
獲得面試對許多工作來說自然是必不可少的,數據科學工作也不例外。雖然關于這一主題的資源肯定不缺乏,但實際可行的建議卻很少。在我找工作的過程中,我知道超過70%的求職者是通過某種形式的關系網找到工作的。我知道我應該“聯系招聘人員,建立我的關系網,以便進入這個領域”。但即使知道了這一點,我仍然面臨著一個重要的問題:如何?
我第一次尋找數據科學工作是在2017年2月我即將完成研究生學業(yè)的時候。我盡我所能得到面試,包括…
在三個月的全職工作承諾下(即每天至少花8小時)求職后,我終于通過AngelList獲得了第一次面試機會。
我第二次發(fā)現自己在尋找數據科學工作是在2018年12月,當時的初創(chuàng)公司解雇了我。這一次,我在一個月內獲得了10個面試機會,使用了50份申請和18份推薦(總共花了不到30個小時)。這種巨大的差異并不是因為我有工作經驗。事實上,我第二次在就業(yè)市場上并沒有更有競爭力。這種劇烈的變化是因為我第一次就做錯了!這并不是因為關于獲得數據科學面試的文章誤導或不正確,而是它們只告訴我該做什么,而不是如何做。
在這篇文章中,我不僅將分享要做什么(只有3種方法而不是10種),以及如何有效地獲得面試。你會在這篇文章中找到策略、腳本和其他免費資源,這將幫助你在求職中有條不紊。具體來說,本博客回答了這些問題:
在我們開始之前,你更喜歡視頻嗎?觀看這段YouTube視頻,而不是閱讀。
有三種獲得面試的方法:原始應用程序、聯系網守和獲取推薦。原始申請意味著簡單地向職位空缺提交你的簡歷。雖然這是一個簡單的方法,但它也有低效率的傾向。聯系看門人可能更有效,但需要更多的努力。獲得推薦人是最有效的方法,但它也需要最多的時間和精力(假設你還不認識愿意推薦你的人)。下圖給出了這三種方法在努力/時間和有效性方面的可視化。
當我們第一次想到求職板來檢查我們的求職時,我們通常會立即轉向流行的在線求職板,如LinkedIn、GlassDoor或事實上。第一次找工作時,我在LinkedIn上提交了數百份申請,但得到零回復。事實上,我的一些正在進行職業(yè)轉型的朋友也發(fā)現自己在領英上沒有得到回復。當我開始第二次找工作時,我沒有在LinkedIn上提交一份申請。
為什么?問題是,每個職位在一周內都有數百名申請者申請。如果你僅僅依靠這些受歡迎的求職板,你得到回應的機會很小。你在和堆積如山的候選人競爭!
不幸的是,近幾年來,LinkedIn已經成為一個為招聘人員服務的平臺,這些招聘人員希望接觸到具有確切經驗和資歷的潛在候選人。它不是一個為缺乏經驗的求職者服務的平臺,因為你必須與數百(有時數千)的求職者競爭一個職位。
解決這個問題的一個方法是在不太受歡迎的網站上應用。使用尚未成為主流的網站。懷疑?愛德華·哈里斯(Edouard Harris)在他的博客文章中出色地解釋了為什么“公司更關注通過不太為人所知的渠道申請的申請人”。這里有一些我和我認識的人嘗試過的網站,并被證明是有幫助的。有些甚至是專門與數據科學相關的。
此外,還有一些較小的在線招聘板比三個最大的回應率更高。
無論何時在任何職務公告板上申請,請嘗試向正在雇用的人發(fā)送個性化通知。調查公司(使用公司網站、谷歌和Glassdoor)并解釋為什么你會是該職位的最佳人選。個性化將大大增加你得到回應的機會。
盡管我推薦的網站的回復率往往比大的求職板高,但招聘人員仍然需要幾周時間才能做出回應,因為他們總是有一堆簡歷需要審查?,F在您想嘗試第二種方法--直接聯系網關守衛(wèi)。使用這種方法,我能夠比原始應用程序更快地獲得響應。
把關人是指您感興趣的公司中的技術招聘人員或數據科學家。大公司通常有專門招聘數據科學家的技術招聘人員,但小公司的數據團隊可能更獨立。如果你能贏得守門人的支持,它可以讓你在招聘過程中繼續(xù)前進。
以下是贏得守門人的幾個步驟:
電子郵件演講應該簡潔完整。你的電子郵件可能會被轉發(fā)給另一個人,沒有人會為你復制和粘貼多封電子郵件,所以推銷需要有一切。一封好的電子郵件包含兩個部分:
為了使事情更簡單,這里有一個模板。
如果你在幾天內得到回應,太好了!但是,如果您在一周左右的時間內沒有收到它,請發(fā)送后續(xù)電子郵件給守門人。根據我自己和我朋友的經歷,對后續(xù)郵件的回應率高于第一封郵件。這是我用于后續(xù)郵件的模板:
雖然您當然可以使用這兩個模板作為起點,但不要復制它們。如果看門人看到完全相同的電子郵件模板,就會留下負面印象。你可以改變一切。你可以把它變長或變短。只要記住,主要的想法是表明你的興趣,并發(fā)送一切必要的。
第一次找工作時,我聯系了校友、有共同朋友的人,甚至隨機的人來獲得推薦。然而,我最終沒有得到任何。相比之下,我第二次找工作時,我的關系網里的人告訴我,他們愿意推薦我,甚至還沒等我開口。
隨著時間的推移,我學到了一些關于要求轉診的誤解。獲得推薦是為了讓熟悉您的工作的人向他們的公司提供熱情的推薦。它是而不是騷擾你在LinkedIn或其他地方發(fā)現的陌生人。此外,大多數時候,后一種方法不起作用。
獲得推薦與聯系守門人的不同之處在于,首先要與在科技公司工作的人建立關系,無論他們的職業(yè)是什么。不管他們是產品經理、軟件工程師、產品設計師還是其他什么。一段感情有很長的路要走。Haseeb Qureshi在博客上發(fā)表了一篇進軍科技行業(yè)的文章。關于網絡的部分尤其精彩。庫雷希說…
…人們討厭當你向他們要求工作時。
給你工作?為什么?他們不認識你。他們?yōu)槭裁匆o你工作?他們?yōu)槭裁匆谀闵砩侠速M時間?
信息性面試的威力在于,你不是在談論你,而是在談論他們。人們喜歡談論自己。他們喜歡教別人。他們想幫忙。但他們不想被陌生人纏著尋求幫助。
如果你繼續(xù)這樣做,人們會看到你的好奇心和你的真誠。他們會相信你的故事,他們會希望向你推薦。
這聽起來像很多工作,尤其是當你以前沒有做過的時候,但實際上只有4個步驟來正確地建立一段關系:
正是這些步驟讓我在第二次求職中找到了18個推薦人。如果你遵循所有這些步驟,你會得到強大的推薦!這不僅對你第一次找工作有幫助,而且對以后的求職也有幫助。
下面是一個冷電子郵件模板,你可以作為第一次外聯的參考。這里的要點是使它個人化,并表明你真正的興趣。
同樣,世界很小。不要復制完全的腳本。花時間定制您的消息,因為從長遠來看,這是值得的。
根據你的目標和可用性,你可以選擇三種方法中的一種或多種來獲得面試。但是不管你使用哪種方法,一份好的簡歷是關鍵。這是讓招聘人員扭轉局面的事情。
簡歷是你成就的總結。它應該是簡短的,所以它不是一個展示你所知道或能做的一切的地方。添加太多的內容只會讓人們用不必要的信息不堪重負。因此,在你的數據科學簡歷中,你希望突出與數據科學相關的最重要的東西,如工作經驗、培訓和相關技能。當招聘人員或招聘經理看到你的簡歷時,他們應該立即覺得你在數據科學方面有豐富的經驗,你是一個合格的候選人。
下面是我在測試自己的簡歷,與許多招聘人員和招聘經理交談,并審閱其他人的簡歷后創(chuàng)建的一些寫簡歷的規(guī)則。
歸根結底,獲得數據科學面試是很困難的,尤其是對初學者來說。即使你已經努力工作了幾個月,但沒有得到任何回應,這可能會令人沮喪。希望這篇文章能讓任何有抱負的數據科學家在找到工作的過程中變得更加清晰。如果你想要更多的建議,請隨時聯系我,我很樂意幫忙!
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統計基本概念成為業(yè)務決策的底層邏輯 統計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11