校招最好避开大厂!

2023-11-23 12:30
文章标签 最好 大厂 校招 避开

本文主要是介绍校招最好避开大厂!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我是小z

遇到过很多同学咨询,“怎么才能校招进大厂做数据分析”。

今天分享这篇文章不是来回答这个问题的,而是浇一盆冷水:普通学生校招进大厂未必是好事。

注意,这里限定的是“普通学生”。如果你是顶级名校,智商超高,执行力超强,实习经历超亮眼的精英学生,一定要进大厂,那里才是你们发光发热的舞台。

这里很多同学不要随便对号入座,觉得自己好歹也是985/211的学生,这里的精英学生说的就是自己没错了……以现在数据分析岗的内卷程度来说,精英学生的定义在不断向上提高,99.9%的人都不在精英学生的定义范畴之内。

绝大多数同学都属于“普通人”,今天聊一下在这个数据分析内卷加剧的年代,普通人校招究竟该怎么走?

校招进大厂的好处

首先来看下校招进大厂都有哪些好处?

  • 薪资高

首先是薪资高,这是大厂最吸引应届生的优势。同样是数据分析岗,大厂和中小厂之间的薪资差距相差一倍是很常见的。

  • 大厂光环

大厂的背景也是很多人考虑的因素。今后如果换工作,大厂背景可以省去很多的麻烦,更容易得到面试的机会。

  • 学习环境

大厂因为薪资和平台发展的吸引力,会有非常多的牛人加入,这是吸引应届生的第三个原因。跟着牛人,可以学到更多东西。

校招生究竟要的是什么

说了这么多大厂的好处,我们回到最初的原点,看看校招生真正需要的是什么。

  • 薪资

排在第一位的依然是最现实的薪资问题。这一点看起来大厂能够很好地满足。

为什么我要说“看起来”?因为一个人的职业生涯非常长,大学毕业之后至少还要工作25年以上,所以薪资是一个相对长期的概念。而校招进大厂带来的薪资的领先优势,未必能持续多久。

同样两个资质类似的同学,A同学一毕业就去了大厂,另一个B同学在中厂待三年后去大厂。虽然A同学在毕业时的起薪要比B同学高得多,但是B同学一下子就可以反超A同学。这种情况非常常见。

这除了校招生调薪相对较少的原因之外,还因为社招有很多其他的优势。

公司愿意给一个人高薪水,一定是因为它能创造的收益比别人更大。而一个人能创造的收益,除了和自身能力相关,还和岗位匹配度相关。

校招的岗位匹配凭的主要是运气。应届生对要做的事基本一无所知,只能凭直觉选择可能适合自己的,而且校招报名岗位有限定,报名了这个岗就不能报那个岗,这和赌博其实也没什么区别。

而社招的岗位匹配可以自己把握。如果你关注过大厂的招聘网站,会发现大厂是持续不断地在招人,岗位非常多。即使是同样的数据分析岗,也会有不同行业、不同职能的各种细分工种。而且再加上社招没有校招的时间限制,我们可以花时间慢慢匹配。可以找到某一个自己感兴趣的领域,针对性地学习,加大应聘成功的概率。

找到最适合自己的岗位进入大厂,再加上有时候企业急招,会有更多的薪资加成,这样很容易就实现薪资的反超。

  • 发展机会

应届生第二关心的是今后的职业发展机会。

这一点大厂有“大厂光环”和“学习环境”两大优势,但在我看来,这两点都是挺虚的。

首先说说大厂光环

有大厂光环的人跳槽更容易,这是一个不争的事实。

同样类型的岗位,大厂一般要比小公司更加体系化专业化,你顶着大厂光环可以给你加分。但是大厂的体系化也是一把双刃剑。体系化带来了高效率的协作,但同时也让每个人成为螺丝钉,只盯着自己的一小块工作。这种工作模式不需要你成为全才,不需要你解决太多不在你职权范围内的事,因此你很可能会成长为一个非常优秀的特定技能人才,但是在管理能力和全局视野上始终无法成长。

所以大厂光环让跳槽更容易,这里仅仅指换个公司做原来同类型岗位的跳槽,不包括外部晋升的跳槽。

而顶着大厂光环在同类型岗位上跳槽,大厂光环只不过是提高了获得面试机会的概率,不能提高最终录用的概率。决定是否录用还是要看自身的能力。

校招的大厂经历在长时间的职场生涯来看并没有那么重要。一个应届生的简历上如果写着初高中时的荣誉,那么就说明他在大学期间一定不怎么样。同理,如果一个工作十年的职场人,简历中最大的亮点是八年前的一段大厂经历,同样说明这人在之后没做出什么成绩。

再来说下学习环境。

大厂牛人多,但未必代表能学到的东西多。

首先是因为没有精力学习。大厂的工作节奏很快,每天的工作安排得非常满,你根本就没有时间学习。关于这一点,很多同学会产生这样的错觉:觉得平时自己玩游戏也要玩到凌晨一两点,现在抽出一点时间学习肯定还是可以的。曾经的我也是这么觉得,但是真的体验过之后你会发现,抽出时间学习确实不难,但是精力是真的不够。高强度的工作和低质量的睡眠让你的精力变差,这会导致注意力不集中、记忆力衰退等现象,学习效率会变得非常低。

其次,就算你有时间学,牛人也未必愿意教你。牛人之所以是牛人,是因为他们的思维方式和普通人是不一样的。更何况校招生初入职场,还存在大量的学生思维,和牛人的差别就更大了。面对如此巨大的思维鸿沟,你确定牛人会愿意花时间给你解释清楚?最后可能就是牛人不停地告诉你要做这个做那个,但是为什么这么做,他懒得解释,解释了你也未必听得懂。

进入大厂看起来并没有那么香,而且还有一个更现实的问题,那就是进大厂太难了。

应届生的第一份工作,往往决定了之后的岗位选择。校招成为数据分析,之后跳槽到其他公司继续数据分析的概率就会更大。

所以,应届生如何校招进大厂是一个诱人的陷阱。这是一个比大学上清华还是上北大更难的问题。上清北只需要成绩过关即可,而校招进大厂除了实力还需要运气。而一旦专心备战大厂,结果校招失败又没拿到其他公司的数据分析岗offer,那么你离数据分析师这条职业道路就越来越远了。

正确的校招策略应该是什么

正确的策略应该是“优先确保自己先成为数据分析师”。

这个策略的重点是“成为数据分析师”,至于是不是大厂,行业感不感兴趣等等都不重要。重要的话再说三遍:

  • 成为数据分析师!

  • 成为数据分析师!

  • 成为数据分析师!

只要校招成为数据分析师,不管是什么行业、什么类型的分析师,那么就成功了一半。在中小厂花上两三年好好沉淀一下,再去大厂的概率就非常大:假设每次面试进大厂的概率有10%,那么校招就是10%,而社招可以多次,比如10次,那么最终进入大厂的概率就是1-(1-10%)的5次方=65%。如果考虑社招的岗位匹配因素,这个概率还会更高。

很多同学觉得中小厂不够专业,学不到东西。

这话大错特错,放一个我个人的观点:中小厂,尤其是管理混乱的中小厂是校招生的最佳选择。

中小厂有几大优势:

1.能力半径大

中小厂的管理相对混乱,很多工作职责的划分并不清晰,这恰恰是提升自身能力的好平台。由于中小厂的每个人都是多面手,应届生深度参与到大项目中的概率大,又可以跳出数据分析的职能范畴,在上游做一些数仓工作,在下游深度参与业务决策。你可以得到大量的业务锻炼机会。

数据分析的核心竞争力之一就是能通过数据为业务解决问题,如果不了解业务是很难给出靠谱的建议的。很多大厂出身的分析师,分析往往比较浅。这是因为大厂内分工太细了,他们对于业务的开展了解不多,只能提出经营层面的建议,无法结合业务的实际情况给出接地气的策略。

2.发展多样性

因为能力半径较大,个人发展的选择也更多。

可以在横向职能之间转换,比如从数据分析转岗到数仓或者业务岗。

也可以在纵向上更进一步,寻求职能晋升。因为你了解业务全链路,明白如何跨团队沟通,参与过多个大型项目,不管是内部晋升还是外部晋升都有机会。

3.学习时间多

前面已经提到过了,大厂虽然身边优秀的人很多,但是并不是学习的好去处。而中小厂,是很好的学习提升的地方。

在中小厂工作量相比大厂要少很多,一般来说不会特别忙。因为如果工作量和大厂一样多,钱还没有大厂多,人都要走光啦。所以中小厂有个很大的优势,那就是有大量的时间可以用来学习。

有时间还不够,还有“学什么”的问题。

中小厂牛人确实不多,向身边的人学确实比较困难。不过现在职业教育的门槛已经非常低了,各类技能的网课和学习资料一大把,足够从入门到进阶,再向从进阶到精通,需要集合自身业务做一些尝试,然后沉淀自己的认知。如果自己领悟有点困难,还可以通过网络找到一些大佬,和他们交流学习,同样可以提升学习的效率。

身边有好几个这样的案例,在工作节奏不那么高的小公司内,利用摸鱼时间学习充电,最终拿到了心仪的大厂offer和可观的薪资涨幅。当然这也是建立在强大的自律条件下的。

总结

游戏中都有一个新手村,让我们熟悉基本操作。游戏中也会有一些高级关卡,让我们获得高级宝物。

校招进大厂就好像这个高级关卡,对于新手来说这是一个美丽的诱惑,不仅成功概率低,而且也没有想象中那么美好。

如果你真想选择数据分析作为自己的职业,建议避开大厂的激烈竞争,从新手村开始。

最后,以上都是基于自己的经验得出的结论,可以参考,未必正确。

以上。

 

bab7982566ad5f86d75a61642671bdda.gif

 
●昨天熬夜整了一波,值了!
●品牌知名度分析实例

这篇关于校招最好避开大厂!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/417970

相关文章

Java 文件读写最好是用buffer对于大文件可以加快速度

参考例子: FileReader fileReader = new FileReader(filename);BufferedReader bufferedReader = new BufferedReader(fileReader);List<String> lines = new ArrayList<String>();String line = null;while ((line =

诺瓦星云校招嵌入式面试题及参考答案(100+面试题、10万字长文)

SPI 通信有哪些内核接口? 在嵌入式系统中,SPI(Serial Peripheral Interface,串行外设接口)通信通常涉及以下内核接口: 时钟控制接口:用于控制 SPI 时钟的频率和相位。通过设置时钟寄存器,可以调整 SPI 通信的速度以适应不同的外设需求。数据发送和接收接口:负责将数据从主机发送到从机以及从从机接收数据到主机。这些接口通常包括数据寄存器,用于存储待发

大厂算法例题解之网易2018秋招笔试真题 (未完)

1、字符串碎片 【题目描述】一个由小写字母组成的字符串可以看成一些同一字母的最大碎片组成的。例如,“aaabbaaac” 是由下面碎片组成的:‘aaa’,‘bb’,‘c’。牛牛现在给定一个字符串,请你帮助计算这个字符串的所有碎片的 平均长度是多少。 输入描述: 输入包括一个字符串 s,字符串 s 的长度 length(1 ≤ length ≤ 50),s 只含小写字母(‘a’-‘z’) 输出描述

笔试强训,[NOIP2002普及组]过河卒牛客.游游的水果大礼包牛客.买卖股票的最好时机(二)二叉树非递归前序遍历

目录 [NOIP2002普及组]过河卒 牛客.游游的水果大礼包 牛客.买卖股票的最好时机(二) 二叉树非递归前序遍历 [NOIP2002普及组]过河卒 题里面给的提示很有用,那个马的关系,后面就注意,dp需要作为long的类型。 import java.util.Scanner;// 注意类名必须为 Main, 不要有任何 package xxx 信息publ

大厂面试:小米嵌入式面试题大全及参考答案(130+道 12万长文)

Flink 架构介绍 Flink 是一个分布式流处理和批处理框架,具有高吞吐、低延迟、高可靠等特点。其架构主要由以下几个部分组成: 客户端(Client):负责将作业提交到集群,并与作业管理器进行交互,获取作业的状态信息。客户端可以是命令行工具、IDE 插件或者自定义的应用程序。作业管理器(JobManager):负责接收客户端提交的作业,协调资源分配,调度任务执行,并监控作业的执

诺瓦星云校招嵌入式面试题及参考答案

SPI 通信有哪些内核接口? 在嵌入式系统中,SPI(Serial Peripheral Interface,串行外设接口)通信通常涉及以下内核接口: 时钟控制接口:用于控制 SPI 时钟的频率和相位。通过设置时钟寄存器,可以调整 SPI 通信的速度以适应不同的外设需求。数据发送和接收接口:负责将数据从主机发送到从机以及从从机接收数据到主机。这些接口通常包括数据寄存器,用于存储待发

【面试个人成长】2021年过半,社招和校招的经验之谈

点击上方蓝色字体,选择“设为星标” 回复”资源“获取更多资源 长话短说。 今天有点晚,因为一些事情耽误了,文章发出来有些晚。 周末的时候和一个知识星球的读者1对1指导了一些应届生的学习路径和简历准备。 因为马上就要秋招了,有些公司的提前批已经启动。2021年已经过半了,各位。时间真是太快了。 正好周末抽了一点时间看之前买的关于面试的电子书,针对校招和社招的面试准备和需要注意的点在啰嗦几句。 校

最好的超声波清洗机是哪款牌子?高颜值的超声波清洗机

超声波清洗机凭借其出色的洁净能力与简便的操作方式,正逐渐成为广受欢迎的清洁优选。它以深度而不伤材质的清洗效果著称,不过市面上品牌琳琅满目,型号多样,价格波动大,给消费者挑选造成了不小的挑战。作为一名眼镜爱好者,我对超声波清洗机颇有研究,并乐意在此为朋友们推荐几款品质卓越的机型,希望能对你选购超声波清洗机有所帮助! 超声波清洗机选购攻略 技巧1:优选专业实力强悍的品牌 在选择超声波清洗机时,偏

【校招面经】机器学习与数据挖掘常见面试题整理 part9

八十、SVM的核函数 from:https://blog.csdn.net/lihaitao000/article/details/51173459 SVM核函数包括线性核函数、多项式核函数、径向基核函数、高斯核函数、幂指数核函数、拉普拉斯核函数、ANOVA核函数、二次有理核函数、多元二次核函数、逆多元二次核函数以及Sigmoid核函数. 核函数的定义并不困难,根据泛函的有关理论,只要一种函数

【校招面经】机器学习与数据挖掘常见面试题整理 part8

七十六、t-SNE from:http://www.datakit.cn/blog/2017/02/05/t_sne_full.html t-SNE(t-distributed stochastic neighbor embedding)是用于降维的一种机器学习算法,是由 Laurens van der Maaten 和 Geoffrey Hinton在08年提出来。此外,t-SNE 是一种非