学员OFFER | 多亏了DATA的“隐身”岗位，不然我得啥时候上岸！

学Data前，总觉得这行应该不会很难，不就是和数据打交道嘛！真深入学习才知道，刚毕业就能拿十几万薪资，这当中没有一分钱是白给的。

好啦好啦，前不久我也成功拿到OFFER“入行”，成为高薪一族啦！

学校不教的，都是公司要的

我本科学了个Tittle里有Quant和Finance的专业，虽然看起来和Data方向蛮对口的，但其实一点Coding都没学，是个标准的文科生。

申了DS的研究生后，这才打开Tech的世界：新学了很多Languages、Tools和Skills，感觉自己蜕变成了一个科技从业者。

可一面试又傻眼了：居然要现场写Code！啥是Query Optimization，啥又是A/B Test？学校没教啊！

天真的我以为Statistics专业才需要学这些东西，当晚我就火速找到了直通硅谷——真的不想再念书学理论了！我得学点真正有用的。

真正有用但学校不教的，都被我们总结出来啦！

先深入了解面试考点，再针对性准备求职，想不上岸都困难~

即刻咨询上岸计划，下篇故事的主人公就是你！

咨询了一番才知道，不是Statistics才学A/B Test，是大厂都在用。咨询老师还告诉我，学校学的东西与工业界脱节，我们普遍缺乏将现实问题转化为技术问题的能力。

听完老师的详解，我迅速开启膜拜模式——这就是我想要的“真正有用的”！

分享一个好用的做题框架！

我在学校学得都是一些Inference的东西，直播课给我开启了新的大门。

课程都是根据最新的面试考点规划的，大厂考什么，我们学什么。

我全程在两种状态中反复横跳：“这个我学过！但只学了一点理论”——遇到这种知识点我不怕，因为有基础在，等于拔高学习。

但切换到“这个我压根就没学过”的状态就多少有点焦虑——还好每次课后都能看回放，我还会找班主任把Slide下载下来，自己好好琢磨琢磨。

这一套流程下来，没什么攻克不了的知识点。

就像我之前提到的A/B Test，老师教的方法我没少用，每次遇到Hypothesis Testing的问题，心里都会搭起这个框框：

真的好用，大家可以保存一下~

谁说Data职位少？太多“隐身”职位咱不知道罢了~

除了各个考点的集中突击，职位分析讲解对我来说也受益匪浅。

众所周知，Data方向的职位又多又杂，除了最基本的DA、DS之外，我对其他岗位一无所知。

老师在课上推荐了我们很多其他职位，比如Business Intelligence Engineer这样我根本没听过的，还让我们尝试一些“隐身”岗位——比如Amazon有很多跟Product有关的职位，其中不少都和Data息息相关。

她还分享了很多书，我隆重推荐《Cracking the PM Interview: How to Land a Product Manager Job in Technology》。

看起来是一本披着PM皮的书，实际对Data面试的Product Sense环节超有帮助，真面试的时候，我回答这些问题都游刃有余。

今天我这个小天使也分享给大家，大家加小助手，回复【产品书籍】就可以领啦。

M老师同时还提醒我们，一个公司最多可以同时申请三个岗位，这样中的概率能稍微大一点，公司会权衡考量。

我如法炮制，尽可能多、又心里有数地海投简历，一下拿到了不少回复。

这里还有咨询老师的一份功劳——简历改得超赞！

我之前的简历Bullet分得有点乱，他一条一条拎出来，告诉我哪几个需要Merge，哪些需要单独新写一个；

还教我体现Business Impact，但不是让我提炼数据就完了，而是举例子说明，比如因为风险管理降低了多少Cost/提升多少Profit；

简历里面过于偏门的Econometrics Research项目也被勒令换掉，换成了课程中老师带做的工业级项目。这样一份“工里业气”的简历，难怪被HR看好~

选择太多，有时也是种烦恼

就是在这么多老师的鞭策下，我才能成长得这么迅速——不仅拿了Data Scientist的OFFER，还拿到了Machine Learning的OFFER，都是近期风头很热的Startups。

其实现在也没决定到底去哪家好。前几天我接了一家Fintech OFFER，但又接到了其他家的面试。OFFER再多也不压身，那就都面面看啦！

到时候再和大家分享好消息啦。

扫码添加小助手咨询上岸计划

成为下一个OFFER赢家！