裁員往往來得猝不及防，被重新丟回求職市場才發(fā)現(xiàn)自己還不具備競爭優(yōu)勢，這是很多人近期面臨的窘境。但兩個月拿到四份數(shù)據(jù)科學 Offer 的 Emma Ding 告訴我們，只要有針對性地認真準備，逆風翻盤也不是不可能。

遭上家公司辭退，花兩個月拿到四個 offer，還實現(xiàn)收入翻倍，這很難嗎？現(xiàn)任 Airbnb 軟件工程師的 Emma Ding 介紹了她的經(jīng)驗，說不定可以幫助到近期正在找工作的人。

如果你在疫情期間被裁員或者你是數(shù)據(jù)科學領(lǐng)域的求職者，你一定能從這篇文章的某些部分找到共鳴。以下是 Emma Ding 的自述：

被解雇

2018 年 12 月，我被告知自己將在 2019 年 1 月被解雇。而就在三個月前，公司的工程副總裁在給 People Success 主管的信中表示，我是公司表現(xiàn)最好的人之一，并主張給我漲薪。這使得我的工資提高了 33%。正因如此，我在工作方面變得更有動力，渴望在新的項目上獲得更大的進步。

我以為：「公司的未來以及我自己的前途一片光明」。

但就在這時，一個消息如晴天霹靂：「受公司縮減成本計劃的影響，我將在 1 月 15 日被辭退?！?/p>

被迫尋找新工作是一件很艱難的事情。瀏覽了市場上的數(shù)據(jù)科學崗之后，我很快意識到我與別人在知識方面的差距。我之前在 B2B 初創(chuàng)公司所做的工作僅涉及入門水平的數(shù)據(jù)工程和機器學習。這與許多工作要求毫無關(guān)聯(lián)，如產(chǎn)品嗅覺（product sense）、SQL、統(tǒng)計等。我具備一些基礎(chǔ)知識，但不知道如何補充更高級的技能。

但是，還有比這更嚴峻的問題：我去哪兒找面試機會？我在初創(chuàng)公司只有一年半的工作經(jīng)驗，還沒有統(tǒng)計學或計算機科學相關(guān)的學位。

隨之而來的是一系列問題：失去簽證身份之前找不到工作怎么辦？找到新工作之前出現(xiàn)經(jīng)濟下行怎么辦？盡管有那么多憂慮，但除了找到一份新工作，我別無選擇。

準備搜索職位

面對艱巨的求職任務(wù)，我需要一些信息來決定下一步做什么。經(jīng)過研究，我發(fā)現(xiàn)市場上一半以上的數(shù)據(jù)科學職位是產(chǎn)品驅(qū)動職位（「產(chǎn)品分析」），其余的與建?；驍?shù)據(jù)工程有關(guān)。我還注意到，非產(chǎn)品分析的職位往往要求更高。例如，大多數(shù)建模職位需要博士學位，工程職位需要計算機科學背景。顯然，不同職位的需求差異很大，因此要有針對性地進行準備。

了解到這些之后，我做出了一個重要的決定：為所有類型的職位做準備任務(wù)量太大，而且很可能效率不高，我需要專注于一類職位。

我選擇了產(chǎn)品分析，因為根據(jù)我的背景和經(jīng)驗，我更有可能獲得這類職位的面試機會。當然，并不是每個數(shù)據(jù)科學領(lǐng)域的人都和我有一樣的背景和經(jīng)驗，因此我總結(jié)了在大公司中這三類數(shù)據(jù)科學職位的通用要求。這些信息為我節(jié)省了大量時間，我認為它對正在尋找數(shù)據(jù)科學工作的其他人也有用處。但在此我要補充說明一點，對于小型初創(chuàng)公司而言，面試的情況可能有所不同，或許需要將三類職位所需的知識結(jié)合起來。

產(chǎn)品分析（約占市場職位的 70%）

要求：具備產(chǎn)品上線的實踐經(jīng)驗、敏銳的商業(yè)頭腦、優(yōu)秀的 SQL 技能。

示例：Airbnb 數(shù)據(jù)科學家（分析師方向）、Lyft 數(shù)據(jù)科學家、Facebook 數(shù)據(jù)科學家、Google 產(chǎn)品分析師。

建模（約占市場職位的 20%）

要求：掌握機器學習知識（不僅包括如何使用機器學習，還包括基礎(chǔ)數(shù)學和理論）、強大的編程能力。

示例：Lyft 數(shù)據(jù)科學家（算法方向）、Airbnb 數(shù)據(jù)科學家（算法方向）、亞馬遜應(yīng)用科學家、Facebook 研究科學家。

數(shù)據(jù)工程（約占市場職位的 10%）

要求：掌握數(shù)據(jù)工程技能的端到端數(shù)據(jù)科學家、了解分布式系統(tǒng)、會使用 MapReduce 和 Spark、有 Spark 的實踐操作經(jīng)驗、強大的編程能力。

示例：Airbnb 數(shù)據(jù)科學家（基礎(chǔ)研究）、初創(chuàng)公司的數(shù)據(jù)科學家。

開始求職

在知道自己要被解雇時，我做的第一件事就是廣泛并積極地尋找新職位。我用到了我所知道的所有求職平臺，包括 GlassDoor、Indeed 和領(lǐng)英，還向認識的每個人尋求工作推薦機會。但是，當時正是年底，一直到 2019 年 1 月我都沒有收到任何回應(yīng)。

事實證明，被人舉薦要比自己尋找職位效率高得多。在大約 50 個面試申請中，我只得到了 3 個面試機會，而在 18 個工作推薦中，我獲得了 7 個面試機會。顯然，總體來講，我在求職市場上沒有什么競爭力。

面試：概況

盡管每個公司的面試結(jié)構(gòu)不同，但是大多數(shù)公司遵循以下流程：

招聘人員首先會給你打個電話；

1-2 輪電話面試（TPS）或 take-home assignment；

4-5 小時的現(xiàn)場面試（onsite interview），通常包括 3-4 輪技術(shù)面和招聘經(jīng)理進行的行為面試。

在我面試過的公司中，大約有一半（4/10）公司在 TPS 前給了一個 take-home assignment 或者用 take-home assignment 代替 TPS。實際上，take-home assignment 會花費很多精力。做完一個 8 小時的 take-home assignment，我至少要休息半天。因此，我需要盡力安排好面試時間。我做完一項 take-home assignment 后，第二天上午不會安排面試。

了解面試的基本結(jié)構(gòu)能夠幫求職者放松，并熟悉找工作的流程。

面試前

對于我來說，每一個面試機會都是非常重要的。我知道有些人可能會把面試看作一種學習的方式，比如通過刷面試經(jīng)歷來獲取經(jīng)驗，然后通常是拿最后面的那幾家公司的 Offer，但我認為不應(yīng)該采取這種方法。

2017 年畢業(yè)時，我在 500 份求職申請后只得到了 4 份面試通知，2019 年我也不期望會有更多。因此我更加注重每一次面試準備，不會浪費任何機會。

被解雇的好處之一就是我能用全部精力來準備面試，每天我都會整理學習的內(nèi)容。根據(jù)之前的面試經(jīng)驗，我感覺到更加深入的了解才能讓自己在面試中給出更深刻的答案。尤其是，當你比平時更緊張更焦慮的時候，充分的知識儲備才能讓你收放自如。

在我描述自己經(jīng)歷的時候，不禁想到之前常聽到的一個誤解：沒有真正的經(jīng)驗就不可能獲得產(chǎn)品或?qū)嶒灥南嚓P(guān)知識。這一點我是不同意的，我認為通過閱讀、聆聽、思考、總結(jié)也可以習得這些技能。畢竟這和學校的教學方式相同，而且隨著我認識越來越多的數(shù)據(jù)科學家，我驗證了這種方法是通用的，即便對于擁有多年深厚從業(yè)經(jīng)驗的人也是如此。面試的內(nèi)容可能與你所做的事情無關(guān)，但你可以通過工作經(jīng)驗以外的方式來獲得所需的知識。

那么你需要具備哪些基本知識呢？通常，在 TPS 期間會詢問產(chǎn)品和 SQL 的問題?，F(xiàn)場面試期間考察的問題包括產(chǎn)品嗅覺、SQL、數(shù)據(jù)統(tǒng)計、建模、行為，可能還有 presentation。

接下來的幾小節(jié)總結(jié)了我在準備面試的過程中用到的資源。一般來說，GlassDoor 是了解公司特定問題的好資源?？吹狡渲械膯栴}之后，我既了解了公司的要求，也了解了自己和這些要求的差距。這樣一來，我就能夠制定計劃來填補這些空白。

「六大科目」，各個擊破

以下六個部分是我針對產(chǎn)品分析職位總結(jié)的面試準備要求。

產(chǎn)品嗅覺

作為一家創(chuàng)業(yè)公司的數(shù)據(jù)科學家，我主要負責開發(fā)和部署機器學習模型，同時寫寫 spark job。因此，我?guī)缀鯖]有任何產(chǎn)品相關(guān)的知識。GlassDoor 上有一些這方面的問題，比如「如何度量成功？」「如何通過當前用戶的行為驗證新特性？」看到這些抽象、開放的問題時，我感覺毫無頭緒。

為了學習產(chǎn)品相關(guān)的知識，我采用了最基本的閱讀、總結(jié)策略，使用了下面列出的資源。這些閱讀材料幫我構(gòu)建起了自己的產(chǎn)品知識體系。最后，我總結(jié)出了一個回答所有類型產(chǎn)品問題的結(jié)構(gòu)化方法。

為了測試和練習，我寫下了有關(guān)產(chǎn)品嗅覺問題的答案，然后大聲說出這些答案并錄音，最后自己聽錄音改進答案。

以下是一些參考資源：

Stellar Peers：https://stellarpeers.com/blog/

Gayle Laakmann McDowell 和 Jackie Bavaro 寫的《Cracking the PM Interview: How to Land a Product Manager Job in Technology》

Lewis C. Lin 寫的《Decode and Conquer》

Victoria Cheng 寫的《Case Interview Secrets》

SQL

我第一次做 SQL TPS 的時候失敗了，那還是一家我感興趣的公司。之后，我研究了一下 SQL 問題，并在一天之內(nèi)完成了我原來要花一周才能完成的問題，真是熟能生巧。

以下是參考資料：

Leetcode 數(shù)據(jù)庫問題：https://leetcode-cn.com/problemset/database/?utm_source=LCUS&utm_medium=ip_redirect_o_uns&utm_campaign=transfer2china

HackRank SQL 問題：https://www.hackerrank.com/domains/sql?filters%5Bstatus%5D%5B%5D=unsolved&badge_type=sql

統(tǒng)計學和概率論

為了回答這類問題，我溫習了基本的統(tǒng)計學和概率論知識，還做了一些編程練習。雖然這兩個方面內(nèi)容都很多，但產(chǎn)品數(shù)據(jù)科學的面試不會太難。以下資源可供參考：

可汗學院的《統(tǒng)計學和概率論》入門課程：https://www.khanacademy.org/math/statistics-probability

一本統(tǒng)計學方面的電子書：http://onlinestatbook.com/2/index.html

哈佛的《Statistics 110: Probability》課程，介紹了現(xiàn)實中的概率問題：https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo

如果你不喜歡聽課，但喜歡閱讀，可以看一下 PennState 對于概率論的系統(tǒng)介紹，里面有很多例子：https://online.stat.psu.edu/stat414/lesson/introduction-stat-414

我還通過「10 Days of Statistics」在 HackRank 上練習編程，以此來鞏固自己的理解：https://www.hackerrank.com/domains/tutorials/10-days-of-statistics

有時候， 統(tǒng)計學面試中會問到 A/B 測試問題。優(yōu)達學城有一門課（https://www.udacity.com/course/ab-testing--ud257）覆蓋了 A/B 測試的基本問題，Exp Platform 有一個關(guān)于這個主題的更簡明的課程：https://exp-platform.com/2017abtestingtutorial/

機器學習

由于沒有計算機科學專業(yè)的學位，我在找工作的時候?qū)C器學習的了解非常有限。我在上一份工作中上過一些課程，面試之前我復習了一下自己的筆記。然而，在建模問題越來越多的今天，產(chǎn)品數(shù)據(jù)科學家崗位面試中遇到的問題還是集中于如何應(yīng)用這些模型，而不是模型背后的數(shù)學和理論。這里還有一些有用的資源幫你提升機器學習技能：

Andreas Mueller 的免費應(yīng)用機器學習課程：https://www.youtube.com/watch?v=d79mzijMAw0

吳恩達在 Coursera 上的機器學習課：https://www.coursera.org/learn/machine-learning?utm_source=gg&utm_medium

優(yōu)達學城《機器學習工程納米學位》：https://www.udacity.com/course/machine-learning-engineer-nanodegree--nd009t

Presentation

一些公司要求應(yīng)聘者展示一個 take-home assignment 或你最引以為豪的一個項目，在這一環(huán)節(jié)中，你要讓自己的展示有趣且具有挑戰(zhàn)性。

那要怎么做到這一點呢？我的建議是考慮所有細節(jié)，如高級目標和成功的度量標準，從 ETL 到建模實現(xiàn)細節(jié)，再到部署、監(jiān)控和改進。這些小事加起來要比一個大的 idea 更有說服力。下面有幾個值得反復思考的問題，有助于你做一個理想的 presentation：

你這個項目的目標是什么？用什么指標來衡量成功與否？

開始這個項目的時候，你是怎么做決定的？

你如何知道用戶能否從項目中受益？

你是如何做測試的？你的 A/B 測試是怎么設(shè)計的？

項目中最大的挑戰(zhàn)是什么？

為了讓我的 presentation 更加有趣，我通常會分享項目中一些有趣的發(fā)現(xiàn)以及其中最大的挑戰(zhàn)。但要想做一個真正吸引人的 presentation，你需要練習，一遍又一遍地大聲練習。我在家人面前練了一下，以確保自己掌握了材料。如果你能吸引到你認識的人，那個必須坐下來聽你說的面試官也逃不過你的手掌心。

行為性問題

雖然準備技術(shù)面試問題很容易，但不要忘了，行為性問題也同樣重要。我面過的所有公司至少都有一輪現(xiàn)場的行為面試，其中的問題通常可以分為三大類：

你為什么選擇我們？你認為一份工作中最重要的是什么？

介紹你自己 / 你為什么要放棄當前的工作？

你的職業(yè)生涯中最成功 / 失敗或最具挑戰(zhàn)性的事是什么？或者，請說出一個你解決沖突的例子或者你說服你的經(jīng)理或 PM 的經(jīng)歷。

對于數(shù)據(jù)科學家崗位來說，行為性問題非常重要，所以一定要好好準備！了解一家公司的使命和核心價值觀有助于你回答第一類問題。第二和第三類問題可以通過講故事來回答——三個故事就足以回答所有的行為性問題。在進去面試之前，一定要確保你腦子里存了一些好故事。與產(chǎn)品性問題類似，我通過大聲練習的方式進行準備，還自己錄音自己聽并不斷調(diào)整答案。

現(xiàn)場面試百發(fā)百中的秘訣

現(xiàn)場面試的前一天通常是忙碌且壓力山大的，我總是試圖掌握更多的技術(shù)知識，同時還要查看統(tǒng)計學筆記，并思考回答產(chǎn)品問題時的框架。當然，和學校里一樣，這樣的突擊準備并不總是有效，羅馬也不是一天建成的。所以說，準備是很重要的，但這里還有一些規(guī)則需要特別注意：

在回答問題之前，先弄明白問題。聽完提問后，用自己的語言重復一次問題，以確保你正確地理解了問題。這一點非常重要。

組織所有問題的答案。寫下你思考過程中的要點，向面試官展示你在解決問題時有系統(tǒng)性思維，也有助于面試官對你進行評價。

即使不知道答案，也不要慌。如果你不熟悉這個領(lǐng)域也沒關(guān)系，可以先做一些假設(shè)，然后詢問這種假設(shè)是否合理。如果實在想不出任何答案，大腦一片空白，那也可以談?wù)撘恍┡c該類型問題相關(guān)的經(jīng)驗。

態(tài)度很重要。企業(yè)想要找的是愿意傾聽并接受不同意見的人，如果想證明自己易于合作，就要保持謙遜、尊重他人，傾聽并表達，為面試現(xiàn)場帶來積極能量，并盡力舒暢地進行溝通。

提前調(diào)查該公司。熟悉它的產(chǎn)品，再設(shè)想如何改進其產(chǎn)品，以及用哪些指標來衡量這些產(chǎn)品的成功。閱讀公司數(shù)據(jù)科學家的博客，了解其工作內(nèi)容。提前調(diào)查有助于在面試中進行更加深入、順暢的對話。

遵循以上規(guī)則之后，我得到了如下評價：

用結(jié)構(gòu)化的方式回答產(chǎn)品問題；

談吐有條理，深思熟慮；

對公司產(chǎn)品表現(xiàn)出濃厚的興趣，并提供了有價值的改進建議。

最后的談判

收到口頭 Offer 后，下一步就是和招聘方確定薪酬等條件，我的原則是「友好協(xié)商」。但是怎么做呢？

我推薦一份指南，Haseeb Qureshi 在這方面的經(jīng)驗給了我很重要的啟示。薪酬的平均漲幅達到了 15%，最高時還達到了 25%。

在求職經(jīng)歷中，我總結(jié)出了以下幾點：

實踐出真知；

失敗是生活的一部分，也是求職的一部分，別太在意；

尋找一種有效的解壓方法。

結(jié)語

在掉了 5 公斤體重和無數(shù)次流淚后，被解雇后兩個月內(nèi)我拿到了 4 個 Offer，其中三個來自我想都不敢想的公司：推特、Lyft 和 Airbnb（我最終加入的公司），另外一家是醫(yī)療領(lǐng)域初創(chuàng)公司。

在這兩個月中，我共收到了 10 個面試邀請、4 個現(xiàn)場面試機會和 4 個工作 offer，現(xiàn)場面試的 Offer 概率達到了 100%。

Emma Ding的求職時間線

我很幸運，在被解雇后得到了家人和朋友的大力支持，這對于尋找理想工作至關(guān)重要。

找工作本身也像是一份工作，好在一切都值得。