►前言：
虽然技术对于很多留学生来说是留美的生存法则，但是并不是每个人在自己未来的职业发展中，都想一直进行技术类的工作，直到宇宙的尽头的，也许你走着走着会发现，研发不一定那么适合自己，将技术和商科进行完美结合，才是自己未来的路。今天PH求职想要和小伙伴们分享下如何将技术和商业很好地结合在一起的秘密计划。
►作者介绍：
►DS求职方向选择 & 职业规划：
- · 选择方向
我本科是在UC Davis学的统计学，研究生毕业于西北的Analytics项目，所以数据方向本身就是我感兴趣且专业对口，至于我选择做DS Analytics这个方向，是因为：
- 第一点原因是觉得我个人是更喜欢做产品性强一点的工作，我不是一个可以很沉得下心做学术研究的人。我应该利用好自己的优缺点去扬长避短。我对自己的评判是我的长处可能更在一些business ssense和analytical thinking. 相反，我缺乏耐心去纵向深入的进行一些学习研究。所以如果我要做ML或者applied scientist，我认为这会是一个很重要的特质。
- 其次，我认为做ML的话，想要做最前沿的技术，我要么需要一些很强的兴趣，付出或者天赋，才能去真正掌握一些比较深入的知识，比如Deep learning， reinforcement。我本科和研究生所掌握的很难支撑我在市场上有一些比较强的竞争力去做一个纯粹的MLE。但我已拥有的一些ML知识是可以让我在analytics track增加竞争力的。所以在我不想进行额外的深造或者学习的前提下，我已拥有的知识储备，选择analytics对我来说是更优解。
- 最后一点，我当时没有很明确的一个兴趣在某一个具体的行业，比如金融，或者科技，或者生化，AI之类的领域。在这样的情况下，我觉得选择一个DS analytics这个方向, 做一个产品向的DS，更像一个万金油, 可以允许我去尝试不同的industry。我也正是在一些实习和工作中尝试了一些不同的industry之后才探索出自己究竟想做哪一个industry.
- · 工作地点：
- 我之所以选择西部的工作一方面是因为我本科是UC的，我在加州有很多朋友，也对湾区很了解了。这对我来说不是一个去未知的新地方的探索。然后，湾区也是美国这里科技业的中心，对于一个做data的人来说是比较友好的，资源丰富，选择也比较多，跳槽之类的也会比较容易。还有一个是我研究生在芝加哥上的，我是中国南方城市来的。芝加哥的天气太冷了，相比东岸，我还是比较喜欢西海岸这里的天气，比较暖和。
- 至于我为什么不选择回国或者去香港之类的发展，一点是我本科开始来美国，被美国这种懒懒的生活作风养刁了。我觉得我未必适应的了国内特别快的工作节奏。而且我还是比较追求一个wlb的人，我对国内996的风气还是有一些抗拒的。再者，我有一些顾虑是，如果我毕业了就直接回国，没有在美国攒一些工作经验，我的留学生涯可能未必会给我的职业生涯增加太多竞争力。尤其是如果我要从基层做起，我可能比不过人家的学术也比不过人家能吃苦。我自己的竞争力没有被最优化，所以我给自己定的plan就是先工作几年再回国。
►Networking：
- 我觉得networking这个事情是要有一些耐心的。比如我当时发cold email，可能100封就几个人回了，这几个人帮你refer了，也不一定能拿到面试。就会觉得很丧气。但你不知道哪一封cold email可能未来就会给你带来一个offer，所以我还是觉得大家要坚持不懈的去做一些networking为自己争取更多的机会。
- 其次我觉得最有价值的networking，一个是和同项目的学姐长或者类似学科的alumina. 他们和你有更多的connection，和你接受了差不多的教育。这将是你最好的资源。你也可以从他们的身上学习一些经验，工作也好，摸清自己的方向也好，从我的经验上来讲都是一些很有用的对话。
- 再一个是如果你的研究生/本科项目有一些专门来你们项目/系里展开的career fair/company networking event，这些也是很好的和公司推销自己的机会。这些公司大部分都已经很买你们项目的帐了，他们已经认可了你的学习背景，也会给你拿到面试的成功率增加很多。
►Timeline & 申请全流程：
- · 时间线规划
我的研究生项目是一年半，九月份开学到来年12月毕业，quarter制的项目。我们当时第一个学期开始就已经在准备找实习的工作了，尤其有一些大公司的实习项目是特别早就开放申请了的。然后一直到来年4月这段时间，基本都是在找实习和实习面试。暑假的时候就去做实习，实习一结束，我们基本就快进入秋招了。这个时候就可以把实习写进简历，然后进入了正式工作的面试和准备阶段了。基本上在11/12月秋招结束就会获得一些offer。如果没有获得offer的同学，也会在来年1月上来进行下一波面试。
- · 面试流程&考点
我的总结是对于da/ds岗，大部分都考几个重要的轮次，一个是coding round，一般考察SQL/Python/R， 如果是analytics track，多数不会考察algorithm。第二个是过简历，和你讨论你做过的一些重点项目，他们会对你有一些tech question上的追问，比如你对数据是怎么处理的，如果碰到xxx情况你会怎么办等等。第三个是ML/AB test上的知识考察，看你对这些技术的理解。最后一个是Case study，主要看你解题思路上有没有一个比较系统化的想法和正确的逻辑分析。
- · 面试准备
- SQL 我只刷了leetcode，把所有的题都练一下，然后去一亩三分地找一找一些大公司的面经。
- Product/Case 有一本书叫cracking the pm interview，虽然是给PM面试用的，但我觉得对产品理解很有帮助。然后多看一些大家的面经，了解一个大概的解题思路。对面试公司的产品进行一些了解。
- ML 我觉得复习 An Introduction to Statistical Learning 基本上满足了大部分面试会考的点。然后在面试的过程中会积攒出一些经验，知道哪些是常问的ml考题，比如怎么解决overfitting，哪些ml需要做standardization之类的。可以问学长学姐或者导师要一些整理资料会对大家划重点很有帮助。
►自我反思：
- · 遇到的难点&如何克服
我觉得最大的难点一个是应届毕业生没有工作经验，可能没有那么高的面试率，很多申请都石沉大海，这对心理上也是一种挑战。对于这个我觉得就是不要放弃，然后看看是不是自己的简历还可以有所改进，简历是第一块面试的敲门砖。如果简历不好，你被打捞面试的概率会小很多。
►觉得实习拿到return最重要的因素是什么？
我觉得实习拿return offer比较重要的一个元素是不要怕展现自己，你的实习项目做的好不好是一回事，你懂不懂的争取也是很重要的。要让老板看到你有想要留下来的意愿和热情。也要和团队进行一个比较好的合作和交流以及要展现的比较proactive一点。同时要多和老板交流，和老板聊自己的表现，让他给你feedback。如果你的team都很喜欢你，那他们也会帮助你争取return的机会，毕竟他们也是在给自己挑同事。
►如果重来一次，有哪些求职策略会进行调整呢？
我觉得一个让我觉得比较遗憾的事情是，一旦已经拿到了一些offer，会突然没有动力去好好准备后面一些还在二三轮的面试。还有一个就是，不要单纯因为薪资去决定去哪个公司，还是要考虑你自己的兴趣爱好。如果你干的不开心，钱多一点少一点其实税后没有差那么多。最后我觉得很多应届毕业生没有勇气和hr negotiate offer，觉得有offer就很好了，觉得已经很满意了，但其实可能还是有negotiable 的空间的。并且这种negotiation完全不会影响到你和你老板或者组内的关系的。
►对正在求职的学弟学妹还有什么想说的吗？
求职是一条很长的路，有的人可能拿了return就上岸了，有的人可能要struggle特别久才会找到心仪的工作，有的人委屈求全先接了不满意的offer，干了一阵子又继续求职。过程也许会很痛苦，也许你想要的可能不会一下子到达，或者无法都得到满足，只要逐渐在清晰自己想要什么，这个过程就是有意义的。你也不虚此行。
►结语：
PH求职会继续不忘初心！用最一手、最专业的信息与态度帮助大家用最触手可及的成本去最优化申请效果！