【學長姐帶路】經歷多場資料科學、分析面試經驗
原標《從加入Houzz以來 — 12個國家、五十多場資料科學、分析面試經驗總結》
文/Marcus 張為淳
這篇文章總結我從日本搬回台灣、加入Houzz到裸辭去尋找人生意義,最後踏上新旅程的過程,雖然專注於求職及面試上,但也述說著我的心路歷程。
在2021年中,我在疫情之下從日本搬回台灣,結束了我第一段海外生活;當時的我,坐在飛機上看著經過的富士山,不免想著:自己好不容易得到出國的機會就這樣結束了,之後還會有這樣的機會嗎?
然而我很幸運,加入了美國矽谷新創體系下的Houzz,讓我的工作能力在前所未有的成長下,看見了許多不同的機會。
一開始,發現公司在美國的很多同事都是我最嚮往的那些公司出來的,包括LinkedIn、Spotify、Ebay、Netflix等科技公司,跟他們工作可以學到很多事情,更棒的是在合作後受到對方的肯定,甚至有些同事會介紹一些機會給我,甚至額外給我一些建議及資源。
隨後,當我開始有一些實績可以放進履歷及 LinkedIn後,也隨著科技業在2021/2022蓬勃發展,有愈來愈多公司找我面試,開啟了這一連串的旅程。
面試公司總表
上表是我這一路以來面試的公司列表;為了把時間點做一個區分,我把去年年底後離開Houzz後才面試的公司都用粗體,基本上沒粗體的公司是兩年期間聯絡我面談後進入面試的公司,而粗體的是我離職後主動積極應徵有面試的公司。
前期主要是透過LinkedIn檔案優化接收訊息、偶爾看到有興趣的職缺投遞為主,後期才有特地優化履歷、主動投遞;接下來來說說準備的過程及心得。
準備過程
探索方向
最一開始時,其實一直在尋找自己的定位。還在廣大的資料科學領域中釐清自己究竟要以什麼專業為主,也有考慮過是否要嘗試PM、Operation相關等更貼近商業的職位,但是最後很幸運的在面試一輪之後和工作中找到自己對實驗及因果推論等應用統計在決策上很有興趣及優勢,也發現了這樣的領域在海外就業很有市場,就以實驗及因果推論作為未來發展的領域。
成長規劃
在Houzz的期間,很感謝身邊的同事,不論是同為資料科學家的同事還是熟悉實驗的行銷或產品經理,都讓我漸漸培養起AB Testing的應用基本知識;不管是實驗設計、樣本數計算、指標定義、結果分析等,都漸漸在同事的指導及自我學習之下慢慢成形。
之中不免一直有著冒名頂替者症候群在發作,認為自己在一開始面試上Houzz完全是靠運氣,自己沒有足夠的能力做好這份工作,最後在掙扎已久後,理出「就算我不夠格,我了解怎麼補足就好了」的決心,在工作之外不斷閱讀文章及上課後,開始有越來越有概念,可以在開會時侃侃而談。
其中儘管在面試Booking.com時,面試考Analytics Case Questions時,我可以設計出實驗、定義指標、提出驗證方法及評估方法來回答,也得到面試官很好的反饋後獲得一個非常好的Offer,但我心裡知道自己底子不夠,可以在Houzz的工作環境下有更好的學習及成長,而拒絕了這個誘人的機會。
所以在拿到Offer卻決定留在Houzz後,開始訂出自己的成長規劃,列出在公司想做到的事及自己想進修的領域。
- 公司內 — 從零到一的自我發起的專案 (CTR Heatmap Tools Development)
基本上在過去Amazon及樂天,我也都有做過類似的專案,透過發現重複性高的工作程序後,提出解決方案來自動化;然而這次比較不同的是為了先實驗來證實團隊有這樣的需求,我先是做出了一個MVP (Minimum Viable Product)來讓大家試用,蒐集了許多正向的反饋後來獲得電商部門VP的支持;最後也在完成後獲得了許多部門主管的讚賞及使用。
這個專案後來也在面試時成為我時常拿出來使用的案例;只要面試官需要我分享我做過最驕傲或是影響力最大的專案,我都會用這個案子來分享。
- 自我學習
統計學的基礎觀念 — 從頭打起基礎,把我不熟悉的統計理論(Central Limit Theorem/Normal Approximation等)及不同實驗方法(T test/Z test/Anova/Chi-square等)全部複習並用公開資料來練習。
量化分析方法 — 從非軟體業而是社會學及經濟學的學術角度來了解量化分析及實驗帶來的結果及分析方法,進而引用到工作的場景中。
而也在Houzz找到了一起專研同領域的好夥伴,一起分享著資源及面試考題等,讓我在工作後期混亂無章的日子裡依舊有著不少進步及成長。
離開Houzz後
在有了明確的目標領域後,我也藉著裸辭後到澳洲度假,在那裡放鬆的日子讓我更清楚自己想要的生活模式。所以就在設立了「想找一個英語系的多元城市生活」和「持續專精在實驗及因果推論的工作」下,從澳洲回到台灣來專心求職。
投遞職缺方式
由於明確了想找海外工作的這個目標,我的求職平台完全集中到了LinkedIn上,搜尋的地區也就集中以EMEA (Europe, the Middle East and Africa)、北美、澳洲。
還在Houzz的期間,由於還不是很積極地看外部的機會,主要是LinkedIn上接到有興趣的職缺才會去面試,在職期間兩年收到三十間公司的邀約,面試了其中的二十間左右;這段時間主動投遞的職缺都是有興趣且有信心會有面試的,因此投遞的職缺數量不多。
而在離開Houzz後,再度回到我所熟悉的海投戰術,基本上有興趣和有機會的兩個條件下,符合其中一個我就會投;因此,半年左右投了不下一百個職缺。這段時間也因為求職市場沒那麼好的情況下,LinkedIn上收到的招募訊息變少以外,大多國外的職缺也不再提供簽證了。
自己比較少找內推,除了有興趣的公司本來就有熟識的朋友以外,其他的職缺都是靠自己海投為主,整個階段找下來的內推不超過五個,而內推後有面試的也只有兩個。
履歷優化 — 第一輪
我先是把履歷分為兩版,一版是BI Engineer & Analytics Engineer focus,內容專注在利用Dashboard和工具開發來優化實驗效率及結果分析效率;另外一種就是專注在應用不同實驗方法在商業上的應用。
把所有做過的案子都列出來,依照對於這兩類的職缺去分類之後排入兩版履歷之中;但其實在兩版之中,你還是需要平均分配一下各項技能的權重,確保兩版履歷中都有涵蓋需要的技能,且應用到相同技能的重複專案,我只會挑一個影響力大或是好講的案子放入履歷;舉例而言,我做過超過五十個AB Testing相關的專案,與其放兩、三個到我的履歷中,除非我應用的方法不同 (Ex: Frequentist vs Bayesian),不然我只會挑其中一個放進履歷中。
基本上我找的職缺可以算是Data Analyst或是Data Scientist — Analytics,但市場上當然還有很多不同的名稱,包含Product Analyst、Insight Analyst等其他名稱;因此,我在搜尋時,關鍵字基本上是Analytics或是AB Testing來找職缺。而這類職缺要求的能力包含:實驗相關能力、Business Intelligence (Dashboard)、統計知識、數據分析、商業理解能力等;而工具技能則是SQL、Python或R、Tableau (BI 工具)等。
而在這些基本要求能力外,你會發現有一些加分項是你也可以加進履歷的;例如:機器學習模型開發、ETL Pipeline (Data Engineering)、模型部署 (Model Deployment)、大數據工具知識 (Hadoop/Spark)、雲端生態 (AWS/GCP)等。
因此,你能在一頁式履歷中有效率、好閱讀的情況下,涵蓋愈多技能、同時又展現專精的領域和影響力時,你的履歷就愈好。
求職中的AB Testing
這個方法是我一直以來求職時,驗證自己的履歷是否夠好的秘訣。
基本上我會把投遞的職缺分為 S、A、B、C 四個等級;C是面試可有可無的職缺,基本上石沈大海我也沒關係。B是我蠻有興趣,希望有面試,但是得失心不會太重的職缺。A則是我很想要,有面試則會積極準備的職缺。最後的S級則是夢幻型,我只想用最好的狀態應徵,拿到面試就會全力去準備的職缺。
在這樣的分類下,我會在履歷優化的過程中,先以 A/B/C 三類職缺來依照 1:2:3 的比例先投遞一輪。基本上以每個月為一輪,盡量投遞30~50個職缺後再來觀察有多少回覆。一輪結束後,看看這樣的回覆率是否滿意,跟以前求職的回覆率稍微比較後,再來調整履歷,進行下一輪的測試。
前後兩輪就可以比較回覆率來知道你優化履歷的方向是否正確。當然,你也可以真的去跑統計驗證來看看這樣的差距有沒有可信度,但因為樣本數低的情況下,我更依靠質化分析面,去體感面試官和人資對我的態度來了解我的履歷耀眼度。
這一階段的履歷優化後,基本上回覆率上是10%左右,屬於可接受的範圍。
履歷優化 — 第二輪
由於有些我覺得我蠻有把握的職缺,並沒有通過履歷篩選;雖然我不確定是否是因為需要簽證的關係,但我覺得可以再進行一次優化。
這次我先試著把我最想要的職缺全部挑出來,然後把他的要求及工作內容以關鍵字的方式全部記錄下來統計,基本上會發現儘管我是找實驗及因果推論相關的工作,但還是避不了會有一些額外的要求或是我覺得履歷裡沒有提到的關鍵字;例如:Bayesian、Modeling、Model Deployment、Define Metrics、明確用了什麼因果推論方法等。
所以我再一次重新分配了一下履歷的重點以及放入不同的專案,讓我的履歷可以強調我有Frequentist、Bayesian、其他因果推論等不同統計方法,訂定指標來設計報表、主動發起開發機器模型來優化產品功能等不同能力和經驗等,凸顯我從零到一、持續優化、不同場景應用不同實驗方法的各種能力。
而這一次在優化後,很快就發現回覆率明顯地上升到20%左右,也讓我就以這一版履歷開始了海投。
面試
基本上我面的這些公司都有一定的規模才會願意提供簽證及搬遷費,所以公司的面試流程也制式化,基本上流程是:
– 審履歷:是否符合他們尋找的能力及經驗
– 人資或主管面談 Screening:了解過去工作內容及為什麼選擇這份工作等
– 線上測驗 或 面試現場考程式:以我應徵的職位來說就是 SQL + Python
– Case Question、技術面試:主要測試你的分析、實驗設計能力
– Behavior Question:過去專案經歷及團隊合作、溝通能力等
– Cultural Fit:依照公司重視的核心價值來理解是否適合公司文化
面試第一輪檢討
離開Houzz前,由於市場狀況還沒有太糟,因此沒有感受到很嚴格且競爭的氛圍,所以先姑且不論。但在離職後,前期拿到的十幾間海外職缺面試,都在面試前三關就被刷掉,讓我自己有些挫折。
但也了解市場現在十分競爭,僧多粥少且還需要額外簽證及搬遷成本的我,勢必需要有更好的表現才可以進入到後半段的面試;所以我把面試問的題目都記錄下來,也分類為我覺得回答好的題目跟不好的題目來進行檢討。
面試優化
可能因為我面試的職位基本上都是要求工作經驗五年以上,面試的題目不再像以前一樣寬容、只要提出實驗方法、定義指標等等,面試官就會滿意;而是有更深一層的追問,讓我因此在一開始的面試被刷掉了不少次。
先從人資面談說起。自我介紹的部分,不能只是單純講你待過哪些公司、做過哪些工作等;我的做法是:
– 從我第一份工作開始簡述我從製作報表切入分析產業,開始提供一些優化的建議
– 轉職到日本做Data Scientist後,開始接觸不同的機器學習演算法及更廣的資料科學領域
– 最近期的Houzz則是和我申請的職位類型相似,主要和產品經理及工程師合作於指標定義、分析優化產品的機會、利用實驗及其他因果推論方法來驗證新產品功能是否有提升表現、解決問題等
這樣的自我介紹給了蠻多點讓面試官可以追問,例如:描述做過的其中一個實驗場景、使用過什麼樣的因果推論方法等。讓面試官可以快速看到你每份工作的成長以及符合這份工作的特質,因此熟讀職位的能力要求就會十分重要。
當然,在你說出上份工作和這份工作的內容相似時,就也很容易釣出一個問題:「那你為什麼對這份工作有興趣?」;當你已經預期了會被問到這個問題時,就比較好準備。我的作法通常會從不同產業、更大的Data組織、不同國家文化這三點來切入,表示我想有不同的學習、更多成長空間、多元文化帶來的刺激等,來凸顯我想有的成長。
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
線上測驗及程式考試的部分,我不會多講。基本上除了網路上都可以找到的SQL題目以外,分析類的Data Scientist題目可能會多考你:如何使用Python 或是 R 來寫一個計算ROC Curve的function 或是 給你一個資料如何按照指示來處理及計算不同的統計數值等。
以不到五年的工作經驗要求來說,題目難度練到Medium等級就可以了,但五年以上的職位,就開始要有Hard的等級。
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
Case Question、技術面試的部分,基本上問題會給你一個場景,讓你設計出分析方法、實驗來解決商業上的需求;但對比以前,現在的面試官不會滿足於這樣教科書的回答,而是追問不同的困境,例如:樣本數不夠的時候該怎麼辦、如果不能跑AB Testing的話你會怎麼建議、由於不同的商業模式,實驗的樣本單位不能是使用者該怎麼辦等等。
這部分除了從我回答不好的題目庫來練習以外,擔任 Exponent 的面試教練真的幫了我很多。由於 Exponent 提供了很多面試題目給我,讓我選題目來錄製模擬面試影片;所以在準備的過程中,我特地挑選我自己面試會遇到但不熟悉的題目,並且為了錄影而準備的額外仔細,甚至會預想面試官會有哪些追問,來準備我的回答。
這種針對題目寫下回答並且預先猜測面試官追問的方式對於 Case Question十分有幫助;儘管聽起來是很一般的準備方式,但我很推薦大家可以上網多蒐集題目,挑選自己高機率會遇到的題目來用這個方法準備。
除此之外,建議也可以多閱讀 Tech Blog,尤其是那些可以解決你蒐集的面試問題的文章。我自己在記錄了我回答的那幾題問題後,我主要是尋找有公司分享他們針對這種問題的解決方法,之中包含但不限於:
- 解決樣本數不足、加速實驗速度:Bayesian Statistics or CUPED
- 無法以使用者為單位跑AB Testing:Geo Testing
- 不能使用AB Testing等實驗方法時:Difference in Difference
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
Behavior Questions 和 Cultural Fit的部分我並沒有額外準備,單純是靠著大量面試累積下來的經驗以及觀察面試官的反應來應對。唯一要說可以特別準備的部分的話,主要是公司的Career Page裡的資訊,公司是否重視分享資訊或是尊重多元文化溝通等,從公司列出來的 Core Values裡來了解,面試官想聽到你特別強調哪些合作或是心態的特質。
集中面試
這次我求職還有一個心得就是集中面試的類型及產業。
頻繁且持續的面試實驗相關的職位,讓我在短時間內經歷十幾場面試都專注在這個領域下,面試的題目就會開始重複,而你也更好持續的優化你回答這些問題的方法。光是樣本數不足該怎麼辦的這個問題,我這幾個月的面試就被問過不下五次。
而另外一點就是集中產業,我這次面試的很多公司都是做食物外送,包含 Uber、Foodpanda、Grab、Doordash、Bolt 和 Talabat(基本上好像只差Deliveroo了,所以我猜食物外送的需求跟市場持續成長中)。所以我在面試的途中,對這個產業的理解愈來愈多,也讓我後面的面試可以凸顯出我對這個產業的理解以及分析及實驗可能會遇到的問題。
所以也很推薦大家如果可以集中產業和工作類型來面試的話,會更加事半功倍。
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
面試的部分就先告一段落,如果想知道更多細節的話可以參考下列文章。
數據科學家/資料分析師 面試經驗分享 Data Scientist/ Data Analyst Interviews Experience
2021海內外數據科學、資料分析求職全攻略(壹) — 成績單、攻略、資源
如果是從零開始的人,也推薦我做的線上課程:
抉擇時
對我而言,這次的求職除了找工作以外,也算是找自己接下來一段人生的生活模式及環境。因此,我更多的是思考,工作、國家、環境、生活的各個面向是否都符合我的預期,這趟旅程是否會讓我感到興奮?
國家及城市
由於是找海外工作,基本上我需要考量目的地城市及國家的各個層面來做考量,這邊列出我自己主要考慮的幾個點:
經濟:這部分除了國家財政以外,我最在意的點莫過於所得稅及社會福利。歐洲許多國家的所得稅在不高的門檻後就開始了近乎50%的稅率,例如德國的年薪八萬和年薪十萬在扣完稅後,差距大概只有一萬,另外的一萬都拿去課稅了。而像是荷蘭對於外國人,前五年提供所得稅七折的政策,就會對我來說更加加分。
治安:由於台灣不管怎麼說都相對歐美安全,因此我會希望可以找相對治安好的地區,這樣不管是晚上一個人回家還是找租屋處時,都可以放心許多。
伴侶:如果有要帶伴侶一起出國的話,就必須也要考慮到對方的部分。我主要考慮的是生活、社交、工作等三個層面;這也是我沒有特別考慮日本的原因,我自己親身體驗過語言不通的情況下,生活有多困難,所以明確的就是瞄準了英語系國家來找工作。
公司及工作
雖然我愈來愈注重生活,但工作和公司對我來說還是十分重要,能找到一個我有興趣的產業、公司,工作內容也延續我的專業和熱情的話就再好不過了。
公司:基本上我對於公司最注重的除了產業是否有成長及我是否有興趣以外,就是員工的評價。基本上我都是用Glassdoor和Indeed上的評價交叉比對;近幾年竄起的Team Blind上由於是匿名的,也可以找到很多資訊,但由於在矽谷比較盛行,所以上面有的公司有限。
這些網站上都有明確的分類,讓你了解各項指標的評分,也可以讓你進一步依照職位類型來過濾大家的評價。
薪資:薪資的部分更可以直接利用Levels.fyi來找公司的薪水資料,上面也可以直接查到各個城市的薪資分布,讓你參考你的公司薪水在該城市的落點大概在哪。而我在面試歐美職缺時,人資大多會主動跟你分享這個職位的薪資預算大概落在什麼範圍,可以直接為你省掉很多功夫。
詳細的使用方法可以參考我之前在台灣資料科學社群的分享:
職涯成長:我自己這次比較偏向找公司數據部門比較大且健全的組織,原因就是因為我希望如果我真的要拼升遷的話,有空間讓我成長上去。我傾向直接搜尋我的面試官及團隊成員的LinkedIn來驗證;我最理想的就是看到下方截圖這樣持續有在升遷及擴展工作範圍的公司。
因此,這部分除了看上述網站員工評價以外,我更相信我在LinkedIn上看到的這些跡象。
Work Life Balance:由於出國工作很大的一部分就是為了旅遊跟體驗當地文化,如果都被工作淹沒的話,我就只是一個沒有感情的賺錢機器。因此,我很看重員工評價對於工作量的想法,面試時也會間接地去詢問每週工作時數或是休假天數等指標。這也是我把目標放在歐洲的原因,歐洲的年假一年都是二十多天起跳,人資和面試官也都蠻開放的表明公司的工作量不會太大,甚至有公司直接跟我說每週的工作時數大概三十個小時。
生活
而這次的海外求職,很大一部分還是因為我希望可以有不一樣的生活體驗;因此,我必須說目的地國家的生活、周遭旅遊等,對我就也跟工作同等重要。
生活開銷:這部分基本上來說是以Numbeo的城市比較來參考,這篇分享中也有提到實際作法;對我而言,我希望收入扣掉所得稅後,生活可以有比較多的餘裕。
當初搬到日本時,沒有考慮到太多這個層面;因此,實際生活下來,如果我平常開銷沒有特別節儉的話,基本上會沒有任何儲蓄。當然,我也做好出國工作當作旅遊,目的不在儲蓄;但我希望生活是可以有餘裕去享受娛樂及旅遊的。
日常娛樂:首先,我最先確認的莫過於城市中有沒有我近期最喜歡的攀岩場館。我希望可以延續下去這個嗜好,所以這算我的首要條件之一。除此之外,我希望城市周遭可以有愈多地方探索愈好;所以初期我最理想的地點是英國,倫敦周遭可以有很多小鎮讓我去探索。
居住品質:治安、租屋品質等是我最要求的,希望在城市走動不會有太多的擔憂,也希望住的房子可以是舒服、甚至是新房等。一部分可能是因為在墨爾本租屋時,大樓就有健身房、泳池及桑拿,讓我很喜歡,才會希望可以繼續住在這樣的大樓。
旅遊:一部分也考量到公司的遠端制度及休假數量多寡,但主要還是考量工作的城市周遭的旅遊目的地有哪些、交通的便利性及成本等。這也是我把目標放在歐洲的另一個原因,讓工作期間可以同時多探索歐洲的各國。
談判
簡而言之,不管在哪生活,錢都可以解決很多煩惱。不論你再喜歡一間公司或是一個城市,你都會有很高的機會覺得你的薪水要是再高一點就可以少些煩惱。因此,強烈建議不管一開始公司給的薪資如何,都嘗試談高一點。
最簡單的方法就是用其他offer去競價,我也多虧之前有面試到其他間公司,由於面試表現很好而拿到不錯的薪資,才可以拿來跟我喜歡的公司競價出更滿意的薪資。
除了薪資以外,如果你跟我一樣是要搬遷到新城市,機票、初期住宿、搬家費及物流等都是可以談的;所以也不要虧待了自己,嘗試去談到更好的補助及幫助。
總整理
默默地這篇文章就寫了不少東西,在這邊整理一下整體的策略及心得。
訂定目標
之前讀的一本書 Passion Paradox 說得很好,你可以找出目標後規劃出達成目標需要做到哪些事情,然後有沒有達成目標就不一定是你可以掌握的了。但對我而言,找出這個目標算是很重要的。
找出理想的職位後,就會需要考慮需要的能力和你的能力的差距;有哪些技能和工作經驗是需要去累積跟學習的,明確列出需要去做的事情後就差執行了。
而生活部分的話,我覺得盡量不要限縮在一個國家,要盡量保持開放的心態;我起初因為很喜歡澳洲,把目標侷限在澳洲後就會很受當地市場和經濟影響。澳洲在全球經濟之下影響很大,尤其是有在發簽證的公司像Canva,就暫停提供簽證了好一段時間。而當時我就會比較焦慮,擔心要等澳洲復甦不知道會等到什麼時候。但一轉換心態之後就覺得可以先去探索其他地區,過幾年澳洲復甦之後還可以再嘗試看看。
因此,找到喜歡的風格、文化、符合的工作類型及產業、足夠舒適過生活的水平就可以列出符合你的目標地區出來。
付諸努力的過程
這部分許多文章都會提到,但我自己主要想強調的莫過於:從結果倒推,盡量以測試的方式代替土法煉鋼。
與其卯起來學習、寫題目等,我會更建議每一段時間就去面試來感受自己的進步跟調整方向。科技業變化快速,很多時候業界的需求可能會一直調整,唯有一直面試才可以保持你的靈敏度及清楚業界現在常見的需求及面試題目等等。
整個過程也盡量多看多考慮,很多時候你並不看好的機會反而可能會是最適合你的,保持開放且彈性調整都會讓你少掉很多壓力和不必要的煩惱。
整個過程的心得
由於我去年底決定了裸辭,先以職涯空窗期的方式沈靜自己,而面試中不免俗會被問到這部分。歐美的公司面試的問法比較像是詢問我有沒有更清楚我想追求什麼,讓我去解釋我想追求的是怎麼樣的工作及生活。所以這個過程中也會更讓我釐清我對自己未來生活的想法及心態。
然而還是有亞洲公司是用質疑的方式來說如果我工作繁忙就需要休息的話,是不是不適合我所面試的職位。我覺得有考慮職涯空窗期的人看到這也不用急著擔心,讓我來跟你說說我的心態和想法。
當我被以質疑的方式問到,雖然我會感到有些冒犯,但也可以理解對方的擔憂。與其馬上退讓,我其實蠻直接的表示我的職涯中不是第一次忙碌跟有挫折,但如果我需要一些休息及思考的話,與其莽撞跳槽到下一間公司,真的釐清自己的想法才是更重要的。而這樣的講法也讓我順利地進到下一關。但是,我對於這樣的公司並沒有太好的印象。
我的心態並不覺得裸辭空窗期對我職涯產生了負擔,而是更開心我有著一顆試金石可以讓我快速驗證哪些公司適合我的價值觀,而哪些公司不適合。如果有十間公司會因為我的能力錄用我,之中又會有多少間認同我的價值觀呢?而我的空窗期直接幫我過濾掉了這些公司,幫我免於可能進入到不符合我價值觀的公司,可能甚至免了一段痛苦的日子。
因此,我十分希望大家如果很清楚自己做每件事的目的及價值,儘管他不符合社會規範及期待,就勇敢的去做吧!成功並沒有一定的模式,但失敗有,那就是放棄。
尾聲
最後也很高興的要跟大家分享,我在這次的求職中找到了自己的下一個目的地,也就是杜拜。求職中很意外的找到 Talabat 這間在中東的食物外送公司在招 Data Scientist,起初他們在一兩年前找過我面試,但當初並沒有多談;而是在這次求職時跟朋友聊到了杜拜沒有所得稅時,才想到有這間公司而去投遞了履歷,卻在面試時深深被對方吸引;不管是面試官的問題有深度或是公司數據部門的完善和食物外送有趣的商業模式等,讓我覺得:同樣有機會到歐洲,但會少掉一大半的薪水去繳稅,或許在杜拜體驗不一樣的生活,閒暇時再到歐洲旅遊會是更好的一個選擇。
而由於距離簽證下來到出國還有一段時間,想藉由我剛經歷完的這一波求職的還記憶猶新,多跟大家分享這些資訊。在這邊跟大家分享幾件我趁這段時間會做的事情。
線上講座
我打算開設三種主題的講座,分別是履歷撰寫及優化、AB Testing實驗解說、海外求職Q&A三個主題。想知道各個主題詳細會有哪些內容的話可以參考這個投影片。由於我會付出額外的心力和時間來準備內容,因此講座都是收費才可以參加的,但我盡量以平易近人的價格讓有興趣的大家可以不會太有負擔。
講座的部分一場90分鐘;人數最多三十人,來確保大家有問題我都盡量可以回答道,額滿的話會再加開場次。早鳥的話,一人1200台幣,後續報名的則是1500台幣。
欲報名及詳細課程內容,請參考投影片及報名連結,課程時間及付款方式將會在填寫報名表單後以Email方式寄出,再請大家留意信箱及垃圾信件夾。
一對一職涯諮詢
這部分是我一直都有在做的,會針對你個人的需求及狀況有更直接的建議以及服務,其中包含履歷健檢、職涯諮詢、模擬面試等,詳細可以參考我的 LinkedIn 服務業面。
由於我會事先了解你的狀況來去準備功課,職涯諮詢的價格會相對的高,一小時的諮詢是4000台幣,第二小時九折、第三小時八折、第四小時之後每小時3000台幣。
如果有明確目標,但希望可以有更清楚的建議及資源的話,歡迎透過 LinkedIn 服務業面的聯繫方式跟我預約。
線上課程
如果是剛踏入數據領域或是想要全面性的導覽的話,推薦可以從我過去一年錄製的這堂課程開始
課程從分析類的工作類型及場景到分析工具、分析方法及面試問題都包含,適合剛進入分析領域 或 工作1~3年的分析工作者。
結尾
雖然這應該不會是我最後一次求職,但讓我感覺到是一趟旅程的開始。不管我在杜拜住的是否適應,都希望可以愈來愈接近自己喜歡的生活方式。在這邊藉由跟你們分享我的心路歷程,希望可以有一些幫助。
在經歷了很多之後,我更加意識到:「雖然我們窮極人生一大段的日子就為了有一份好工作,但工作不是生活的一切,而是讓我們追求理想生活的一個手段。」;因此,希望即使你因為工作感到焦頭爛額,不要忘了自己是為了什麼在努力,大家共勉之。
接下來,也會持續分享各種心路歷程,歡迎大家追蹤新創立的粉絲專頁!
※本文由 Marcus 張為淳 授權勿任意轉載,原文《從加入Houzz以來 — 12個國家、五十多場資料科學、分析面試經驗總結》
___________
你也有經驗想分享嗎?快來投稿賺稿費吧!
瀏覽 541 次