京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14