原书地址:Springboard- Ultimate Guide to Data Science Interviews
原著作者:Roger Huang、Sri Kanajan
欢迎来我的简书:呆鸟的译Py胡言
目录
-
译序
-
前言
-
什么是数据科学?
-
数据科学岗位
-
各类公司如何看待数据科学
- 开发数据产品的创业公司(200人及以下规模)
- 分析自有数据的创业公司(200人及以下规模)
- 分析自有数据的财富500强大中型公司
- 自有成熟数据团队的大型科技公司
-
聘用数据科学家的行业
-
获得数据科学面试机会
-
通往数据科学面试的九条途径
- 获得面试机会的传统途径
- 官网招聘版块与标准求职
- 第三方招聘公司
- 参加招聘会
- 获得面试机会的主动途径
4. 组织或参加数据科学活动
5. 打造自己的文集
6. 参与开源项目或开放数据项目
7. 参加数据科学竞赛
8. 喝杯咖啡,信息化约谈
9. 数据骇客松
- 获得面试机会的传统途径
-
与第三方招聘公司合作
-
如何提出求职申请
- 简历 VS 领英
- 求职信 VS 电子邮件
- 请人推荐,让人脉为你服务
- 准备面试
译序
翻译这本小册子的缘起,一方面是看的译文书多了,英文书也多了,就不禁手痒、心痒,想看看自己能不能翻译,能翻译成什么样子;另一方面是学了一段数据科学,虽然写不出原创文章,也编不出漂亮的代码,但也想以自己的微薄之力,为这个社区,为很多和我一样努力向数据科学大门迈进的朋友做点贡献,恰巧在Springboard的网站上看到这本指南,免费、公开下载,我想应该没有什么版权问题。
本指南介绍了数据科学的定义、各个数据科学岗位的技能要求、不同行业与公司招聘数据科学人员的侧重点、获取数据科学面试机会的途径、数据科学面试的详细流程、数据科学面试的试题种类与示例。为了更好地说明数据科学面试,作者采访了很多已经当上数据科学家的求职者,还有一些公司的数据科学主管,将他们的经验和想法整理出来,将来自数据科学第一线的思想呈现给大家,最后还列出了大量的资料、文献与数据,为求职者了解、应对数据科学面试提供了充足的弹药。
本指南不仅能指导求职者应对数据科学面试,也可以帮助国内各行各业需要招募数据科学人才的公司了解数据科学的招聘流程、招聘重点,推动国内公司优化数据挖掘、数据分析、数据开发等数据科学体系的建立、健全,希望这次的翻译能帮助面试桌两边的朋友更好地了解数据科学。
本指南的作者之一Roger Huang是位华人,在此,感谢他不辞辛劳搜集资料,采访了诸多数据科学专家,给我们呈现了这么一本完善的数据科学面试指南;本次翻译也得到了Roger的大力支持,帮我指点了不少翻译中的疑难问题,还主动帮我联系Springboard公司的副总裁,获得了他们对发表中文版翻译的许可。在此,对Roger表示深深的感谢!
前言
说实话,我们没想到为Springboard编撰的 《数据科学职业指南》 会这么火爆,几天就有数千人订阅。说明数据科学虽然备受追捧,但是大多数人还是不知道该怎么上手,毕竟有关这行的实用资料太少了,这样的现实坚定了我们写下去的决心。
和很多朋友交流后,我们发现介绍入行数据科学的文章真是屈指可数,现有资料大多只是个人经历或面试题集锦,很难找到从海投简历一直讲到胜任数据科学各岗位的系统性面试指南。
我心目中的面试指南,要告诉大家面试桌两边的人都有什么想法。举荐求职者的第三方招聘公司、发放Offer的招聘经理,还有顺利通关的求职者,他们都是我关注的对象,我要讲述数据科学面试里各方人士的故事。为此, 我和Sri Kanajan,纽约投行的资深数据科学家合著了本书 。
Springboard培训过数千名数据科学学员,建立了庞大、专业的社区,为我们采集第一手资料提供了独特的优势。
采集本书资料的过程十分艰难,比数据科学面试有过之而无不及。想当年,数据科学的领军人物,美国首席数据科学家DJ Patil等了足足半年才拿到Offer。现如今,好多公司都把数据科学面试搞得特别难,似乎只想招聘最专注、最专业的人才,有时候,就算这方面的高手都过不了关。当然啦,门槛越高,这一行的收入也越高。
数据科学算得上是21世纪 最性感 的职业。数据科学家能带来重大的社会影响,绘制世界贫困地图、阻止疫情爆发、揭开Bansky的神秘身份,再加上一手预测 三月疯狂 赛季里篮球比分的绝活,数据科学家可不只是高收入、事业生活双丰收,还能 干些真正了不起的大事 。
编写本书的目的是引导对数据科学感兴趣的朋友找到数据科学工作。现在,一起来揭开成功通关数据科学面试的奥秘,助你大展身手吧!
什么是数据科学?
开始数据科学面试前,首先要理解这个词的含义,然后还要搞明白数据科学都包括哪些工作内容。
美国首席数据科学家DJ Patil最先提出了数据科学这个概念。
十年来,这一名词一直饱受争议,实干家与学院派对于数据科学涵义的论辩屡见不鲜,更可怕的是,他们的理念和数据分析公司常用的理念也不一样。只要一讨论大数据与机器学习数据解决方案,就会发现新词迭出,让人应接不暇。
每个公司对数据科学的涵义都有自己的理解,招聘经理的理解也各不相同,大家都喜欢根据自己的理解来招聘和面试。数据科学定义随着公司和岗位变来变去,定义不清使得数据科学面试困难重重。
数据科学岗位
下面用一个简单的数据科学项目说明数据科学的岗位。
某数据科学团队想效仿Yelp团队利用深度学习技术识别图片。
每天上传到Yelp的照片多达上百万张,很难为每家饭店找到适合显示的图片。有时上传的都是同类照片,要么是食物,要么是饭店外景,但是想全面评价一家饭店需要不同类别的图片。
这个团队想利用机器学习分类照片,自动将照片纳入指定的类别。要实现这个目的需要帮助计算机利用训练集识别哪些照片是饭店外景,哪些照片只是食物。
数据科学家负责搭建模型,让机器创建不同图片类别,要从用户标注过的照片和照片标题的关键字里提取所有相关的数据类型。这是个高端岗位,通常要全方位管理数据产品,搞定从算法选择到工程设计等方面的数据科学问题。
数据工程师负责搭建系统,获取并存储所有图片数据,实现数据科学家选定的算法。这个岗位需要很强的技术实力,但是不需要深入理解算法理论。
数据分析师负责查询数据、展示业务变化带来的影响。用户满不满意?最近的改版为Yelp带来了多少流量?这些都是数据分析师要提出和解答的问题,此外,数据分析师还要和其它岗位的同事沟通数据分析结果。这是个入门级的岗位,数据科学新人或有一定技术能力的业务人员就可以胜任。
后文还会提到更多数据科学岗位。现在只要知道这三个数据科学岗的面试不一样就可以了,其实,大部分情况下,各个数据科学岗位的面试都不一样。
各类公司如何看待数据科学
不但数据科学各岗位的面试要求不一样,各类公司对数据科学面试的要求也不一样。可以把公司大致划分为4类:
1. 开发数据产品的创业公司(200人及以下规模)
欢迎来到硅谷的心脏,创业公司是技术人员的浪漫国度,很多创业公司短期内就能取得惊人的成绩。加入创业公司,要做好一人多职的心理准备,很多时候一个人要兼任三个数据科学岗位的工作,而且可能永远也得不到想要的资源,加班加点,累死累活更是家常便饭。
这类公司的招聘门槛大多高的吓人。不管是为其它公司提供数据优化的平台,还是用机器学习分析数据集,这类公司都希望求职者具有很高的水平,他们对数据处理技能的要求远高于那些只处理内部数据的公司。这类公司的创始人大多都是数据科学精英,或者曾经当过大型数据科学团队的领导。他们招聘的都是顶级人才,要有丰富的从业经验、突出的发展潜力和强大的自我推动力。加入这样的公司可能是这辈子最好的学习机会,不过,也要做好面对数据科学顶尖挑战的心理准备。
公司示例 :Looker、Mode Analytics与RJMetrics。
岗位实例 :数据分析师(Looker),高级分析师(Mode Analytics)。
高级分析师
Mode是一家为分析师服务的公司,我们的产品可以让分析师的工作效率更高、效果更好。我们的目标是为各行各业的分析师提供教育与激励服务。
数据分析团队是实现这一目标的核心力量,身负两大使命。第一,服务于产品、营销和销售团队,协助他们制定更科学的决策。第二,为希望实现数据驱动转型的公司或分析师提供开源资料和分析服务。
岗位职责 :
- 协同相关部门制定数据驱动的产品、营销与销售决策;
- 定义核心指标,并进行跟踪;
- 根据数据分析结果,为Mode找寻新的赢利点;
- 与Mode社区分享工作成果;
我们心目中的人选 :
- 善于沟通的演说家,不能只会编制华丽的可视图,还要能诠释数据内涵和对业务的影响;
- 创意无限的思想家,善于提出问题、解决问题;
- 技术过硬的开发者,精通SQL、R或Python、D3等可视化工具,具有开发数据工具和数据管道经验者优先;
- 具有数据分析专业背景。
公司规模 :143名员工使用领英(11-50人的公司规模)
岗位解读 :本岗位的重点是沟通能力、数据库查询能力、利用编程语言实现数据可视化的能力,说明这是个业务岗,与相关团队沟通数据分析结果是必备能力。
2. 分析自有数据的创业公司(200人及以下规模)
这类创业公司只分析自有数据,不向其它公司销售数据产品。因此,招聘门槛比前一类公司略低。不过分析自有数据对创业公司一样至关重要,因此这类公司的招聘门槛往往也会很高。
IT类创业公司里技术天才很多,不过能为业务与技术搭桥的人才也不可或缺,要是公司里各部门对理解和使用数据各执己见,这样的人才就更重要了。在数据驱动型公司工作,要做好吃苦耐劳的心理准备,还要能不断拓展思路,为公司各部门采集数据、使用数据推荐新工具,制定新流程。
在处理自有数据的公司工作,非常考验数据分析师的水平,要在公司里持续推广、强化数据驱动型的企业文化。赶紧提高自己的领导能力与沟通技巧吧!
还有,B2B与B2C创业公司的数据问题也不一样。B2B是商对商,将软件产品直接卖给其它公司,Salesforce就是其一。B2C则是服务于广大消费者,比如亚马逊。B2B公司的数据量一般不大,但特别在意数据细节与数据特征。这类公司的客户主要是企业客户,数量不多,但都很重要,因为每个客户都会带来巨额收入。B2C公司的客户量极大,数据问题主要是数据规模庞大,过度关注消费者个体会分散其对消费者群体的注意力。B2B公司可能只有1000个客户,但每个客户每月可能会消费上千美元,而B2C公司可能有100000个用户,但每个用户每月能有1美元的收益就不错了。
求职者一定要深入了解面试的公司及其数据问题,做足功课,确认能在该公司满怀激情地工作,具备的专业技能最好也要和该公司的岗位职责相匹配。
公司示例 :Springboard、Branch、Rocksbox、Masterclass与Sprig
岗位实例 :Branch公司 首席数据科学家,Rocksbox公司 数据(研究)科学家,Masterclass公司 数据科学家等。
数据科学家(决策科学家)
Masterclass
岗位职责
公司简介 :
Masterclass致力于让来自世界各地的朋友都能获得最好的在线教育。演员为什么感情这么丰富?运动员怎么能抵抗地心引力?畅销书作者又是如何炼成的?我们的课程将对这些问题为您一一解密。作为我们的学员,您可以随时随地学习在线课程。至于那些天才宝宝,您可有福了,可以享受每节课一次免费试听的优惠待遇。
我们是风投提供资金支持的创业公司,目前正处于高速发展期。公司位于旧金山,现已聘请各行各业的专家录制了大量在线课程,今后还有更多课程持续上线。2015年起,我们开始搭建自己的数据团队,现在就申请加入我们吧!
我们心目中的人选 :
- 热爱分析。不管是统计分析、预测模型、用户调研、定性研究,还是商务智能或业务分析,这些分析领域都要有所涉猎。我们希望你能热爱数据项目涉及的各种分析工作;
- 实用主义。成果导向、积极主动、动作迅速、无惧荆棘、高屋建瓴、主次分明。必要时可以在短时间内提供 足够好的 解决方案;
- 科学思维。能深入钻研问题,提炼出可用于商务实战的假设推理;
- 善于交往。具有丰富的沟通技巧,能够描述各类业务伙伴提出的模型、逻辑和含义;
- 乐于学习。快速上手新工具与新技能,能打破瓶颈,推动项目开展;
- 具有敏锐的商业洞察力、产品意识及系统思维。
公司规模 :37名员工使用领英(11-50人的公司规模)
岗位解读 :寻找乐于钻研问题的通才,能对各种数据分析结果进行沟通。说明这是个多面手型的数据科学岗位。胜任这个岗位需要有积极主动的工作态度,还要有创业精神。
3. 分析自有数据的财富500强大中型公司
世界级的大公司深知使用自有数据的重要性。不少公司已经组建了强大的数据科学团队,并提供充足的资金支持,使其安心开展数据科学工作。这些数据团队有点像大公司内部的创业公司,帮助公司将数据转化为商务洞察结果。还有很多公司意识到数据对保持竞争力的重要性,为此不惜招募整个数据科学团队。利用好自身优势,说不定就能轻松通过这些知名大公司的数据科学面试。
虽然这些公司的企业文化已经成形,甚至还有官僚作风,多多少少会给创新带来更多困难,但拥有百万客户数据可以为数据科学带来无限可能。以沃尔玛的采购数据为例,这可是百万量级的数据,分析结果会影响千万人的生活。
虽然这类公司一般不会研发尖端数据科学解决方案,但处理他们的数据集依然是一种挑战,和他们的精英员工一同工作,也能让你受益匪浅。
公司实例 :沃尔玛、JP摩根、摩根斯坦利、可口可乐、第一资本
岗位示例 :摩根斯坦利 数据科学家与建模师 ,第一资本 数据工程师
数据工程师
职位ID :R5046
发布日期 :2016年6月16日
工作所在地 :弗吉尼亚州,麦克林市
第一资本是业内领先的高科技信息技术公司。在公司创始人、董事长与CEO,Richard Fairbank的引领下,多年以来,我们一直努力为客户提供独创、精简和人性的银行服务,我们以帮助客户取得成功为使命,客户的成功就是我们的成功,客户的满意就是我们的标准。
在共同价值观的指导下,我们视合作与开放为核心价值,相信快人一步的创新、同心协力的团队,只要互相扶持,以做正确的事情为准则,必能创造卓越的成就。我们的合伙人为客户服务尽心尽力,全力协助客户达成目标、实现梦想,共同为把银行业变得更好而努力。
我们心目中的人选 :
想用数据引爆软件的能量吗?开发过引以为豪的应用吗?喜欢优雅的数据解决方案吗?第一资本正在寻求一位资深数据工程师,能够开发语言优雅、扩展性强的数据解决方案,通过内外部客户触点,改变业界游戏规则,提交用户体验分析成果。 作为引领下一波新浪潮的银行客户团队成员,您将领导整个团队不断完善第一资本的生态系统,最终创建技术为王的企业文化。您的职责涉及引入Kafka消息队列技术,落实Hadoop、Dynamo、Redshift、Cassandra、Mongo等大数据解决方案、实现API、微服务及分布式处理等。
公司规模 : 超过30,000名员工使用领英(10,000+人的公司规模)
岗位解读 :关注大数据工具,说明这是个非常专业的岗位,需要掌控第一资本庞大的数据资源。
4. 自有成熟数据团队的大型科技公司
大型科技公司也在不断孵化成长,他们对数据的痴迷源于当年创业公司的初心,只不过他们的数据规模已经达到甚至超过了百万量级。优步、Airbnb、Facebook和谷歌等世界级大公司有着业界顶尖精英领导的技术团队,这类公司的数据科学人才专业性极高,可以用最狂野的革新思想应对最前沿的数据问题。
如果你渴望挑战、向往处理大规模数据,一定要加入这些顶级公司。虽然在这里你的优势不如在创业公司明显,但是这些公司福利好、薪资高、团队成员极其优秀 — 就算将来想换工作,这里的工作履历也能让你的简历高人一等。
公司实例 :Facebook、谷歌、Airbnb 岗位示例 :Oculus 数据分析师,Airbnb 机器学习数据分析师
数据与分析
数据科学家、数据分析师(Oculus)
Facebook对促进世界沟通与共享做出了巨大的贡献,过去的十年里,我们的产品改变了整个世界的沟通方式。我们在全球超过五十个国家设立了分公司,十几亿人使用我们的产品与服务,在Facebook工作为您提供了无限的可能。Facebook对促进世界沟通与共享做出了巨大的贡献,过去的十年里,我们的产品改变了整个世界的沟通方式。我们在全球超过五十个国家设立了分公司,十几亿人使用我们的产品与服务,在Facebook工作为您提供了无限的可能。
我们的子公司Oculus一直在寻觅既热衷于虚拟现实,还能驱动数据化业务决策的数据产品科学家。在这里,您可以操控世界上最复杂的数据集、使用最前沿的技术,在日常工作中,您的洞察结果将会变为影响整个世界的产品。理想的求职者要有量化分析与技术背景,具有操作大规模数据集和数据驱动决策的经验。应当关注结果、积极主动、能够使用数据分析技术带动产品理研发理念、促进产品开发,最终推出成功的产品。
公司规模 :16,715名员工使用领英(10,000+人的公司规模)
岗位解读 :本岗位指出求职者应该是敢于创新的全面型人才,属于开放式数据科学岗,招聘方希望求职者能推动新项目的开展,自始至终引导团队开展工作。
聘用数据科学家的行业
各行业对数据科学的要求不一样。每个行业都有专业知识,数据类型也因此不同,比如学校与银行关注的指标就不一样。
假如求职者恰巧对要面试的行业充满热情,记得一定要在简历或领英里多多列出该行业的关键字。说明对这个行业很感兴趣,对这个行业的知识了解得非常深刻,会让你在众多求职者中脱颖而出。
O’Reilly公司的调研表明,软件、咨询及银行金融是对数据科学人才需求最大的三个行业,也是愿意为数据科学家开出最高工资的行业。不同行业对数据科学岗位的需求不同。软件、医药以及电信业的公司是数据科学家的最大雇主;软件、航空和IT业的公司喜欢招聘数据工程师;医疗健康、咨询顾问及银行业的公司则倾向于招聘数据分析师。求职者可以根据潜在雇主的行业,推断他们的数据科学需求。
求职者还要了解不同行业、公司及岗位的数据科学面试过程。从事数据科学这一行,必须具备获取和处理大规模数据集的能力。一般来说,求职者应该具备编程能力、数学知识及技术沟通技巧,还要掌握各种数据科学技能,能够胜任公司里各类数据科学岗位工作。
最重要的一点,求职者要有 通过数据改变世界的决心和能力,不能轻易被困难击倒 。
数据科学面试就是为了测试这些技能以及求职者的适应能力,准备迎接来自各个维度的挑战吧!
获得数据科学面试机会
数据科学面试的第一步不是应对面试,而是争取面试机会,仅这点可能就需要几个月的努力。
作为本书研究的一部分,我们咨询了20个人,想了解他们认为数据科学面试里哪个环节最难,本来我们认为他们会说技术问题最难,但调查结果并非如此。只有68%的人认为技术问题最难,名列第二;多达80%的人认为得到数据科学面试的机会最难。
怎样才能得到面试机会,特别是转行做数据科学的人怎样才能获得面试机会呢?介绍这方面内容的文献很少。我们想在此基础上更进一步,研究数据科学面试的真人真事,给大家呈现与众不同的内容,帮助求职者找到面试机会。
通往数据科学面试的九条途径
在数据科学领域,我们发现传统途径还有些作用,不过对于创业公司,新兴的、主动出击式的策略会让求职者获得更多机会。
获得面试机会的传统途径
虽然,我们认为新兴的策略对获得面试机会更有效,不过,本着物尽其用的精神,了解下传统途径也没有坏处。
1. 官网招聘版块与标准求职
求职者通过公司官网的招聘版块提交简历与求职信,然后就等着吧。不是说别用这种方法,不过它真不靠谱。
可以到 Indeed 和 Careerbuilder 上查找数据科学的帖子,也可以去专业网站的数据科学招聘版块找找机会,比如Kaggle的招聘版块。
2. 第三方招聘公司
联系第三方招聘公司,请他们帮忙联系适合的公司。他们在数据科学与技术领域中非常专业,经常能收到未公开发布的招聘信息。在领英上查找数据科学招聘,联系身边的第三方招聘公司,或许能帮你找到合适的工作。
3. 参加招聘会
数据科学类招聘会很少,虽然哈佛大学与斯坦福大学举办的计算机科学招聘会为在校生提供了不少数据科学职位,但是就算参加当地数据科学社区主办的聚会也比参加招聘会强得多。
获得面试机会的主动途径
上述传统途径是求职的默认项。现在,要想拿到Offer, 还要有主动出击的拼搏精神与勇气 。创业公司提供了大量数据科学岗位,他们的企业文化与招聘策略大多源于那些十年前也是创业公司的大型公司,创业公司的决策者在创建公司时靠的就是拼搏和勇气,他们的招聘理念也如是,所以,求职者必须同样也要有拼搏精神和勇气,主动出击和他们取得联系。
4. 组织或参加数据科学活动
想找到更多工作机会,一定要积极融入数据科学社区,找到志同道合的人。下面列出了一些数据科学活动,包括大型会议与小型社区聚会。
- 会议
- 聚会 我们列出了不少数据科学大会,但还有更多服务于本地数据科学社区的小型聚会。 美国大多数城市都有数据科学社区聚会,但是旧金山海湾地区的数据聚会最多。可以通过Meetup.com查询附近的数据科学聚会,有些大型数据科学聚会的成员超过4000多名,比如,旧金山数据发掘聚会、华盛顿数据科学聚会、伦敦数据科学聚会及海湾区R用户群。 多参加这些活动,要是所在的地区没有类似的活动,也可以自己组织一个。我们的数据科学教育主管,Raj,当年就是靠做过数据科学社区联络人找到的工作。他主持过一次亚特兰大数据科学聚会,当时邀请了不少知名数据科学家做演讲。很快,他就成为了数据科学界的影响者,有一次,一家公司的数据科学岗位出缺,他轻轻松松地就应聘成功了。
5. 打造自己的文集
Sundeep Pattem 是加利福尼司法部数据改革的负责人,同时还是多门数据科学教程的导师。作为数据科学家,他创建了一整套提取数据价值的解决方案,还在个人网站上列出了多个方向的数据科学项目。
通过解决可持续性的能源问题,他的数据科学技能突飞猛进,很快就成为了知名学术大会的出版作家,不久后,还找到了数据科学家的工作。
不知道分析什么数据?我们提供了19个免费开源数据集供你探索。
找到感兴趣的数据问题,提出解决方案,记下每步操作,打造自己的文集,讲述解决问题的经历,展示对数据科学的追求。
6. 参与开源项目或开放数据项目
世界上最酷的数据项目早就不再是大公司秘密数据库里的专利了,Github的开源库才是项目宝地,比如,这里有把人类语言当作数据源的NLTK自然语言工具箱,还有各种Python数据科学与机器学习库。另外,R社区里也有很多牛哄哄的工具包。
懂行的CTO在招聘时大多会参考求职者对开源项目的贡献,甚至还会通过这一渠道寻找储备人才。参与开源项目的经历可以证明求职者能和团队一起合作开发高水平的作品。开源项目就像透明的玻璃瓶一样,让你的优势一览无余。
7. 参加数据科学竞赛
找不到喜欢的开源项目也没关系,还有更广阔的天地可以让你发挥创造力,比如参加数据科学竞赛。
数据科学竞赛平台有Kaggle,Datakind和Datadriven ,这些平台提供了解决现实世界里企业与社会问题的机会。好好表现数据科学技能,告诉大家你是多么的与众不同,积累最强大的面试资本: 热爱实战 。
8. 喝杯咖啡,信息化约谈
广泛的人脉能为你带来大量的工作机会。想知道公司要解决什么样的数据问题?哪些问题你能解决?想知道这些,就得多认识些这个圈子的人。
你可能会想,那些数据科学家个个都忙得要死,哪有时间见我啊!不过,传奇企业家与战略家Steve Blank对付这种人有一套,能邀请他们和你一起喝咖啡。你可以给他们待解决的问题提出新想法,找到解决问题的途径,展示你的价值。
和数据科学家约谈时,可以听取他们的建议,了解最新的业内动态,还可以扩大数据科学人脉圈,了解业内人士怎样运作数据科学项目。
9. 数据骇客松
顺应实战潮流,数据骇客松提供了独一无二的,与精英团队共同锤炼数据科学本领的机会。几天内解决一个特定的数据问题,这可不简单。
旧金山的DataWeek骇客松就是其中之一。与精英骇客组队合作,一起提交切实可行的解决方案,一下子就把你和其他求职者区别开来了。很多公司都关注骇客松,还会提供奖项赞助,以期能在这里找到下一位数据科学家。
与第三方招聘公司合作
本节,我们与Andy Musick,亚特兰大地区的招聘人员合作,想在亚特兰大找工作,可以联系他。我们还与Anna Meyer合作,她就职于Robert Walters,这是一家专注于数据科学领域的第三方招聘公司,她是该公司的招聘主管。
如何提出求职申请
简历 VS 领英
哪种提交求职申请的方式更好?现在还有不少人倾向于传统思路,不过他们忽略了一个大问题:传统思路早就过时了。学院派与实干家的基本区别就是 怎么介绍自己 。
我们和第三方招聘公司、在校学生,还有招聘经理都交流过,他们普遍认为领英已经是招聘的黄金标准。领英允许第三方招聘公司浏览优化过的简历,他们能帮你找到合适的工作机会。
不会在领英上给自己造势,你就已经输给这么干的人了。
虽然现在面试还要求提供简历,但简历已经不是面试成功的重点了。提交简历之后,招聘人员会快速浏览一下你的简历,然后就完了,而伟大的领英可以不断地给你提供求职机会。
和学院派不同,写几篇令人印象深刻的论文,再有几年高校工作经验,这是学院派找工作的关键。到业界的公司求职,简历写的越简单越好,列出以前为公司做过什么贡献就可以了。记住,招聘人员对简历就是一扫而过,看一份简历也就30秒。
-
关于简历的重要建议1)尽量简短,最好一页。记住,看简历的人愿意深入了解你之前,首先要找到对你的兴趣点。2)突出技能,最好高亮或加粗显示。招聘人员或招聘经理会先看你是否具有岗位所需的技能。3)写清楚工作内容。每项工作内容最多不要超过三条,每条不要超过一行。简要说明工作经验与求职岗位相关就可以。4)使用数字说明影响力!不要只写做过什么工作,要写清楚做过的工作产生了多大影响。比如说,帮助几千人节约了多少小时的工作量;不能只写“开发了自动销售电子邮件软件”,要写“开发了自动销售电子邮件软件,带来了40万美金的效益”。
-
关于领英的重要建议1)别不好意思,尽量多描述细节,把自己描绘的与众不同。要知道大多数招聘经理面试前都会来领英看看。2)职位清晰,与招聘人员使用的关键词一致。写清楚你是数据科学家,还是数据分析师,这点最好要和以前的工作岗位相匹配。3)个人特色,在个人档案里写清楚与别人的区别,比如,兴趣、爱好等等。招聘经理喜欢评估求职者的技术能力以及与企业文化的匹配度。说明你独特的世界观,能增添不少个人价值,脱颖而出。4)如果不想为某个特定工作或行业优化个人档案,那也得明确求职目标,在领英的个人档案里说清楚这一点。要想求职成功,编写个人档案时要非常慎重。如果不想只得到入门级的Offer,就别说自己是数据科学新人。要是你专注于处理某些特定类型的问题,要说清楚这类问题涉及的行业。
搞清楚应聘岗位和行业以及相关技能的关键字。对金融类数据科学岗位感兴趣?别客气,尽量在简历与领英里多提提这些行业的术语。如果你的技能正好与求职岗位相关,一定要说清楚!最好研究一下要应聘公司正在使用的技术。
Yelp、Airbnb这样的公司经常在博客上介绍它们的数据科学项目。要是应聘岗位要求使用Python或R,就得在简历和领英里说清楚你会不会这些技术。要是有人能在领英帮你做背书,也是非常有利的事情,所以别不好意思,邀请同事证明你的技术实力吧。
很多第三方招聘人员和招聘经理不怎么看简历,更喜欢看领英。招聘人员看简历的时间一般也就30秒,然后就把简历扔到一边去了。用强有力的语言描述你为公司带来的影响,如果想让简历或领英引人注目,记得一定要使用正确的关键字。
记住提交简历或领英只是找到最佳工作的第一步,别觉得这有什么了不起,这样的人没有一万,也有八千,都排队等着入职呢。你得干得更漂亮才能找到满意的工作。不管怎么说,优化求职的每一步,包括简历和领英,这两样都是你的新老板肯定会看的东西。
求职信 VS 电子邮件
求职信以前是学术进步的标准。现在这个年代,招聘人员很少会看求职信。要是想表现得与其他人不同,就在简历或领英里附上吧。
要表现的更积极主动,就把工作经历好好提炼一下,整理成简明的文字,发个电子邮件给招聘经理,方便他向公司里其他人介绍你。这封邮件一定要简单明了,最好别超过一段,内容也不要超过三点,就说最重要的事情,能说明你给公司带来的影响就可以了。
请人推荐,让人脉为你服务
大多数人都没意识到人脉圈子的重要性,好的人脉圈子可以让你顺顺利利地迈进数据科学面试的大门。很多公司都极其重视人才推荐,特别是内部推荐。要是公司里能有人大力推荐你,最起码能保证有人去看你的简历,甚至还可能帮你跳过面试的很多环节。
我们曾简单地调查过一些求职成功的校友。结果是,通过公司内推的人有**85% 的几率获得面试机会;仅通过投简历、领英或其它标准渠道求职的人仅有 10%**的几率获得面试机会。内推可以让求职成功的可能性大幅提高。我们的校友还说,不一定非得是朋友才能做人才推荐,也可以找公司里的员工帮你推荐,起码能帮你搞到电话面试的机会。
长远来看,你得结交不同类型的人,不管是曾向你学习的人,还是喜欢给你介绍朋友认识的人,他们都会为你的人脉圈子添砖加瓦。但愿你找工作时已经建立了强大的人脉圈子,圈子里还有不少既喜欢数据科学,还能给你推荐工作的人。
假如人脉圈子帮不上忙,又着急找人推荐,那你可以利用信息化约谈这招。接触在这行工作的人,了解他们都在干什么,他们面对的问题。大部分人,就算是毫不相干的陌生人,也会愿意腾出时间交流。当然啦,前提是你得能证明你对他们的事业感兴趣,而且还帮得上忙。
聚会活动是结交新朋友的好去处,领英、Angellist和FounderDating这样的网络平台也可以。只要表现的真心诚意,再展示出你对他们就职的公司和数据科学的兴趣,就可以试着约他们出来喝杯咖啡,聊聊他们的公司,看看能不能为他们手头上的难题提点解决方案。
下面是个邮件样稿(你也可以在领英上添加朋友,还可以在FounderDating或Angellist上直接给人发信息。)
【对方姓名】,您好:
我对Airbnb的数据科学问题非常感兴趣,同时非常希望能进入这一领域,我还是Airbnb Nerds博客的忠粉,我发现使用数据建立信任感是Airbnb成功的核心。基于我在心理学与统计学方面的背景,或许我能提出些有创意的想法,帮你们强化信任。
希望能有幸请您一起喝杯咖啡,了解下Airbnb面对的问题,说不定我能帮上忙,不知道您下周是否有时间能一起坐坐?
【你的姓名】
附上领英、简历、文集及当前项目的链接。
如果人脉圈子够大,通过朋友介绍,就有可能约谈任何公司的人。看下领英里的二度好友,看看别人是怎么和你关联上的,同样,你也可以轻易地关注任何一家公司的领英页面。这里是Airbnb在领英的页面,可以去看看。
约好以后,一定要好好了解约谈的人及其就职的公司,相关信息在公司网站就能找到,也可以看看能否通过其它来源了解。总之,最好了解清楚该公司的日常问题。
信息化约谈提供了绝佳的机会,可以让你了解应聘公司到底是什么样,他们的优先级是什么的,这些在面试时有很大帮助。如果准备充足,把自己定位成为帮助公司解决问题的人,这个和你喝咖啡的人就会变成公司内部举荐你的强大助力,帮你跳过一些招聘环节,助你进入第一轮面试。
作者:呆鸟
链接:https://juejin.im/post/5b3f80a7e51d4519873f13b7
来源:掘金