秋招拿了7個offer，分享一些反思和經驗

秋招拿了7個offer，分享一些反思和經驗

三金 凹凸數據

做者：三金
你們好，我是三金
在秋招開始以前就決定要寫一篇文章來記錄本身的秋招的歷程和各類坑，今天終於秋招告一段落了。
從6月30號投出的第一個簡歷到11月16號收到最後一個offer，一共139天。
其中遇到的各類經驗和各類坑但願能和凹凸們好好分享一下。

在今年秋招開始前，我仍是過度樂觀的以爲我本身必定能去互聯網大廠。
可是隨着秋招的深刻，愈來愈發現今年的艱難，特別是數據分析崗位！

我的認爲仍是過多優秀的國外留學生由於疫情的緣由被迫回國就業致使的，他們本來能去谷歌、蘋果等國外一線大廠，回國後天然擠佔了很多國內互聯網一線大廠的坑，好比我在秋招的過程當中就遇到一個MIT碩的大佬在面騰訊的產品運營。
總之，今年秋招的確很艱難，80%的offer掌握在20%的人手裏。想拿到一個理想的offer，不容易！

先說說我本身的狀況吧，本科211財經院校畢業，研究生畢業於香港TOP3的學校，有兩段大廠互聯網實習經歷，二段互聯網中廠實習經歷，一段小廠實習經歷。
整個秋招我投遞了85家公司，基本互聯網的大大小小廠都投遞了，主要投遞方向爲數據分析，經歷了大概40場的筆試，最後只有23家進入到了面試的階段。經歷了45場面試，最後拿到了7個offer。
如下是面試時間線：


拿到offer的分別爲：

• 跟誰學 數據分析
• 貝殼找房 數據分析
• 4399 運營管培生
• 順豐 大數據挖掘與分析工程師
• 蘑菇街 數據分析
• 蘇寧金融 金融科技管培生
• 微衆銀行 數據分析
  如下是我對本次秋招的一些思考，主要結合數據分析來解釋。
  

  1、定位

  在秋招開始前必定要將本身的定位確認下來，特別是本身的方向和崗位。
  方向是針對於行業來講，崗位是針對於具體作什麼事來講。
  我在秋招開始前其實並非很清楚本身的定位，只大體的肯定想去互聯網的數據分析和產品的崗位，但最終看來個人確不適合產品的崗位。我以爲這個定位不清楚仍是影響了秋招部分崗位的投遞以及面試。在投百度的時候，我看到產品的hc特別多，就投了百度的產品，經歷過兩輪的面試發現的確不適合產品，可是已經失去了投遞百度其餘崗位的機會。
  
  因此小夥伴們在秋招開始前必定要將本身的定位給肯定下來，精力特別多的小夥伴能夠選擇兩個及以上的崗位，像我這樣比較懶的人，若是再給我一次秋招的機會，我只會選一個崗位好好準備。

  2、簡歷

  簡歷特別特別重要！
  若是沒有筆試的公司，HR基本就是看簡從來決定是否面試你，因此我建議小夥伴在秋招開始時好好準備本身的簡歷，儘可能去豐富本身的簡歷。在實習的時候，個人老大告訴我，他看簡歷大概只有15秒左右，學生的簡歷大體只看5秒左右，看下學校和實習公司就下一份了，更能體現出簡歷的重要性。我豐富簡歷的方式主要是經過實習，將實習中作的項目儘可能去擴寫，將一些重要的節點寫出來。
  這裏還有一個細節，須要將簡歷寫成儘可能符合投遞崗位的需求。拿數據分析來講，就須要把你實習經歷中和數據分析相關的項目寫下來（即便你實習的崗位不是數據分析，也有不少能結合數據分析的項目）。注意！既然是數據分析，就應該加上不少數據化的表達，好比，落地了你的數據分析結論後，公司提升了5%的留存率。這樣的表達就很吸引篩選簡歷的人。
  
  還有一點很重要的是，你寫在簡歷上的每個字都是須要經得起深刻拷問的！
  由於面試官不少時候並無本身準備不少問題，因此全部的問題都來自於你的簡歷，你寫的每一個點他都會去深刻的問。因此在寫本身項目經歷的時候，寫完後最好能把本身當作面試官，看看可以回答出一些項目的問題，好比這個項目的需求發起者是誰，項目最後是怎麼落地的，你在項目中作了哪些貢獻，項目的困難點等等。面試官的深刻提問每每很是難，即便你真的很投入作這個項目，仍是會有不清楚的點，因此真的須要好好準備。不要想着去糊弄面試官本身不知道的點，萬一被戳穿就大機率涼涼了，因此在遇到真的不清楚的點或者數據時，就真誠的告訴面試官本身沒接觸過，或者做爲實習生接觸不到這麼核心的點或者數據。

  3、投遞

  儘早投遞！
  儘早投遞！
  儘早投遞！
  大多數公司的hc都是有限的，先被別人佔了坑，你就少了一個機會。

大部分公司只能投遞一個崗位，並且只有一次機會，因此在投遞以前必定要很是很是謹慎。像我以前投遞百度的產品後，就失去投遞數據分析的機會了（雖而後面發現正式批還能改志願，可是一直沒收到筆試面試，大機率是由於提早批招滿了）。
我在這仍是推薦小夥伴們認準一個崗位投遞，由於一個崗位的面試題都大體同樣，因此你只要把某個崗位的大部分題目熟悉後，基本對一個崗位的面試就很輕鬆了。拿數據分析來講，無非是統計學+機器學習+業務題，當我面試到秋招中後期時，大部分的面試題我都見識過，因此答起來就很輕鬆了，後期的面試經過率也很高。

4、行測

必定要準備行測！！！
這一點也是其餘數據分析秋招準備文章中沒有提到的。
我在秋招中最失策的一點就是沒有怎麼準備行測。

在秋招以前我一直認爲行測應該是產品或者銀行等崗位準備的題，致使我一直沒有準備。真正開始秋招後才發現，行測基本在每一環中都出現了，從投遞時的行測到筆試的行測題再到三面後的行測，充滿了我整個秋招。投遞簡歷的時候，不少HR都是結合行測成績和簡歷一塊兒看的，即便你簡歷特別好，可是你行測成績不好的話仍是進不了面試的。
在筆試的時候，由於每一個公司對數據分析的定位不一樣，有的是技術崗，有的是業務崗，有的是職能崗，因此有部分的公司會拿行測題來作筆試題。若是沒有好好準備行測的話，極可能在篩選簡歷時就被刷掉，更別說筆試了。
準備行測的方式不少，好比大多數互聯網公司的行測都是北森或者智鼎等公司承包的，因此能夠去閒魚上找相對應的題庫去刷，很大機率遇到原題。

5、準備筆試面試

每一個崗位的筆試面試都有必定的體系，在準備前必定要搞清楚投遞崗位的知識體系。
就數據分析來講，基本就是統計學+機器學習+業務題+SQL，針對這四個方面進行深刻的複習，統計學和機器學習具體的複習方式相信小夥伴們在其餘文章中都瞭解不少啦，本文就再也不提了。

若是有不懂的小夥伴能夠利用知乎及牛客等平臺來搜索具體方式。業務題的話，通常有兩種，一種是針對你簡歷上的業務，一種是針對面試公司的業務。簡歷上的業務仍是須要熟悉簡歷上寫的東西。面試公司的業務就很考驗應試者的上下限，該類題目有些很常規的題目能夠提早準備，好比某個數據指標上升或者降低要怎麼分析，這類題能夠提早將答案寫好，再根據業務去修改。比較推薦小夥伴們平時關注一些數據分析相關的公衆號，慢慢去積累業務題，完善本身體系。

最後推薦一本數據分析面試相關的書籍《拿下Offer：數據分析師求職面試指南》能夠按照這本書的知識體系去準備，這樣就比較有方向。SQL的話，建議小夥伴們在秋招的天天都刷一兩題SQL，在筆試面試中仍是很大機率考到SQL題的。牛客和LeetCode上都有不少題目能夠刷，刷完再重點看看窗口函數就能夠啦。
還有一個重要的點，就是我在準備面試的時候會把回答的話一個字一個字寫下來，這麼作的緣由是若是不寫下來的話，面試一緊張就很容易忘記，並且若是你寫下來的話，能夠針對每個用詞去扣細節，這樣說出來的答案也更加完美，我也建議小夥伴們這樣作。

6、面試前的準備

在收到面試通知後的準備也很重要，須要針對面試公司以及崗位去準備。
個人準備方法通常是面經+數據指標體系+瞭解公司業務。
面經很重要！
我曾經遇到過面經上如出一轍的題目，準備事後再去回答就有把握不少，面經的話，我主要是在牛客上準備的，我會把過去三年的全部面經，一題一題的準備過去把答案寫下來，在遇到的時候就會從容不少。

數據指標體系也是不少面試會遇到的題，我會針對面試的業務去將他的數據指標體系給寫出來，固然有時候也會問到實習時候用到的數據指標體系，因此都須要好好準備，至於準備的方法在各大公衆號上也能找到，數據指標體系這個東西零時準備確定想得不全面，因此仍是建議小夥伴提早準備。
針對公司業務的話，通常面試官都會隨口問你對咱們公司有什麼瞭解，若是沒有準備就只能回答一些很宏觀的東西啦，這樣的回答面試官通常都不大承認啦。
我建議小夥伴們能夠從公司的業務出發，若是你投的有細分的業務就跟好啦，而後去知乎或者36氪上去了解公司的業務流程以及業務的模式和商業的模式，再加上了解目前公司的主要競爭對手及其業務就大體瞭解清楚啦！
整個秋招的確有很多的遺憾，可是成長老是須要付出代價的。

但願小夥伴們可以多多練習面試，當你說得熟練的時候，你會發現面試你須要表達的東西並非不少（至少校招是這樣的）再次感謝整個秋招面試過個人全部公司和麪試官，但願小夥伴們可以從個人經歷中學到東西！