大数据文摘作品
编译：Zhifu、雪清、元元、小鱼
本文覆盖数据科学求职全过程。从申请到面试，到拿offer之后的协商，所有细节一应俱全。每个阶段都有作者丰富的个人感悟以及链接资源~
内容不仅适用于有兴趣在美国申请数据科学相关工作的求职者，大体上也适用于各种技术工作的申请。
工作申请
在网上打造个人IP
请谨慎处理自己在社交网络上公开的信息。
比如，检查你在Facebook或者其他社交媒体上的隐私设置，确保公开的范围适当。很多公司的网申表格中都可以选填推特账号，除非你的推特主要用于专业用途（例如，介绍数据科学相关资源或晒宠物），否则不要填写。
如果你有GitHub账户，建议使用Pin功能优先展示你希望别人看到的项目，并添加解释该项目的README文档。 另外，我强烈建议你创建自己的博客，用于展示数据科学相关的内容，例如，你做过的项目，机器学习方法的解释，或者参加会议的摘要。
如果你还是认为写博客浪费时间，请参考Dave Robinson撰写的相关文章。如果你使用R，可以尝试使用blogdown来创建网站。Emily Zabor为blogdown写了一篇很棒的教程。另外，你还可以在Mara Averick创建的资源列表上找到更多的关于blogdown的资源。如果你不使用R，你可以直接使用Hugo（blogdown构建在Hugo的基础之上）搭建个人博客，或者用更简单的方式——在Medium网站上创建博客。
相关链接：
http://varianceexplained.org/r/start-blog/
https://bookdown.org/yihui/blogdown/
http://www.emilyzabor.com/tutorials/rmarkdown_websites_tutorial.html
https://maraaverick.rbind.io/2017/10/keeping-up-with-blogdown/
职位寻找与评估
广撒网
数据科学家有很多别名，包括产品分析师、数据分析师、研究科学家、量化分析师和机器学习工程师。类似的职位在不同公司中头衔也不一样。有些公司还在不断改变头衔所代表的职能（Lyft最近将数据分析师更名为数据科学家，然后又更名为研究科学家）。
就数据分析师与数据科学家的区别，现在行业内也没有达成一致意见（参见Mikhail Popov最近发表的一篇总结不同观点的文章）。在寻找工作的时候，你可以搜索上面提到的所有头衔以便更广泛的查找职位，然后根据职位描述来评估自己是否合适。如果你对初创企业感兴趣，Angelist上有数千个职位，其中许多职位都列举出了薪资范围。
相关链接：
https://eng.lyft.com/whats-in-a-name-ce42f419d16c
https://mpopov.com/blog/2018/5/24/data-analyst-vs-data-scientist-industry-perspectives
建立自我认知
与其去申请你发现的每一个与数据科学相关的工作，不如先想想你自己最感兴趣的方向。当我在规划职业道路以及准备求职的时候，我发现一篇关于A型和B型数据科学家的区别的文章非常有帮助。
A型数据科学家善于分析（Analysis）：他们具有过硬的统计背景，能够处理混乱的数据并擅长于结果分析。B型数据科学家善于创建工程（Build）：他们具有很强的写代码技能，可能曾经担任软件工程师，并且专注于将机器学习模型（如推荐系统）应用到产品中。
还有一点你需要考虑的是，你希望你所就职的公司在数据方面目前处于哪个阶段（参见Robert Chang文章中的讨论）。在一家小公司工作的好处是你可以尝试数据科学的不同领域；大公司更专业化，因此你可能没有机会尝试创建一个终身价值模型的同时调整推荐系统。而且，许多问题（如数据工程的问题）都已经被抽象出来，无需自己解决。
另一方面，小公司通常有数据质量差，文档不完整和运行速度慢的问题。虽然公司所处阶段与公司规模相关，但是也有可能有超过百岁的大公司在数据科学方面依然处于在蹒跚起步的阶段。
相关链接：
https://www.quora.com/What-is-data-science/answer/Michael-Hochster
https://medium.com/@rchang/my-two-year-journey-as-a-data-scientist-at-twitter-f0c13298aee6
不要过度追求完美
你在这个领域的第一份工作可能不是你梦寐以求的职位。相较于苛求最完美的工作，在同专业领域内换工作，或者将数据科学引入当前的工作中更加容易。即使你最终希望离开现在的领域，一步登天也是不现实的，你可能需要先考虑跳到一个既离目标领域更近，又可以施展自己其他才能的职位。
这并不意味着抛开所有要求和偏好，而是说你需要有一定的灵活性。工作一两年后跳槽换工作都很正常，你也不必想着自己的未来15年都被束缚了。对我而言，第一份工作最重要的是一个支持性环境，因为在这样的工作环境中，我可以向周围很多资深的分析师学习。正如Jonathan Nolis指出的那样，在进入职场打拼前，你无法确切知道自己想要什么，即使是糟糕的工作，你也可以从中学习，所以不要有太大压力。
太棒了！我想在“不要过度追求完美”部分补充一点。你不应该过度追求完美，而且你应该认识到绝对完美是不现实的。你以前从来没有当过数据科学家，你怎么可能提前知道你会喜欢什么职位？
在我职业生涯的早期，我花了很多心血来努力弄清楚哪些工作对我来说是“正确”的，我究竟需要什么。但是现在我意识到即使一份糟糕的工作也是珍贵的经验，它们帮助我认清哪些是重要的事情。
——Jensen Harris推文
不要低估自己
职位描述通常是具有一定灵活性的要求清单。如果你满足其中80％的要求（例如，你的工作经验比要求的少上一年，或者你没有使用过他们要求的某项技术），但其他方面很合适，你还是应该申请这份工作。
但是，请谨慎对待要求“全能”的职位描述——有计算机科学博士学位，同时也是一名数据科学家。拥有5年以上的工作经验，并且在最前沿的统计学，深度学习方面是专家，还擅长于和业务合作伙伴沟通。除此之外还列出了从完成生产级别的机器学习模型，到创建报表，到运行A/B测试的大量要求。这通常意味着这些公司不知道他们具体需要哪些技能，他们希望招聘一个全能的数据科学家，能够一个人在没有任何支持的情况下解决所有问题。
在LinkedIn上查找相关的联系人
在你感兴趣的公司中，有你认识的员工吗？如果没有，请查看你校友网络中是否有人就职于该公司（包括你参加过的训练营，大学校友，你在某个夏天加入的足球队）。你也可以查找你朋友的朋友，看看你的朋友是否愿意引荐。
许多工作可能有数百个甚至数千个竞争者，如果有人推荐你，或者告诉你他们团队具体的要求，对你来说都有着极大的帮助。如果你确实打算寻求别人的帮助，请你花点时间斟酌求助措辞。尤其是在你不认识这个人的情况下，你需要进行多方面研究，并且参考他们的背景或公开信息。
参加聚会和会议
有的时候招聘经理会在参加聚会或者会议的同时招募员工。你也可能会遇到在你感兴趣的公司或子行业工作的人。你可以问他们是否有时间做个信息采访，这样你就可以加深自己对于该领域的理解。如果你直接问他们公司是否有空缺的职位，或者是否可以推荐你，他们可能会让你去浏览公司的招聘页面，你也错失了被推荐的机会。提前建立好你的人脉很重要——因为以强烈的需求开场很难建立双方互惠的人际关系。
如果你想了解更多关于如何构建人脉的方法，请参考：
https://www.themuse.com/advice/3-steps-to-a-perfect-informational-interview
http://hookedondata.org/Building-Your-Data-Science-Network-Reaching-Out/
简历和求职信
简历一页就好
你不用列出你曾经做过的所有事情。你可以尝试制作一份包含所有工作履历的简历模板，然后针对每份工作的要求补充最相关的内容。你也不需要把曾经使用过的每一项技术都列入清单，把重点放在你熟悉的那些就好。
一个来自于招聘人员的小提示：“不要使用图表来展示你在某些技术方面的经验等级。如果你的Python技能条是满格，就意味着你真的100%的了解Python吗？”如果一页纸的空间不够，你简历又有自我总结的部分，你完全可以舍弃它，因为自我总结已经不流行了。如果你来自学术界并且有工作经验，如果雇主招对博士学位不作要求，职位也并非研究岗位，你可以考虑舍弃简历中的论文部分。
校对简历
在你的“简力”上出现拼写错误或语法错误，可能会让你的申请以最快速度被否决。请使用“拼些检查”功能，并且让“一俩个”朋友帮你检查。
别放自己的大头照
虽然这在欧洲和南美的一些国家很常见，但在美国并不合适。
根据岗位制作简历
大公司经常用简历自动筛选系统来检测关键词。首先你可以从职位描述中找到一些关键词。然后，你可以使用像TagCrowd这样的工具来查看哪些单词最常见。比如说，领导力（Leadership）是否比管理（Management）更常见？ 应该用NLP还是用自然语言处理（Natural language processing）？最后，你需要修改简历中的关键字来匹配筛选系统的关键字。
相关链接：
https://tagcrowd.com/
每一项内容从动词开始
比如写“分析了300篇论文”，而不是“我分析了300篇论文”。
在可能的情况下量化你的成果
不要写“对我们的排名算法进行实验”，而是写“进行了60多次实验，并且我带来了230万美元的额外收入。”
相关链接：
https://www.themuse.com/advice/how-to-quantify-your-resume-bullets-when-you-dont-work-with-numbers
写一封求职信
如果有需要提交求职信的地方，请一定提交。有些公司会筛掉那些没有写求职信的候选人。就像你的简历一样，你可以做一个求职信模板，在你需要的时候补充对应的段落。至少在求职信中为每家公司单独撰写第一段和最后一段内容，并确保这些公司的名字正确无误！
求职信最好包括你对公司的研究，还有你对这个职位感兴趣的具体原因。这两部分内容你写的越具体越好。你可以试着找找招聘经理的名字，这样你就可以信的开头写上他们的名字，而不是笼统写“亲爱的招聘经理”。
如果你想要获得更多关于推荐信的指导，请戳：
https://www.themuse.com/advice/the-3-rules-of-addressing-your-cover-letter
https://www.themuse.com/advice/how-to-write-a-cover-letter-31-tips-you-need-to-know
https://www.themuse.com/advice/5-common-cover-letter-phrases-that-are-losing-you-the-job
正如Jesse Maegan在推特中写到：
数据科学求职小提示：
一些建议表明，求职信并不重要，所以你只需要将简历重命名为求职信，或者写一个句“这是我的求职信”就可以了。
这个建议很糟糕。
面试
准备和练习
面试官可能会问到两种主要类型的问题—技术和行为。对于诸如“述说一次与团队成员发生冲突的经历”或“你最大的优势是什么”等行为问题，请使用情景—行为—结果模型来进行描述：描述你当时所面对的情况，你是如何处理它的，以及结果如何。
尽量使你的答案简短而全面。你可以提前为这些问题列一个清单，并考虑哪些经历和性格特征最适合你所面试的具体工作。对于技术问题，你需要了解面试结构。面试结构和问题类型的范围非常广泛：你可能得做一套带回家完成的测评，回答计算机科学问题（例如反转二叉树），解释随机森林模型，做展示，编写SQL代码等。
提前知道题型会有很大帮助。你还可以查看Glassdoor针对面试过程的评论，并从自己的人脉网找找是否有人在那家公司面试过。在第一轮电话筛选过程中你也可以直接询问HR面试过程中会出现的题型和范围。如果你要进行多轮面试，你可以询问每轮的内容和结构是什么（例如，“我需要做白板编程吗？”）。一旦你知道面试的内容，你就可以集中准备。
面试过程中，如果你遇到了问题，可以试着说：“我不确定，但我会考虑这样去解决它。”通常，面试官评估的是你如何解决问题，而不是你是否回答正确。欲了解更多建议，请参考Trey Causey的数据科学就业市场经验，Erin Shellman的数据科学工作着陆指南，还有Mikhail Popov的维基媒体基金会面试数据分析师的过程。
相关链接：
http://treycausey.com/data_science_interviews.html
https://blog.wikimedia.org/2017/02/02/hiring-data-scientist/
你的简历中的任何内容都有可能被问到
如果你在简历中列出了在六年前的一次实习，或者将AWS列为技能，那么请准备好回答相关的问题。
研究公司背景
在撰写求职信时你做了一些准备工作，但是一旦进入面试环节，就需要做更深入的研究。 除了下文的建议外，你还需要了解面试官的专业成就。 有一次，我面试的候选人谈及我做过一个展示并提出了一些相关的技术问题，我对此印象非常深刻。
尤其当你要面试一家初创公司，请花一个小时做这项研究。公式如下：
1.浏览Crunchbase，找出资本来源，投资者等
2.浏览LinkedIn，看看有谁在那里工作？
3.浏览Glassdoor，了解公众对公司有什么看法？
4.浏览公司网站，关注所有你能访问到的信息。
——Jensen Harris推文
准备好问题
每位面试官都应该会留出时间来回答问题。如果他们不这样做，那就糟糕了！面试是一个双向匹配过程：你在评估他们的同时，他们也在评估你。 如果你不知道该问什么，请查看Julia Evans的清单。她将所有的问题分为诸如生活质量，公司文化和管理实践等类别。想想什么对你来说最重要！
你可以向每位面试官询问不同的问题，以最大限度地提高你可以得到的答案数量，但你也可以尝试向多个人询问相同的问题，看看他们的答案是否有差异。 如果是初创公司，我强烈建议查看下面链接中的问题清单。
相关链接：
https://jvns.ca/blog/2013/12/30/questions-im-asking-in-interviews/
https://twitter.com/jensenharris/status/988967889330819072
不要说出薪水数目
不要告诉他们你目前的薪水或你对这一职位的期望薪水。在某些地方，包括纽约市和加利福尼亚州，向你询问你现在的工资实际上是非法的。如果你说出一个数目，他们有可能会给你一个偏低的报价。他们的报价不应该取决于你目前的薪水或期望，而是取决于你在人才市场上的价值，并且与同等条件下你同事的薪水一样！
如果申请表上有这样问题，请填上“不适用”或“可灵活调整”，如果不得不写数字，则填入“0”并在其他地方写上：“注意：我在工资问题上填入了0美元。如果我们双方都觉得雇佣关系很合适，我对薪水问题很灵活。”如果你在面试中被问到了薪水问题，可以这样转移话题：“在讨论薪水之前，我想了解更多的关于职位的信息，并专注于我能给公司带来什么价值。我相信，如果我们都认为彼此是很好的选择，我们可以商量出一个具有竞争力的整体薪酬方案。”
如果问题是关于你目前的工资，而你处于一个薪水较低的不同工作类型/行业，你可以这样说：“这个职位与我目前的工作相比大有不同，不如讨论一下我在贵公司的主要职责，并最终确定这个职位的合理薪酬。”
如果他们坚持想知道你的期望薪资，那么在研究该行业和该公司的工资标准的基础上给出一个较大的范围。例如，你可以说：“从我的研究和过去的经验来看，我认为基本工资在9.5~12万美元之间比较合理，但我最感兴趣的是职位和整体薪酬方案的契合程度。”你可以查看H1B签证数据、Glassdoor和paysa，给自己定一个大概的范围。多和朋友交流！知识就是力量。
相关链接：
https://biginterview.com/blog/2015/10/salary-expectations.html
https://www.themuse.com/advice/answer-illegal-salary-question-right-way
也有人乐意交流薪资信息，例如Sharla Gelfand在推特中写到：
调查薪酬期间，如果你想把你的薪水数目发给我，我的私信总是开着的。如果你做数据方面的工作，坐标在多伦多，或者在技术岗有0-3年的工作经验，我们对你的薪酬水平非常感兴趣。如果你是用户关系管理经理（URM），我也会告诉你我的工资。知识是力量！
优雅地处理拒绝
在求职过程中，你难免被拒绝，也许这样的事会发生十来二十次。数据科学是一个充满竞争的领域，被拒绝是每个人都会经历的过程。如果他们拒绝你（相对于从不回信），你可以礼貌地表达你的沮丧（例如“很遗憾听到这个消息”），并感谢他们曾经考虑过你。
你可以要求反馈，但要知道许多招聘经理将无法提供给你，因为他们不希望反馈被解读为歧视而受到起诉。花一点时间来平复心情，但不要在公共场合或招聘经理面前大骂一场。这种做法不会改变结果，只会损害你的专业声誉。
Jesse Maegan在推特中也提到：
有一件事情应该不言而喻，但我们必须指出，优雅地处理拒绝很重要。数据科学职位竞争激烈。但在公共场合崩溃、给招聘经理发送讨厌的电子邮件等行为很糟糕。
拿到offer之后
首次回复
对于最初的offer，你可能会收到电话，或是包含详细信息的电子邮件，或要求通过电话来检查这项offer的电子邮件。在所有情况下，你都需要确保自己表达出了对此机会的兴奋和感激。但不要立刻接受offer：你可以要求以书面形式获取整份offer，说你需要检查一下，并询问你是否可以在几天后再联系。这就为协商奠定了基础，如果你正在考虑其他offer，也可以为你提供时间。如果你需要更多信息（例如入职日期，健康保险信息），你应该在第二次对话之前进行询问，以便你可以全面了解情况。
玩转多个选择
不幸的是，你可能无法同时获得所有你感兴趣的公司的offer（或拒绝）。更有可能的是，当你收到一份offer时，你可能正在某家公司的最后一轮面试中，收到了另一家公司的电话回复，或是还在等待其他的公司的回复。 如果你正在等待的工作机会中有你“梦想中的工作”呢？
如果你是在公司的最后一轮面试中，请告诉他们你的其他选择。 重申你对他们的公司有多么感兴趣（如果他们是你的首选，告诉他们！），但请说明你已收到另外一份offer，并希望他们能够在X日期之前给你一个决定。
招聘人员明白，你可能同时在面试其他几家公司，他们常常需要处理这种情况。如果你还在另一家公司面试的初期，他们不太可能加快面试速度并及时给出offer，这种情况下你可能要决定是否接受已经收到的offer。
工资协商
即使offer超出你的预期，或者相较于你目前的工作来说有很大提升，你也应该进行工资协商。 科技公司希望你和他们协商工资。你几乎总能得到至少5千美元或5％的基本工资增长，具体数额更多取决于公司和最初报价。你也可以要求签约奖金或更多的股票期权。
请记住，协商并不是自私或贪婪，正如bletchley punk在推特中写到：
关于工资协商我有不同看法：这件事与你现在的工资无关。它关乎你在新公司的同事的薪水。争取利益对你来说可能是一个巨大的障碍，但是如果你不协商，一旦你被雇佣了，你做同样的工作将会拿到更低的工资。
同时考虑争取你感兴趣的非货币福利。例如，也许你希望每周能有一天在家工作。也许你希望他们每年支付两次会议的费用。如果是一家小公司，你可以要求一个不同的职位头衔。
你可以协商多少取决于你的协商地位和公司。非营利性组织的薪水可能会更少。如果你有另一个offer，或者你当前的工作薪资较高，那么即使协商失败，你还有不错的备选方案。
如果他们看中的是你的罕见技能或者职位已经空缺很长时间，他们很难找到其他人。你应该对上面提到的工资网站进行研究，这样你就可以解释你为什么如此开价。要价高一点，以便你有足够的空间来协商，给一个具体数字，而不是一个范围——如果你说期望加薪的范围在5k~10k之间，他们可能就给你涨5k美元。
重申你对公司和职位感到兴奋的原因，并提出X，Y，Z要求。最后，用你感兴趣的话题开启协商，而不是一个接一个地提出问题和解决问题。这样，他们会明白你想要的东西，并且在薪资问题上可以协商（例如，你可能会接受基本工资增加5k美元，外带5k美元的签约奖金的加薪条件，而不是直接要求加薪1万美元）。
我强烈建议阅读更多关于如何进行工资协商的文章，可以从下面两篇文章开始： 第一篇文章提出了协商offer的15条规则，第二篇为女性提供了协商offer的建议。
相关链接：
https://hbr.org/2014/04/15-rules-for-negotiating-a-job-offer
https://hbr.org/2014/06/why-women-dont-negotiate-their-job-offers
一家公司很少很少很少（重要的事情说三遍）因为工资协商而撤回offer。 如果他们这样做，你不会想在那里工作了。
警告：如果你正在协商，还得到了你要求的一切，公司是希望你接受offer的！当然你可以有自己的选择，但是你如果不打算接某公司的offer，就不应该像模像样的和这家公司协商工资。 知道自己最终会接受offer也能让你自信满满的说出这句神奇的话：“如果我们能够到达X，Y和Z，我会很高兴接受这个offer。”
写在最后
找工作压力很大，特别是你已经有一份全职工作或者想要换个行业时，压力更大。我希望这篇文章能够提供一个良好的起点，让你理解数据科学中的招聘流程，知道哪些错误可以避免以及有哪些策略可以利用。如果你想要获取更多信息，可以查看Favio Vazquez非常全面的指导，文章包括了他自己的想法和几十种资源的链接。
相关报道：
https://towardsdatascience.com/the-two-sides-of-getting-a-job-as-a-data-scientist-a4571acc58bc
本文为专栏文章，来自：大数据文摘，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/55784.html 。
