找工总结

背景

经济统计本科,抱着对金融好奇心,修了金融双学位,研究生误打误撞去港念了个运筹方向的理学硕士。自己定位:偏业务方向的数据分析岗位,或者商业分析师。

从今年8月18开始,正式进入找工作的阶段,认真花时间准备了中英简历,每个版本都改了又改,不停的改。从互联网一直投到互联网金融,最后到银行。券商比较少今年,而且到11月中后,三思和数据越走越远没了心常,做罢。

三个月来,几经起伏,做了很多笔试,面了一堆面试,也放弃了一些机会。最终决定去北京, 兜兜转转,收心,认真做事,慢慢积累,没有什么比觉得自己正走在正确的路上更令人振奋了。

这个总结其实有心准备多时,虽然感觉今年挺失败的,毕竟没拿到所谓的BAT,一路磕磕绊绊。也算这一阶段的总结,就分一下几大点写写。

简历

开篇简单说了下,总体来说,简历非常成功,除了少数卡着截止日期申请的职位可能服务器太忙之外,几乎都顺利过关,没有被刷。

再说,做数据的,脱不开技术层面,可能那些有的没的浮夸之笔没那么重要。不过,我自己的简历不管怎么说,我觉得用赏心悦目不为过。

笔试

谈到这个,总是有种浓浓的忧伤,按理来说,认真准备了,结合专业知识,网上轻而易举就能找到的各类笔经,应该顺利通过才是。只是,忘记了前提,本身你得适合这个岗位。由此,埋了好多大坑。

客观说,我一直关注数据分析这个大方向,本科研究生相关课程学的是勤勤恳恳,只是,总觉得目前这个职位在国内定位有点模糊,根据公司性质和部门的不同内容相差很多,一轮下来,整体的印象是:公司偏向会点统计的程序员,绝大部分公司对数据挖掘的需求很大,而且数据分析或者挖掘在某些公司其实是一样的,有直接产出能快速代码有结果的,成为主要竞争力,从互联网公司95%的笔试都有一半的编程题(而且几乎没有R语言可选)可以看出。对业务偏向的数据分析岗,其实好多公司可能设置在运营之类的其他部门,很少有公司专门分出来放在数据岗招聘。我拿到的offer是为数不多一家(怪不得能拿到>\<)。这就扯远了,涉及到公司对数据的根本理解还有战略之类的,就更混乱了,要怪就怪这个行业还是比较新。

大致上,概括地说:

  1. 岗位里有写统计数学或者计算机相关的,基本更偏向计算机,以下技能点也多是各种算法熟悉。
  2. 要求里写出熟练使用ppt, SQL,能分析日活、月活的,基本是干运营。
  3. 明确写明专业为计量经济学,统计学的,有数据分析能力,会使用SAS,R,Python的,对金融或者信用评级模型有见解的,挺合适的。But,这类公司一般是互联网金融公司,风口上的行业,但是校招规模偏少,相关实习经验很重要,今年秋招不成规模。
  4. 要求会机器学习,Hadoop,Hive等的,都是算法或者挖掘岗again,只是公司喜欢称作数据分析。

这样一列,纯技术还是主流,再加上没有相关行业实习的我,在互联网笔试上挂得太惨烈。主要是实际上都投成了开发岗或者挖掘岗。后面金融相关的行业,以银行为主倒是一路顺畅,不过,毕竟不是本心,不提也罢。

面试

这个,其实还真不知道怎么说,银行的或者金融部门的岗位,倒是面了好几大家,没什么“技术”含量,各种讲究综合素质,仁者见仁了。

先说些不成功的吧。华为投了IT应用支撑岗大类下的大数据岗位,后期专业面试的时候,和面试官聊才发现,这个部门需要开发的,包括报表系统等,纯正的技术风。实际上在财务类里,有作为集团的数据支持岗位。

美团点评,今年设了个单独的商业数据分析师岗位,而且是单独招聘,从职位描述看数据分析岗似乎是商业岗的升级版。其实还是老样子,一个技术,一个业务。

一圈下来,其实也不难理解了,除了阿里的逻辑清楚,数据岗位细分得比较合理,其他公司都忙着搭建或者壮大自己的数据部门。先把平台弄起来,流程运行熟练了再说,至于作为产出的数据产品,用不用,好用与否,似乎看不出来。这样前期肯定是纯正技术线条的占主流优势。从长远看,借鉴北美Facebook, Linkedin等等,以后肯定会进一步细分,会更清楚。类似的背景才会逐渐有优势。

offer

最后,还是说说我的offer吧。商业数据分析岗位,9月底就意外收获offer的我,对帝都一直没想好,所以各种纠结,先是放弃了,最后心里挂念还是在11月初厚着脸皮给把offer要回来了,一波三折。

一家刚过A轮的公司,当初投简历是google数据可视化的时候偶然发现公司主页的,感觉团队氛围好,就投了。后期多轮电面下来,满满干货,能学到很多,越是了解,就越感觉数据驱动的理念,以技术为核心,岗位细分准确的团队是我一直向往的。一阵蹉跎后,感觉人生好短,喜欢的事就赶紧去做,终于11月上旬又和HR联系是否还有空缺,加试了两轮,感觉还没见面,部门小组人都快聊一遍了,也是莫名小确幸。

未来,在这个岗上肯定会很忙,要学的还有很多,终于开始百分百地一头扎进去,满满积累沉淀了。想想,如此也是份幸运,真好。