物),否則不要填寫。

如果你有 GitHub 賬戶,建議使用 Pin 功能優先展示你希望別人看到的項目,並添加解釋該項目的 README 文檔。 另外,我強烈建議你創建自己的部落格,用於展示數據科學相關的內容,例如,你做過的項目,機器學習方法的解釋,或者參加會議的摘要。

如果你還是認為寫部落格浪費時間,請參考 Dave Robinson 撰寫的相關文章。如果你使用 R,可以嘗試使用 blogdown 來創建網站。Emily Zabor 為 blogdown 寫了一篇很棒的教程。另外,你還可以在 Mara Averick 創建的資源列表上找到更多的關於 blogdown 的資源。如果你不使用 R,你可以直接使用 Hugo(blogdown 構建在 Hugo 的基礎之上)搭建個人部落格,或者用更簡單的方式 —— 在 Medium 網站上創建部落格。

相關連結:
http://varianceexplained.org/r/start-blog/
https://bookdown.org/yihui/blogdown/
http://www.emilyzabor.com/tutorials/rmarkdown_websites_tutorial.html
https://maraaverick.rbind.io/2017/10/keeping-up-with-blogdown/

如何找到適當的工作還有如何評估

數據科學家有很多名稱,先把網撒下去再看要吃什麼魚

數據科學家有很多別名,包括產品分析師、數據分析師、研究科學家、量化分析師和機器學習工程師。類似的職位在不同公司中頭銜也不一樣。有些公司還在不斷改變頭銜所代表的職能(Lyft 最近將數據分析師更名為數據科學家,然後又更名為研究科學家)。

就數據分析師與數據科學家的區別,現在行業內也沒有達成一致意見(參見 Mikhail Popov 最近發表的一篇總結不同觀點的文章)。在尋找工作的時候,你可以搜索上面提到的所有頭銜以便更廣泛的查找職位,然後根據職位描述來評估自己是否合適。如果你對初創企業感興趣,Angelist 上有數千個職位,其中許多職位都列舉出了薪資範圍。

相關連結:
https://eng.lyft.com/whats-in-a-name-ce42f419d16c
https://mpopov.com/blog/2018/5/24/data-analyst-vs-data-scientist-industry-perspectives

用 A、B 型數據科學家分類找出理想公司在哪裡

與其去申請你發現的每一個與數據科學相關的工作,不如先想想你自己最感興趣的方向。當我在規劃職業道路以及準備求職的時候,我發現一篇關於 A 型和 B 型數據科學家的區別的文章非常有幫助。

A 型數據科學家善於分析(Analysis):他們具有過硬的統計背景,能夠處理混亂的數據並擅長於結果分析。B 型數據科學家善於創建工程(Build):他們具有很強的寫代碼技能,可能曾經擔任軟件工程師,並且專注於將機器學習模型(如推薦系統)應用到產品中。

還有一點你需要考慮的是,你希望你所就職的公司在數據方面目前處於哪個階段(參見 Robert Chang 文章中的討論)。在一家小公司工作的好處是你可以嘗試數據科學的不同領域;大公司更專業化,因此你可能沒有機會嘗試創建一個終身價值模型的同時調整推薦系統。而且,許多問題(如數據工程的問題)都已經被抽象出來,無需自己解決。

另一方面,小公司通常有數據質量差,文檔不完整和運行速度慢的問題。雖然公司所處階段與公司規模相關,但是也有可能有超過百歲的大公司在數據科學方面依然處於在蹣跚起步的階段。

相關連結:
https://www.quora.com/What-is-data-science/answer/Michael-Hochster
https://medium.com/@rchang/my-two-year-journey-as-a-data-scientist-at-twitter-f0c13298aee6

因為你還很菜,所以比起「追求完美」,還不如先做再說

你在這個領域的第一份工作可能不是你夢寐以求的職位。相較於苛求最完美的工作,在同專業領域內換工作,或者將數據科學引入當前的工作中更加容易。即使你最終希望離開現在的領域,一步登天也是不現實的,你可能需要先考慮跳到一個既離目標領域更近,又可以施展自己其他才能的職位。

這並不意味著拋開所有要求和偏好,而是說你需要有一定的 靈活性 。工作一兩年後跳槽換工作都很正常,你也不必想著自己的未來 15 年都被束縛了。

對我而言,第一份工作最重要的是一個支持性環境,因為在這樣的工作環境中,我可以向周圍很多資深的分析師學習。正如 Jonathan Nolis 指出的那樣,在進入職場打拼前,你無法確切知道自己想要什麼,即使是糟糕的工作,你也可以從中學習,所以不要有太大壓力。

太棒了!我想在「不要過度追求完美」部分補充一點。你不應該過度追求完美,而且你應該認識到絕對完美是不現實的。你以前從來沒有當過數據科學家,你怎麼可能提前知道你會喜歡什麼職位?

在我職業生涯的早期,我花了很多心血來努力弄清楚哪些工作對我來說是「正確」的,我究竟需要什麼。但是現在我意識到即使一份糟糕的工作也是珍貴的經驗,它們幫助我認清哪些是重要的事情。

—— Jensen Harris 推文

只要滿足 80% 的要求,就投履歷吧!

職位描述通常是具有一定靈活性的要求清單。如果你滿足其中 80% 的要求(例如,你的工作經驗比要求的少上一年,或者你沒有使用過他們要求的某項技術),但其他方面很合適,你還是應該申請這份工作。

但是,請謹慎對待要求「全能」的職位描述 —— 有計算機科學博士學位,同時也是一名數據科學家。擁有 5 年以上的工作經驗,並且在最前沿的統計學,深度學習方面是專家,還擅長於和業務合作夥伴溝通。

除此之外還列出了從完成生產級別的機器學習模型,到創建報表,到運行 A/B 測試的大量要求。這通常意味著這些公司不知道他們具體需要哪些技能,他們希望招聘一個全能的數據科學家,能夠一個人在沒有任何支持的情況下解決所有問題。

找人引薦不可恥,請求的時候沒禮貌才是

在你感興趣的公司中,有你認識的員工嗎?如果沒有,請查看你校友網絡中是否有人就職於該公司(包括你參加過的訓練營,大學校友,你在某個夏天加入的足球隊)。你也可以查找你朋友的朋友,看看你的朋友是否願意引薦。

許多工作可能有數百個甚至數千個競爭者,如果有人推薦你,或者告訴你他們團隊具體的要求,對你來說都有著極大的幫助。如果你確實打算尋求別人的幫助,請你花點時間斟酌求助措辭。尤其是在你不認識這個人的情況下,你需要進行多方面研究,並且參考他們的背景或公開信息。

人脈很重要,這決定你是會被「引見」還是被引導到「招聘網站」

有的時候招聘經理會在參加聚會或者會議的同時招募員工。你也可能會遇到在你感興趣的公司或子行業工作的人。你可以問他們是否有時間做個信息採訪,這樣你就可以加深自己對於該領域的理解。

如果你直接問他們公司是否有空缺的職位,或者是否可以推薦你,他們可能會讓你去瀏覽公司的招聘頁面,你也錯失了被推薦的機會。提前建立好你的人脈很重要 —— 因為以強烈的需求開場很難建立雙方互惠的人際關係。

如果你想瞭解更多關於如何構建人脈的方法,請參考:https://www.themuse.com/advice/3-steps-to-a-perfect-informational-interview
http://hookedondata.org/Building-Your-Data-Science-Network-Reaching-Out/

履歷表怎麼處理?

簡介

要求簡明二要,經歷全部都放等於沒放

你不用列出你曾經做過的所有事情。你可以嘗試製作一份包含所有工作履歷的簡歷模板,然後針對每份工作的要求補充最相關的內容。你也不需要把曾經使用過的每一項技術都列入清單,把重點放在你熟悉的那些就好。

一個來自於招聘人員的小提示:「不要使用圖表來展示你在某些技術方面的經驗等級。如果你的 Python 技能條是滿格,就意味著你真的 100% 的瞭解 Python 嗎?」

如果一頁紙的空間不夠,你簡歷又有自我總結的部分,你完全可以捨棄它,因為自我總結已經不流行了。如果你來自學術界並且有工作經驗,如果雇主招對博士學位不作要求,職位也並非研究崗位,你可以考慮捨棄簡歷中的論文部分。

錯字,掰掰

在你的「簡力」上出現拼寫錯誤或語法錯誤,可能會讓你的申請以最快速度被否決。請使用「拼些檢查」功能,並且讓「一倆個」朋友幫你檢查。

大頭照,掰掰

雖然這在歐洲和南美的一些國家很常見,但在美國並不合適。

用 TagCrowd 查出「公司注意」的關鍵字

大公司經常用簡歷自動篩選系統來檢測關鍵詞。首先你可以從職位描述中找到一些關鍵詞。

然後,你可以使用像 TagCrowd 這樣的工具來查看哪些單詞最常見。比如說,領導力(Leadership)是否比管理(Management)更常見? 應該用 NLP 還是用自然語言處理(Natural language processing)?最後,你需要修改簡歷中的關鍵字來匹配篩選系統的關鍵字。

相關連結:
https://tagcrowd.com/

項目從「動詞」開始

比如寫「分析了 300 篇論文」,而不是「我分析了 300 篇論文」。

請量化,而不是「很多」

不要寫「對我們的排名算法進行實驗」,而是寫「進行了 60 多次實驗,並且我帶來了 230 萬美元的額外收入。」

相關連結:
https://www.themuse.com/advice/how-to-quantify-your-resume-bullets-when-you-dont-work-with-numbers

一封求職信就可以增加成功率

如果有需要提交求職信的地方,請一定提交。有些公司會篩掉那些沒有寫求職信的候選人。就像你的簡歷一樣,你可以做一個求職信模板,在你需要的時候補充對應的段落。至少在求職信中為每家公司單獨撰寫第一段和最後一段內容,並確保這些公司的名字正確無誤!

求職信最好包括你對公司的研究,還有你對這個職位感興趣的具體原因。這兩部分內容你寫的越具體越好。你可以試著找找招聘經理的名字,這樣你就可以信的開頭寫上他們的名字,而不是籠統寫「親愛的招聘經理」。

如果你想要獲得更多關於推薦信的指導,請戳:
https://www.themuse.com/advice/the-3-rules-of-addressing-your-cover-letter
https://www.themuse.com/advice/how-to-write-a-cover-letter-31-tips-you-need-to-know
https://www.themuse.com/advice/5-common-cover-letter-phrases-that-are-losing-you-the-job

正如 Jesse Maegan 在推特中寫到:

數據科學求職小提示:

一些建議表明,求職信並不重要,所以你只需要將簡歷重命名為求職信,或者寫一個句「這是我的求職信」就可以了。

這個建議很糟糕。

終於到了面試

準備

準備應該包括「回答清單」以及「面試內容」

面試官可能會問到兩種主要類型的問題—技術和行為。對於諸如「述說一次與團隊成員發生衝突的經歷」或「你最大的優勢是什麼」等行為問題,請使用情景 — 行為 — 結果模型來進行描述:描述你當時所面對的情況,你是如何處理它的,以及結果如何。

盡量使你的答案簡短而全面。你可以提前為這些問題列一個清單,並考慮哪些經歷和性格特徵最適合你所面試的具體工作。對於技術問題,你需要瞭解面試結構。面試結構和問題類型的範圍非常廣泛:你可能得做一套帶回家完成的測評,回答計算機科學問題(例如反轉二叉樹),解釋隨機森林模型,做展示,編寫 SQL 代碼等。

提前知道題型 會有很大幫助。你還可以查看 Glassdoor 針對面試過程的評論,並從自己的人脈網找找是否有人在那家公司面試過。在第一輪電話篩選過程中你也可以直接詢問 HR 面試過程中會出現的題型和範圍。如果你要進行多輪面試,你可以詢問每輪的內容和結構是什麼(例如,「我需要做白板編程嗎?」)。一旦你知道面試的內容,你就可以集中準備。

面試過程中,如果你遇到了問題,可以試著說:「我不確定,但我會考慮這樣去解決它。」通常,面試官評估的是你如何解決問題,而不是你是否回答正確。欲瞭解更多建議,請參考 Trey Causey 的數據科學就業市場經驗,Erin Shellman 的數據科學工作著陸指南,還有 Mikhail Popov 的維基媒體基金會面試數據分析師的過程。

相關連結:
http://treycausey.com/data_science_interviews.html
http://www.erinshellman.com/crushed-it-landing-a-data-science-job/
https://blog.wikimedia.org/2017/02/02/hiring-data-scientist/

履歷裡面寫的,你自己要最清楚

如果你在簡歷中列出了在六年前的一次實習,或者將 AWS 列為技能,那麼請準備好回答相關的問題。

怎麼研究公司?研究公式送給你

在撰寫求職信時你做了一些準備工作,但是一旦進入面試環節,就需要做更深入的研究。 除了下文的建議外,你還需要瞭解面試官的專業成就。 有一次,我面試的候選人談及我做過一個展示並提出了一些相關的技術問題,我對此印象非常深刻。

尤其當你要面試一家初創公司,請花一個小時做這項研究。公式如下:

  1. 瀏覽 Crunchbase,找出資本來源,投資者等。
  2. 瀏覽 LinkedIn,看看有誰在那裡工作?
  3. 瀏覽 Glassdoor,瞭解公眾對公司有什麼看法?
  4. 瀏覽公司網站,關注所有你能訪問到的信息。

—— Jensen Harris 推文

去面試沒準備問題,其實很扯

每位面試官都應該會留出時間來回答問題。如果他們不這樣做,那就糟糕了!面試是一個雙向匹配過程:你在評估他們的同時,他們也在評估你。 如果你不知道該問什麼,請查看 Julia Evans 的清單。她將所有的問題分為諸如生活質量,公司文化和管理實踐等類別。想想什麼對你來說最重要!

你可以向每位面試官詢問不同的問題,以最大限度地提高你可以得到的答案數量,但你也可以嘗試向多個人詢問相同的問題,看看他們的答案是否有差異。 如果是初創公司,我強烈建議查看下面連結中的問題清單。

相關連結:
https://jvns.ca/blog/2013/12/30/questions-im-asking-in-interviews/
https://twitter.com/jensenharris/status/988967889330819072

薪水不是「你現在值多少」,而是「你的職位值多少」

不要告訴他們你目前的薪水或你對這一職位的期望薪水。在某些地方,包括紐約市和加利福尼亞州,向你詢問你現在的工資實際上是非法的。如果你說出一個數目,他們有可能會給你一個偏低的報價。

他們的報價不應該取決於你目前的薪水或期望,而是取決於你在人才市場上的價值,並且與同等條件下你同事的薪水一樣!

如果申請表上有這樣問題,請填上「不適用」或「可靈活調整」,如果不得不寫數字,則填入「0」並在其他地方寫上:「注意:我在工資問題上填入了 0 美元。如果我們雙方都覺得雇傭關係很合適,我對薪水問題很靈活。」

如果你在面試中被問到了薪水問題,可以這樣轉移話題:「在討論薪水之前,我想瞭解更多的關於職位的信息,並專注於我能給公司帶來什麼價值。我相信,如果我們都認為彼此是很好的選擇,我們可以商量出一個具有競爭力的整體薪酬方案。」

如果問題是關於你目前的工資,而你處於一個薪水較低的不同工作類型/行業,你可以這樣說:「這個職位與我目前的工作相比大有不同,不如討論一下我在貴公司的主要職責,並最終確定這個職位的合理薪酬。」

如果他們堅持想知道你的期望薪資,那麼在研究該行業和該公司的工資標準的基礎上給出一個較大的範圍。

例如,你可以說:「從我的研究和過去的經驗來看,我認為基本工資在 9.5~12 萬美元之間比較合理,但我最感興趣的是職位和整體薪酬方案的契合程度。」你可以查看 H1B 簽證數據、Glassdoor 和 paysa,給自己定一個大概的範圍。多和朋友交流!知識就是力量。

相關連結:
https://biginterview.com/blog/2015/10/salary-expectations.html
https://www.themuse.com/advice/answer-illegal-salary-question-right-way

也有人樂意交流薪資信息,例如 Sharla Gelfand 在推特中寫到:

調查薪酬期間,如果你想把你的薪水數目發給我,我的私信總是開著的。如果你做數據方面的工作,坐標在多倫多,或者在技術崗有 0-3 年的工作經驗,我們對你的薪酬水平非常感興趣。如果你是用戶關係管理經理(URM),我也會告訴你我的工資。知識是力量!

被拒絕很正常,大家都一樣,只是不說而已

在求職過程中,你難免被拒絕,也許這樣的事會發生十來二十次。數據科學是一個充滿競爭的領域,被拒絕是每個人都會經歷的過程。如果他們拒絕你(相對於從不回信),你可以禮貌地表達你的沮喪(例如「很遺憾聽到這個消息」),並感謝他們曾經考慮過你。

你可以要求反饋,但要知道許多招聘經理將無法提供給你,因為他們不希望反饋被解讀為歧視而受到起訴。花一點時間來平復心情,但不要在公共場合或招聘經理面前大罵一場。這種做法不會改變結果,只會損害你的專業聲譽。

Jesse Maegan 在推特中也提到:

有一件事情應該不言而喻,但我們必須指出,優雅地處理拒絕很重要。數據科學職位競爭激烈。但在公共場合崩潰、給招聘經理發送討厭的電子郵件等行為很糟糕。

拿到工作邀請了!

面試

第一次回覆

對於最初的 offer,你可能會收到電話,或是包含詳細信息的電子郵件,或要求通過電話來檢查這項 offer 的電子郵件。在所有情況下,你都需要確保自己表達出了對此機會的興奮和感激。但不要立刻接受 offer:你可以要求以書面形式獲取整份 offer,說你需要檢查一下,並詢問你是否可以在幾天後再聯繫。

這就為協商奠定了基礎,如果你正在考慮其他 offer,也可以為你提供時間。如果你需要更多信息(例如入職日期,健康保險信息),你應該在第二次對話之前進行詢問,以便你可以全面瞭解情況。

選擇權到你手上了,你要怎麼玩

不幸的是,你可能無法同時獲得所有你感興趣的公司的 offer(或拒絕)。更有可能的是,當你收到一份 offer 時,你可能正在某家公司的最後一輪面試中,收到了另一家公司的電話回復,或是還在等待其他的公司的回復。 如果你正在等待的工作機會中有你「夢想中的工作」呢?

如果你是在公司的最後一輪面試中,請告訴他們你的其他選擇。 重申你對他們的公司有多麼感興趣(如果他們是你的首選,告訴他們!),但請說明你已收到另外一份  offer,並希望他們能夠在 X 日期之前給你一個決定。

招聘人員明白,你可能同時在面試其他幾家公司,他們常常需要處理這種情況。如果你還在另一家公司面試的初期,他們不太可能加快面試速度並及時給出 offer,這種情況下你可能要決定是否接受已經收到的 offer。

跟公司討論薪資不醜陋,這是為自己權益發聲

即使 offer 超出你的預期,或者相較於你目前的工作來說有很大提升,你也應該進行工資協商。 科技公司希望你和他們協商工資。你幾乎總能得到至少 5 千美元或 5% 的基本工資增長,具體數額更多取決於公司和最初報價。你也可以要求籤約獎金或更多的股票期權。

請記住,協商並不是自私或貪婪,正如 bletchley punk 在推特中寫到:

關於工資協商我有不同看法:這件事與你現在的工資無關。它關乎你在新公司的同事的薪水。爭取利益對你來說可能是一個巨大的障礙,但是如果你不協商,一旦你被雇傭了,你做同樣的工作將會拿到更低的工資。

同時考慮爭取你感興趣的非貨幣福利。例如,也許你希望每周能有一天在家工作。也許你希望他們每年支付兩次會議的費用。如果是一家小公司,你可以要求一個不同的職位頭銜。

你可以協商多少取決於你的協商地位和公司。非營利性組織的薪水可能會更少。如果你有另一個 offer,或者你當前的工作薪資較高,那麼即使協商失敗,你還有不錯的備選方案。

如果他們看中的是你的罕見技能或者職位已經空缺很長時間,他們很難找到其他人。你應該對上面提到的工資網站進行研究,這樣你就可以解釋你為什麼如此開價。要價高一點,以便你有足夠的空間來協商,給一個具體數字,而不是一個範圍——如果你說期望加薪的範圍在 5k~10k 之間,他們可能就給你漲 5k 美元。

重申你對公司和職位感到興奮的原因,並提出 X,Y,Z 要求。最後,用你感興趣的話題開啓協商,而不是一個接一個地提出問題和解決問題。這樣,他們會明白你想要的東西,並且在薪資問題上可以協商(例如,你可能會接受基本工資增加 5k 美元,外帶 5k 美元的簽約獎金的加薪條件,而不是直接要求加薪 1 萬美元)。

我強烈建議閱讀更多關於如何進行工資協商的文章,可以從下面兩篇文章開始: 第一篇文章提出了協商 offer 的 15 條規則,第二篇為女性提供了協商 offer 的建議。

相關連結:
https://hbr.org/2014/04/15-rules-for-negotiating-a-job-offer
https://hbr.org/2014/06/why-women-dont-negotiate-their-job-offers

一家公司很少很少很少(重要的事情說三遍)因為工資協商而撤回 offer。 如果他們這樣做,你不會想在那裡工作了。

警告:如果你正在協商,還得到了你要求的一切,公司是希望你接受 offer 的!當然你可以有自己的選擇,但是你如果不打算接某公司的 offer,就不應該像模像樣的和這家公司協商工資。 知道自己最終會接受 offer 也能讓你自信滿滿的說出這句神奇的話:「如果我們能夠到達 X,Y 和 Z,我會很高興接受這個 offer。」

找工作很大,希望這篇文章可以幫到辛苦的各位

找工作壓力很大,特別是你已經有一份全職工作或者想要換個行業時,壓力更大。我希望這篇文章能夠提供一個良好的起點,讓你理解數據科學中的招聘流程,知道哪些錯誤可以避免以及有哪些策略可以利用。

如果你想要獲取更多信息,可以查看 Favio Vazquez 非常全面的指導,文章包括了他自己的想法和幾十種資源的連結。

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈想转行?数据科学全流程求职指南 〉。)

延伸閱讀

【你還在用履歷?】Tesla、LinkedIn 線上面試結合認知神經科學,離職率降超過 30%
【教你化解面試尷尬】面試官問「你有沒有問題想問我們」應對手冊在這!
【馬斯克面試題】向南、向西、向北同距離,位置沒變,你在哪裡?


及早將低碳節能的智慧用電納入經營策略,是企業維持永續競爭力的關鍵! 掌握台灣智慧能源管理創新趨勢,強化營運競爭力與成本控管能力 即刻報名》》智慧能源競爭力論壇

點關鍵字看更多相關文章: