刚刚从美国逃离回到国内，在隔离期间写下这篇文章。这次的之路走得异常艰辛，在找工作的煎熬过程中就想着如果修成正果，一定要写篇文章把自己的心得体会分享给大家，这次拿下了上研所，北京融慧金融科技，（北京矮楼）和的左边offer右边，所以现在特来回报社会，希望这篇文章多多少少能帮助到求职路上还在挣扎和焦虑的你！
先说下自己的背景：本科在中南财经政法大学（可能有人没听过这个名字~hhh）读的金融学，算是重点学科，大四的时候因为表现还不错加上运气好得到了国家公派留学的资格，于是去法国雷恩高等商学院完成了第一个国际的硕士学位，接着到美国东北大学完成了第二个硕士学位，学的分析。
我是19年5月份毕业的，读书那会儿就想着一定要证明自己作为一个外国人也能在国外站稳脚跟，于是面试了不下百次（想咨询国外求职经验的也可以来问我呀，hhh)，最终在两家创业公司找到了分析的实习。这次回国，一没资源二没人脉，所以主要就是在各大公司官网和上投简历（赞一下这个APP，使用体验很不错），所有的面试加起来也有个几十次了，下面一些经验分享给大家~~
尽快决定留美还是回国，这一点是我觉得对于留学生找工作来说最为重要的一点，因为这个里面涉及到精力分配和时间管理的问题。这个原理就跟在本科的时候选择出国还是考研类似，是鱼和熊掌的关系，如果想考研失败再准备出国，只会浪费时间和错过机会。而选择和时间对于求职来说更加重要，因为和秋招的黄金时间往往就在那几个月，而且岗位有限，所以及时做出选择，抓住机会是关键！
很多留学生会想，我美国和国内的职位都投着吧，反正都是一样的准备，美国找不到再回国呗，其实这是一个很大的误区！就分析这个职位来说，美国在面试的时候更加看重沟通，说白了就是看你人怎么样，会不会表达，能不能说出花来，有非常非常多的行为类问题（behavioralquestion)，对于技术的考察不是很深入，而国内的面试在技术考察以及问题深度上要看重很多，面试官们多少都懂些技术，如果你把自己简历上的内容吹出花来，那就要做好被面试官问到语塞的准备。分析类的简历项目自然少不了一些常见模型，面试官会就简历上某个项目中的某一点拓展发问，直到他确定你是完全懂了的才可以！
因此，美国和国内面试时的侧重点很不一样，在美国面试时需要练习好自己的表达，思考如何把自己包装的更精致更完美，而在国内面试则要在一个好的包装下尽量打磨细节，提升自己的技术硬实力。所以针对这一点我的建议是，如果想在美国试一试，没问题，但是需要给自己设立一个截止日期，在这个日期前就专心致志把准备重点放在美国找工作上，如果到期时还是觉得希望不大或者在一开始就觉得自己在美国很难找到工作（美国找工作确实很难），不要犹豫，立刻看国内的机会，不要再去想美国的那些失败，千万不要等自己在美国被磨得千疮百孔，精疲力尽觉得实在不行了，还是回国吧，那个时候在时间和心态上都是很差的一个状态了。
我相信这个问题应该是所有找分析类工作的同学都十分关心的一个问题，尤其是半路出家，商科出身，编程能力一般的同学，会有点怕类的考察。楼主深刻的理解这一点，因为我在转投国内的分析类岗位时就是这样一个心态。我是商科出身，编程啥的完全是接触分析之后开始自学，学校里讲的也都是的一些模型，平时做项目大多数是调package和请教，具体的完全是出于兴趣去学习和练习，如果说真要连环手撕代码真是心里没底，代码能力和专门CS出身转行分析的同学是没法比的。
国内和相关的岗位还是比较多的，主要大家可能会纠结的应该会在于大工程师，科学家/和。先说工程师，提到工程师，大家的第一印象可能都是盖楼啊，建筑啊，设计啊，所以工程师的考察点在于解决问题的方法和工具的使用，因此对于的能力是有比较高的要求的。想要投递工程师的同学就需要平时去刷，并且深入研究一下常见的和深度学习模型，知道那些参数都是啥意思，怎么调整，损失函数，梯度下降等等这些，大工程师可能还需要掌握像hadoop这些大平台的使用。
而科学家/（下面统称，两者差别不太大，科学家略高级一些）的侧重点是科学家/分析师，这个职位需要的更多是探索问题和发现问题的能力，需要创造力，因此分析师考察的点在于发现问题，探索问题产生的原因，需要眼界比较开阔，思维比较发散，用面试官的话来说，“有时会要求团队里的成员去学习一些经济学、心理学甚至是哲学的内容“，看重求职者的沟通和分析问题的能力。大家可以看出，分析师这个职位对于编程弱项的同学其实是比较友好的。
技术类的考察更多还是围绕你简历中提到的技术相关的方面，因此只要是简历中写到的，就要有100%的把握解释清楚，另外会碰到的就是case类的考题，结合具体的情境进行分析，可以想到那些分析指标，某个现象是什么可能的原因，如果你来分析你会怎么做等等。楼主在的面试过程中没有考到类的问题，看过的中提到有会考察SQL窗口函数的，但是也不是很频繁。
面试准备的第一关那一定就是简历了，这里强推一下超级简历（wonderCV）这个网站，微信也有小程序，有不同的简历模板，直接填充内容就好了。前面已经提到过，对于简历需要100%的掌握和熟悉，如果是某个以前实习的时候做过的项目，需要对项目的细节都特别清楚，比如当时遇到什么问题，当时是如何处理的，当时有没有做的不太好的地方，如果再去做会如何提高，如何评估项目的实际效果等等这类问题。如果是在学校做过的研究型项目，那么对于当时使用的，模型的选择，模型的优化和最终结果都要有很详细的了解，并且能够清晰明了的讲出来。
专业知识方面主要还是统计和的模型。统计包括常见的假设检验，置信区间，置信度，AB，条件概率，贝叶斯等等，主要是PCA,决策树，逻辑回归，xgboost，随机森林这些。国内涉及到模型的考察，尤其是模型这一块，逻辑回归和xgboost使用的比较多，所以可以再详细的去学习一下这两个模型。如果时间比较充足，系统的回顾一下每个模型固然好，在时间比较紧张的情况下，我的一个小建议就是，每天放空发呆的时候可以花那么十分钟时间想想今天学习的东西，反省下自己是不是学透了，如果突然想到一个另外的模型，问问自己这个模型我了解的怎么样，如果发现记忆比较模糊，有些知识点有印象但是具体又不能解释清楚说服自己，就把这个模型记下来，第二天透彻地再去学一遍。
因为楼主的代码能力和掌握的模型知识还可以，之前实习做过广告分析和商业分析，所以在岗位选择上多一些，既投了一些和模型工程师的岗位，也选择了商业分析和产品分析的岗位。如果对于自己的模型知识信心不足或者不是想做专门的或工程，建议去学一些产品、APP指标、广告方面的知识（这里推荐人人都是产品经理这个网站），很多的case题会与这些方面挂钩。的工作不是孤立的，也不是埋头写代码，而是运用这个武器开疆扩土，解决商业问题，这才是真正的价值所在，对于很多公司，尤其是大厂来说，很多来自于产品和用户，因此，了解这些指标的含义以及作用很重要。
至于，把很多的时间放在上DUCK不必。虽说基本的代码能力还是要有，写几个小的循环，写个函数，清理个什么，但是没有必要非常深入的去钻研（对代码有浓厚兴趣的同学除外）。楼主出于个人的兴趣，平时会在lintcode和上做一些题，如果有兴趣的话，大家可以在上面做一些简单题，练练手什么的，闲来无事平时每天做个一两题即可，如果真的想学习这方面，我倒是挺推荐九章算法（直接搜就行）这个平台，里面的老师讲的非常清楚，会带你一起做题，能学到很多平时自己不会去涉及但是又很有用的知识。另外对于常见的pythonpackage还是要比较熟悉，像numpy，pandas，sklearn，statsmodel这些，还有基本的SQL语言，这些都是做分析这一行吃饭的家伙什，重要性就不必多说了！
感觉楼主来说心态这个问题不是特别够格，hhhh，因为自己在找工作的过程中心态并不是很好。BUT!心态真的非常非常重要，因为它会影响你的思维清晰度和表达。我曾经非常用心的去准备一场面试，但就是因为看得太重，结果在面试的时候明明自己知道的概念却没说出来，这就是心态出了问题。
不知道大家的性格怎么样，我是属于那种还没有结果就不会去跟别人说我最近在面试哪家公司，准备的怎么样，到哪一轮的那种人，因此在焦虑的时候我没有经常去跟朋友吐槽（跟女朋友吐槽的比较多，hhhh，这里要感谢女朋友的疏导和帮助），但是有的时候压力到了极点，我还是会跟非常亲密的朋友聊一聊。不聊不知道，一聊真的会好很多，并不是说朋友的话会实质性的解决多大的问题，而是提供了一个出口，让你知道有人是支持你的，不是自己在孤独地战斗。
一份好的工作从来都是来之不易的，好工作=运气+实力，我认为这里面的比例差不多是64开，甚至55开。有的时候并不是实力不行，也有可能是职位已经招满，职位不匹配，求职者是老板侄女儿等这些”飞来横祸“导致面试没有通过。并且，作为毕业后的第一份工作，没有人可以做到”我已经准备好了“的这种状态，除了平时的学习之外，楼主提升自己的方法真就应了那句老话，”JUSTDOIT"。并不是所有的应届生都有很好的内推资源、丰富的人脉，大多数还是像楼主这种普通人，初出茅庐，需要耐着性子去找，去投，这个时候就是从每次的面试失败中找到不足然后补上窟窿，这也是为什么我前面就强调要尽早做决策尽早开始的原因，因为试错成本比较低，学习机会也比较多。楼主深刻理解找工作找了一段时间后，还是失败，拿不到左边offer右边的那种痛苦和焦虑，已经有太多次到了最后一轮，就差一点点，但还是和左边offer右边失之交臂的经历。这个时候可以难过，可以颓废，但沮丧之后还是要站起来，找工作就是长征，找对方法，坚持下去，熬过去就成功了！
以上都是楼主泥潭里摸爬滚打的亲身经历，希望能帮到大家，少走弯路。在此分享给大家一句话，“所有的事与愿违，都是为了以后更好的安排”，最后祝大家早日上岸，获得心仪的左边offer右边~~有任何问题可以私信楼主噢！
~私信博主还可提供具体的简历+面试辅导噢
