
被裁员后,我是如何成功找到了一份数据科学工作
本文的目的为了告诉你们我是如何成功找到一份数据科学的工作。从被裁员到成功签约,这两个月对我来说即辛苦又紧张。
我拥有统计学硕士学位,并且自2010年以来一直从事高级分析工作。如果你是该领域的新手,那么你的体验可能会有所不同,但希望本文能有所帮助。
我将介绍如何利用LinkedIn,搜寻各种职位申请,如何在同时提高你的技能,以及当收到offer时该如何协商。
被裁员的第1天
Vistaprint公司决定裁员,很不幸我是其中一员。但我知道如今市场对数据科学家的需求很火,因此从被裁员的第1天起,我就很乐观。我收到了遣散费,这让我能够真正考虑接下来该怎么做。
在我把头发染成亮粉色后的第4天,我碰巧被裁员了,这真是很无奈。
在被裁员后的第4天,我顶着一头粉色的头发。这是我的儿子哈利,他当时差不多3个月。
实际上,之后我的第一场面试就是顶着一头粉色头发,面试官很喜欢。但是,之后我决定把头发染回之前的颜色,以便之后的求职。
做的第一件事
在LinkedIn上,招聘人员经常会联系我。我一般都会回复。
如果你刚进入这个领域,你可能不会在LinkedIn邮件中收到招聘人员的消息,提出这一点的目的在于,你之后在职业生涯中可以关注这方面。
如今我正在求职,我所做的第一件事就是浏览这个清单,给每个人留言:
"你好,我正在求职中。如果你们有任何空缺的职位那就太好了,我们可以聊聊。"
有很多人回复说他们有空缺的职位,但是在与他们交谈之后,我发现这并不适合我。
除了去联系来找我的招聘人员之外,我还进行了谷歌搜索(以及LinkedIn搜索),寻找分析领域的相关招聘人员。
与职业导师第一次见面
在被裁员之后,Vistaprint为我安排了职业导师。她教给我的信息非常有用,这让我在之后的职业生涯都受益匪浅。我的职业导师是来自Transition Solutions的Joan Blake。在我们的第一次会面时,我带来了简历,我们谈论了之后我想找哪方面的工作。
由于我的简历和LinkedIn在过去帮我找到了工作,她并没有对简历进行太大的修改,但把我的专业技能和经验放在顶部,把学历背景放在底部。
并且我们把简历的篇幅尽量控制在一页以内。
这是我的简历
我还在简历中附上了求职信。这让我能够有机会明确地表明,我的情况很符合他们的工作描述。
我列了一个电子表格,当中包含了我所申请的所有公司。在表格中,包含了以下信息:公司名称;申请的日期;收到回复的日期;招聘经理的姓名等。
这帮助我掌握目前求职的情况和进度。
求职申请
对我申请的每个工作,我都会在LinkedIn进行搜索。查看我的人脉网络中是否有人目前在这家公司。如果有的话,我会让他们知道我在申请,因为如今很多公司都提供推荐奖金。我大概会这么说:
你好,Michelle。
我正在申请XX公司的数据科学家职位。你愿意帮我引荐一下吗?
如果我认识的人中,没有人在这家公司,那么我会试着找到该职位的招聘经理。可能是“数据科学与数据分析”主管这类头衔。
我给招聘经理发的信息如下所示:
你好,Sean。
我对数据科学的职位感兴趣。我有统计学硕士学位,以及7年的建模经验。我很擅长使用SQL,以及用R进行建模,并且对Python有一定的了解。
我很期待有机会与你聊聊,我想谈谈我将如何通过统计方法为公司提供有效的分析见解并创造价值。
Kristen
大多数人都会回复。当我告诉职业导师我在LinkedIn上求职所获得成功后,她为此感到有些惊讶。
开始面试和电话面试
电话面试基本大同小异,有些电话面试更紧张一些,有些耗时更长,基本都在半小时左右,通常会是HR。既然是与HR进行沟通,那么不用涉及太深的技术问题,你只希望能够通过电话面试,并试着与招聘经理约定时间进行面试。
介绍一下自己:
这里HR只想大致了解你,以及你的经历。我的介绍如下:
我是一名数据科学家,拥有7年的统计和分析经验,可以解决各行业的业务问题。我能够熟练使用SQL,在R中进行模型构建,并且目前正在学习Python。
你想要做什么?
我会确保我想做的基本与职位描述相符合。我可能会说:
我期待不断学习新工具和新技术。我希望能够处理有意思的问题,从而带来商业价值。
你的薪资要求是怎样的?
如果可以的话,尽量避免这个问题,你会被问到,但是尝试用不同的角度回答。你可以回答:
我过去的薪资比较符合我的期望,我相信(公司名称)会付出相应的薪资,你怎么看这个职位的薪资范围呢?
他们会有该职位的薪资范围,但他们可能会告诉你他们没有。大多数时候我会给出我的薪资期望,但这并不意味着当收到offer时你无法进行协商。
收到offer
很棒,你马上就要拿到offer了。这时,你可以联系发offer的公司,询问:
我收到通知说我能拿到offer,有什么办法可以让流程加快吗?
我向两家公司提过这个问题。其中一个加快了流程,给我发了额外offer。
协商
你拿到了offer,现在应该进行协商了。只有很少一部分人会就薪资进行协商,女性更少。
一定要协商!
当你了解了薪资、休假时间、以及福利信息,你可以这么说:
非常感谢您的offer,我很感激。我希望能提高一些薪资。
然后等待回应,保持积极的心态。他们可能会说,需要把这些信息提给招聘经理。
谢谢。我会花一些时间了解福利的内容。期待再和您协商,我感觉我们能达成一致。
然后就结束谈话,并且定下下次协商的具体时间,最后让他们知道你很高兴与他们进行交流,保持积极的态度。
就这样我成功地获得了心仪的工作,并在一周后开始上班。我感觉特别的欣喜,经过多次面试我终于找到了适合自己的工作,这一切都是值得的。
结语
有针对性的求职信,并直接在公司网站上申请会大大提高求职的响应率。同时,你可以有效地利用LinkedIn联系招聘人员,直接进行交流。同时在这个过程中,我的表达能力和自信心都得到了很大的提升。
最后希望你能成功找到心仪的工作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29