Categories
程式開發

沒有計算機學位,職場小白被裁2個月後,拿到了4個offer並實現薪資翻倍


本文最初發表於Towards Data Science 博客,InfoQ 中文站翻譯並分享。

在這一場史無前例的全球新冠疫情“大流行”中,許多人發現他們的職業生涯受到了影響。這其中就包括一些曾與我共事的數據科學家,他們非常有才華。在我與親朋好友分享了自己的個人經歷,幫助他們在被裁員後找到新工作後,我認為我的個人經歷值得公開分享。畢竟,這涉及到的不僅僅是我和我的朋友。任何因這場疫情而被裁員的數據科學家,或者正在積極尋找數據科學相關工作的人,都可以在本文找到與他們相關的信息。我希望本文最終能夠給你的求職之路帶來一些希望。

被公司認為最優秀員工的我被裁了

2018 年12 月,我被經理告知,2019 年1 月我將被裁員。

而就在三個月前,我當時工作的創業公司工程副總裁曾給人事部主管寫過一封信,這封信解釋了為什麼我是公司裡最優秀的員工之一,並主張為我加薪。這使得我的薪水增加了33%。

很自然的,我有了動力,渴望在一個重要的項目上突破下一個里程碑。公司的未來以及自己的前途似乎一片光明。

但就在這個成功的時刻,我卻被告知,因受到公司層面的成本削減舉措的影響,1 月15 日我將被裁員。

至少可以說,被迫開始找一份新工作,是一件令人生畏的事。

在瀏覽了市場上的數據科學職位空缺後,我很快意識到了自己的知識差距。我在B2B 初創公司所做的工作(混合了入門級數據工程和機器學習)與市場上的許多工作需求完全無關,比如產品感、SQL、統計等等。我只知道這些基本知識,但並不知道要如何填補更高級技能的空白。

然而,在更緊迫的問題面前,即便是這個問題似乎也是次要的,比如我要怎麼才能獲得面試機會?我只有一年半的初創公司工作經驗,而且我沒有任何統計學或計算機科學相關的學位。

很快,更多的問題接踵而來。如果我在失去簽證身份之前還沒找到工作怎麼辦?如果我找到新工作之前,經濟出現下滑怎麼辦?

儘管我很恐懼,但我別無選擇:我必須找到一份新工作。

搜索準備

面對這一艱鉅的任務,我需要一些信息來決定下一步的行動。在做了一些研究之後,我意識到,市場上超過一半的數據科學職位是產品驅動型職位(“產品分析”),其餘的要么是建模相關的職位、要么是面向數據工程的職位。

我還注意到,除產品分析之外的職位往往有更高的要求。例如,大多數建模相關的職位需要博士學位,而工程職位需要計算機科學背景。顯然,不同細分領域的崗位要求差異很大,因此,每個領域的崗位準備工作也會有所不同。

有了這些信息在手,我做出了一個重要的決定:如果為所有領域的崗位都做準備的話,既會讓我不知所措,也極可能會降低效率。我需要專注於一個領域。

我之所以選擇產品分析是因為,基於我的背景和經驗,我在這方面獲得面試機會的可能性很高。當然,並不是每個從事數據科學的人都有我這樣的具體背景和經驗。所以,我總結了大公司三類數據科學崗位的一般要求。

了解這個基本的分類,為我節省了很多時間,我相信,它終將被證明對其他尋找數據科學工作的人也一樣有用。但我要補充的是,對於小型初創公司來說,面試可能不會那麼結構化,而更多地要求三者兼而有之。

產品分析(佔市場約70%)

  • 要求:具有產品發布實踐經驗;敏銳的商業頭腦;熟練掌握SQL。

  • 示例:Airbnb 的數據科學家、分析工程師;Lyft 的數據科學家;Facebook 的數據科學家;Google 的產品分析師。

建模(佔市場約20%)

  • 要求:具備機器學習知識(不僅僅是如何使用機器學習,還包括出的數學和理論知識);較強的編碼能力。

  • 示例:Lyft 的數據科學家、算法工程師;Airbnb 的數據科學家、算法工程師;Amazon 的應用科學家;Facebook 的研究科學家。

數據工程(佔市場約10%)

  • 要求:具有數據工程技能的端到端數據科學家;具有分佈式系統知識;熟悉MapReduce 和Spark;具有Spark 的實踐經驗;較強的編碼能力。

  • 示例:Airbnb 的基金會數據科學家;一些初創公司的數據科學家。

根據我自己的經驗,本文的其餘部分都是針對那些準備產品分析職位的人“量身定做”的。稍後再來看看我為數據工程職位準備的文章。

求職開始

當我知道自己將要被裁員時,我做的第一件事就是廣泛而積極地找其他工作。我用了所有我知道的招聘網站,包括玻璃門確實領英等。我還請求我所有認識的人幫忙推薦。

然而,由於那時已接近年底,因此,直到2019 年1 月前,我並沒有收到任何回應。

事實證明,請人幫忙推薦比自己申請要有效得多。在發出大約50 份求職申請後,我只得到了3 次面試機會;但在18 次推薦後,我得到了7 次面試機會。

總的來說,很明顯,我在人才市場並不是一個強有力的候選人。

面試概述

儘管每家公司的面試結構各不相同,但多數公司都遵循一個大致框架:

  • 招聘人員簡單的電話交流。

  • 1 到2 輪技術電話面試或Take-home assignment(帶回家的面試作業)。

  • 一場4~5 小時的現場面試,通常包括3~4 輪技術面試和招聘經理的行為面試。

在我面試過的公司中,大約有一半(4/10)在技術電話面試之前有Take-home assignments,或者乾脆跳過技術電話面試直接做Take-home assignments。而這種非常消耗大量的精力。

一般來說,一個8 小時的Take-home assignments 會讓我在提交後至少要休息半天。正因為如此,我盡了最大努力安排相應的面試時間。盡量在做完Take-home assignments 的第二天早上沒有面試安排。

只要了解基本的結構,就能讓你在找新工作的過程中感覺更輕鬆,能夠做到應對自如。

面試之前

在我的面試中,每一個機會對我來說,都是至關重要的。

雖然我知道有些人是通過參加面試來學習的,經歷多次面試後會變得更優秀,通常還能為他們面試的最後幾家公司獲得工作邀請,但我覺得,我不能採取這種方法。

因為我在2017 年畢業時,我曾發出過500 份求職申請,但最後只有4 次面試機會。我沒想到2019 年還會發出更多求職申請。

因此,我的計劃是,為每一次面試做好充分的準備。我絕不放過任何機會。

被裁員的一個好處就是,我可以整天為面試而學習。每天我都把要學習的內容安排好,每天重點學習兩三件事。從以前的面試中,我已經總結出來,對某一事物或話題具備深刻的理解可以讓你在面試中給出更透徹的答案。尤其是在面試的時候,你往往會比平時更加緊張、焦慮,掌握更多的知識會特別有幫助。

在講述自己的經歷時,我不僅想起一個經常聽到的誤區:沒有實際經驗,是斷無可能獲得產品/實驗方面的知識的。這種觀點,我堅決不認同。雖然我之前並沒有任何產品或A/B 測試的經驗,但我相信,這些技能是可以通過閱讀、傾聽、思考和總結來獲得。畢竟,這與我們在學校裡接受教育的方式也一樣不是?

其實,隨著我接觸更多的資深數據科學家,我不斷了解到,這種做法其實很普遍,即使對於有多年經驗的人來說也是如此。你在面試時被問到的內容可能和你以前做的事情完全無關,但你可以通過工作經驗之外的方式獲得你所需要的知識。

特定科目的準備

下面的六個小節,是我如何為產品分析崗位的面試中出現的具體內容做準備的。

產品感

作為一家初創公司的數據科學家,我主要負責開發和部署機器學習模型,以及編寫Spark 作業。因此,我幾乎沒有任何產品知識。

當我在玻璃門上看到一些真正的面試問題時,比如“如何衡量成功?”或者“如何通過當前用戶行為來驗證新功能?”,我完全不知道要如何處理這類問題。它們對我來說似乎過於抽象、開放。

為了學習產品感,我採取了基本的閱讀和總結策略,使用下面列出的資源。所有這些閱讀幫助我積累了產品知識。結果,我想出了一個結構化的方法(我自己的“框架”)來回答任何類型的產品問題。然後,我將我的知識和框架用來測試學習任何技能所必需的:實踐。我寫出了涉及產品感的問題的答案。我將答案大聲地說出來(甚至用手機錄下自己的聲音),並利用錄音來微調我的答案。很快,我不僅可以用這種方法“假裝”面試,而且我真的知道自己的東西。

資源:

的SQL

我第一次的SQL 技術電話面試失敗了,那是一家我非常感興趣的公司。

我需要再次練習,所以我花時間研究了SQL 問題。最終,我能夠做到在一天內完成這些問題,而這些問題之前曾花了我整整一個禮拜的時間!老話說得好:“熟能生巧!”

資源:

統計學與概率學

為了準備這些問題,我溫習了統計學和概率學的基本知識,並做了一些編碼練習。儘管這可能看起來很難(因為這兩科目都有很多內容),但對於產品數據科學家來說,面試問題從來都不難。

下面列出的資源都是很好的複習資料。

資源:

  • 可汗學院(Khan Academy)有一門統計學和概率學的入門課程,涵蓋了這兩個科目的基本知識。

  • 這本統計學的在線書籍涵蓋了所有基本的統計推理。

  • 哈佛大學(Harvard)有一門課程:《統計學110:概率》(統計110:機率),這是一門介紹概率與實際問題的課程。如果你更喜歡看書而不是聽書的話,賓夕法尼亞州立大學(PennState)有一門《概率論入門》(概率論導論)的課程,其中有很多例子。

  • 我還通過對HackRank 上10 天的統計數據進行編碼,以鞏固我的理解。

  • 有時候,A/B 測試問題會在統計面試中提出。優達學城(Udacity)有一門很不錯的課程,涵蓋了A/B 測試的基礎知識,而Exp Platform 有一門關於這一主題的更為簡明的教程

機器學習

由於沒有計算機科學學位,我只能在機器知識有限的情況下開始找工作。我在上一份工作期間,曾學過一些課程,我複習了這些課程的筆記,為面試做準備。然而,儘管現在建模問題變得越來越頻繁,但對於產品數據科學家來說,面試問題主要是針對如何應用這些模型,而非基本的數據額和理論知識。

不過,這裡有一些有用的資源,有助於在面試前提昇機器學習技能。

資源:

介紹

有些公司要求求職者要么提交Take-home assignments,要么提交他們最引以為傲的項目。儘管如此,還是有其他公司在行為面試中詢問最有影響力的項目。

然而,無論是什麼形式,關鍵是要讓你的演講有趣並富有挑戰性。

這聽起來不錯,但怎麼做到呢?

我的主要建議是通盤考慮所有細節,例如高級目標和成功指標、ETL、建模實現細節、部署、監控和改進。這些小事情加起來,就是一個卓越的演講,而不是一個大的想法。

下面是一些值得反思的問題,有助你實現理想的演講效果。

  • 該項目的目標和成功的衡量標準是什麼?
  • 你如何決定啟動該項目?
  • 你如何知道客戶是否從該項目中受益?受益有多少?
  • 你如何進行測試?如何設計A/B 測試?
  • 最大的挑戰是什麼?

當你介紹一個項目時,你需要吸引觀眾對吧?

為了讓我的演講變得有趣,我經常分享有趣的發現和項目中最大的挑戰。但是,確保你投入的最好方法是練習。練習,大聲練習。我練習向家人演講,以確保自己已經掌握材料,並能做到輕鬆交流。如果你能讓你認識的人參與進來,那麼需要傾聽的面試官可能就沒有“機會”了。

行為問題

雖然準備技術面試問題很容易,但別忘了行為問題也同樣重要。我面試過的所有公司在現場面試中都至少進行了1 輪行為面試。

這些問題通常可以分為以下三類:

  • 為什麼選擇我們? / 你在工作中最看重的是什麼?

  • 請做一下自我介紹。 / 你為什麼要離開現在的工作?

  • 說說你職業生涯中最大的成功/ 失敗/ 挑戰。其他版本:告訴我你曾經解決衝突的例子,或者你不得不說服你的經理或產品經理應對某些情況的例子。

行為問題對數據科學家來說非常重要,所以要做好準備。了解一家公司的使命和核心價值觀有助於回答上面第一類中的問題。像上面第二類和第三類這樣的問題,可以通過講故事來回答,3 個故事就足以回答所有的行為問題。當你去面試的時候,一定要準備好幾個好故事。類似於產品問題,我通過大聲地說出來、錄音、聆聽然後微調答案的方式進行了大量的練習。聽故事是確保成功的最好方法。

獲得成功的秘訣

現場面試的前一晚通常是一個緊張的、忙碌的夜晚。

為了能夠回答產品問題,我總是在復習統計筆記和思考框架的同時,努力學習更多的技術知識。當然,正如我們在學校學到的,沒有一樣東西是特別有用的。結果在很大程度上取決於在沒有一夜的填鴨式學習之前的準備工作量。

所以準備工作是很重要的,但有些規則你可以遵循,以確保你的面試取得成功。

  1. 在回答問題之前,一定要把問題弄清楚。通過用自己的話重複問題,確保你理解了別人問你的問題。如果你沒搞清楚問題就貿然回答,那就將是一個危險的信號。

  2. 組織好所有問題的答案。用要點記下你的思考過程。這一做法向面試官展示了你有一套系統解決問題的方法,有助於面試官以後為你撰寫評語。

  3. 當你不知道答案時,不要驚慌。如果你不熟悉這個領域,也沒有關係。在這種情況下,你可以從做一些假設開始,但要確保溝通你正在做的假設,並詢問這些假設是否合理。有時候要求更多的時間是完全沒有問題的。如果你想不出任何答案,大腦一片空白怎麼辦?那就說說你的一個與問題相關的經歷。

  4. 態度很重要。公司正在尋找一個願意傾聽並能接受不同意見的人。你得表明自己是一個很容易共事的人。要保持謙遜和尊重。傾聽並澄清。將你的正能量傳遞給他人,盡你所能進行一次愉快的交談。

  5. 對公司進行調研。熟悉它的產品。問問自己如何改進產品,以及什麼樣的指標可以用來衡量這些產品的成功。通過閱讀他們的官博,來了解每家公司的數據科學家所做的工作也是很有幫助的。通過這種調研,你才能在面試中進行更深入、最終效果更好的對話。

運用這些規則,以下就是我從現場面試中得到的反饋:

  • 回答產品問題的方式非常結構化。
  • 演講組織得非常有條理,考慮得很周到。
  • 對我們的產品表現出濃厚的興趣,並提供了有價值的改進意見。

怎麼談薪資?

在收到口頭錄用通知後,下一步就是和招聘人員一起敲定薪酬。

我只遵守一條規則:永遠要談判。

但要怎麼做呢?

Haseeb Qureshi 有一個非常有用的協商工資指南,我在工作邀請談判階段中,虔誠地遵循了這個指南。每一條規則都是如此真實。我和所有給我工作邀請的公司都進行了談判。工作邀請的平均增幅是15%,而最高的工作邀請,總價值增加了25%。談判很管用,所以不要害怕去嘗試談判!

要點

  1. 大量的練習是關鍵。
  2. 失敗是生活的一部分,也是求職的一部分,別把失敗看得太重。
  3. 找到一種適合你的減壓方法。

綜述

在瘦了近十斤,經歷了多次嚎啕大哭(求職是有壓力的,承認這一點就好)之後,我終於在被裁員後的兩個月內拿到了4 份工作邀請,其中3 個來自我做夢都沒想過能加入的公司—Twitter、Lyft 和Airbnb(我最終加入的公司),還有一家醫療初創公司。

在瘋狂的兩個月結束時,我總共收到了10 次面試機會、4 次現場面試機會和4 份工作邀請,這使我的技術電話面試的成功率為40%,現場面試的成功率為100 %。

沒有計算機學位,職場小白被裁2個月後,拿到了4個offer並實現薪資翻倍 1

我很幸運,在被裁員後,得到了家人和朋友們的大力支持和幫助,這對我在夢寐以求的公司找到一份工作至關重要。

這太難了!具有諷刺意味的是,求職也是一項艱鉅的工作,但這一切都是值得的。

我之所以寫下這篇文章,是因為我知道我當時是有多麼的不知所措。面試要準備的東西實在太多了。我希望本文能讓其他需要工作的數據專家更加清楚該怎麼準備求職面試。

作者介紹:

Emma Ding,數據科學家,供職於Airbnb。

原文鏈接:

https://towardsdatascience.com/how-i-got-4-data-science-offers-and-doubled-my-income-2-months-after-being-off-b-b3b6d2de6938