关于在半年内拿到多家大厂offer的求职历程

前言

大家好，我是阿孟，一个有幸在数据分析职场生存3年的菜鸡博主，这篇文章来和大家分享一下我23年的一次换工作的面试经历，以及我在面试中的一些心得和技巧，不足之处，欢迎大家多多指正。

1.先聊聊自己为什么换工作

（1）对个人收入和工作成长性上开始产生更高的期望

我在之前的公司从事数据分析工作将近小三年了，工作内容从23年开始就能感受到没啥太大的挑战和创新了。虽然我一直努力提高自己的业绩和能力，但是我的薪酬水平却一直没有得到满意的调整和反馈。
根据我在b站上看到的渭佬的面试情况和获得面试结果的视频、渭佬的知识星球预计渭佬的群聊中划水获取到的信息，了解到的数据分析行业的薪酬水平，与我发现自己目前拿到的薪资和市场水平有较大的脱钩。
以我目前的工作经验和项目经验，我在市场上的平均薪酬水平应该是每月N+1万左右，而我目前的薪酬水平只有每月N万，相差30%+。这让我对目前现状不是很满意，说收入对个人工作积极性和职业发展没影响那一定是我在说谎

（2）产生的期望无法现有的平台得到满足

我一开始是尝试通过在公司拿高业绩的方式来提高我的薪酬水平，但是我发现很难实现。因为目前所属团队一直在降本增效，同时团队业务偏AI创新方向，加上大A行情金融行业的影响（上证持续的3000点保卫战 懂得都懂），决定了即使拿到小组最优，大概率也拿不到理想的晋升涨薪结果。
因此，我开始思考通过跳槽的方式来打平与市场薪酬水平的差距，寻找一个更能体现个人的价值和能力的数据分析岗位。

2.跳槽目标和期间的信息收集

（1）基于动因梳理跳槽目标

跳槽目标其实是因人而已的，目前笔者跳槽主要考虑工作地点、工作成长性、赛道、涨幅和工作节奏这5维度点：
（1）不想换城市，搬太远，和对象异地挺麻烦 所以优先找工作地点优先级还是主要集中杭州和杭州以外的江浙沪地区
（2）公司规模不小于现在或者成长性高的公司 所以找公司的优先级在 一线大厂>二线大厂>其他厂
（3）赛道上主要倾向互联网 新能源 以及原行业 所以个人排序优先级为新能源、互联网>券商金融>其他
（4）公司岗位有成长空间 这里个人的排序优先级大概是 一线大厂核心业务>二线大厂核心业务>一二线厂非核心>其他
（5）薪资涨幅不低于30%，拿到对应年限的职级
（6）工作节奏比现在弱一些 基本上杭州的大部分厂子都能满足这个需求😂
设立好这些目标后，显示6月出去看了一波机会，发现（2）（4）（5）（6）挺好实现的 主要（1）（3）心里没底

（2）收集信息 动态目标公司目标岗

有了初步的目标后，就最好同步开始收集信息，来调整自己的目标，笔者信息收集方式大概主要为：

• 读行业报告/年报等资料 对行业竞争格局/存在问题/未来发展方向 形成初步的理解
  以了解国产新能源汽车出海为例，读行业报告可以获取以下信息
  (1)国产车出海整体格局
  
  (2)发展情况/政策/存在问题

（3）当前/未来发展战略（以比亚迪为例）

基于这些信息多多理解消化就可以慢慢形成自己对行业的一个初步认知理解，同时针对各个新能源公司的发展规划选择自己的认可的目标公司

• 主动投递对应岗位，获取面试机会看看自己目前能力树于经历与岗位需求差异在哪，后期补齐
  

3.如何准备面试

（1）工作侧准备

• 梳理过往经历：主要是
  ①梳理过往参与的有结果的项目（逻辑是 业务背景问题是啥 怎么分析出的问题 提出了怎么的策略 落地效果获得了那些结果）
  ②沉淀那些迁移的能力（如指标体系 实验设计 分析能力 目标管理等） ,这块比较成长的点是今年把过去几年工作的沉淀的能力都用文档的形式输出了一遍，其中比较值得分享出来的基本都在渭佬的星球里
  ③掌握那些硬性技能的总结（如SQL Python等）
  这些内容主要可以帮助总结 自己的个人优势项 、项目经历和掌握技能模块
• 主动争取有成长的项目机会：完成过往经历的梳理与目标公司岗位的定位后，就可以很容易找到自己目前目标岗位契合度不高的点在哪里了，这里如果不着急的话可以在公司平台主动争取相应的项目机会去设法补齐这块短板，笔者在整个面试期间也是主动参与公司大模型、目标管理侧的项目中去，主动应用了行业通用的一些归因方法（psm、AB、uplift等），这些项目经历在后面的专业面试环节中的帮助还挺大的。
• **主动将有学到的方法论应用到实际中：**同上（项目）中所讲，根据目标岗位要求争取学习补齐对应不是很熟练的知识，同时尝试运用到工作中去，项目准备和方法论学习上都是相对准备周期都比较长，建议这个环节可以和前期的面试同步进行，在面试中受挫 还能挺能获取到提升自己的动力的
• **做好需求管理：**这时候开始有意识的“拒”点杂活，主动多争取一点和前文提到和自己目标公司岗位契合度高一点的项目或者需求，多承担一些分析任务锻炼沟通和协作能力
  

（2）工作外准备

• 梳理知识体系：怎么梳理自己的知识体系这里因人而异吧，笔者偏P人一些，大部分都是在工作上有需求时会很有动力去学习相关的前言新技术和新工具，同时通过参与面试复盘自身不足，继续优化体系
• 参与星球建设，输出倒逼输入，：不得不说的今年是笔者工作三年的成长和学到东西最多的一年的重要原因之一，就是参与了渭佬知识星球的内容建设。一方面是自己有机会通过这个平台输出文章来精进自己的归因 实验侧的专业能力，应用这部分方法的实际项目在投递和面试环节中还是很加分的。
  
• 学习其他大佬经验，如普佬输出的抖音数据分析经验文中提到定性和定量的工作思维 笔者十分认同，并在同期的分析工作尝试在定性出业务问题的同时尽量主动去做定量的部分，这些经历也帮助了笔者后期在应对一些字节系的面试官对这类的考察能够做到有底气的作答。不得不说社区的学习方式相对单打来说可以少走不少弯路
  
  

4.面试策略

这里分享下笔者个人从校招到社招一直使用的策略习惯，供大家参考，不足之处也欢迎多多指正

• **坦诚:**经历可以包装，但不要造假，大一点的公司基本都是规范的背调流程
• 边面边学：个人建议不要等菜全部备好后才开始下锅煮饭炒菜，学习/争取项目的同时多去外面接触机获取反馈 这样比较容易吧去外面面试作为一个事 长期坚持的做下去，以笔者为例 阿孟是从23.6开始准备是就开始同步着投递简历，根据面试的结果和面试者反馈来对自己的工作 和学习重点进行的调整 最终在12月份出去进行第二次面试尝试的时候 才获取到了比较满意的offer；
• 先小后大：前期面试可以先投递一些些小公司或者目标公司的非目标业务线的岗位，先熟悉下面试流程，找找面试柑橘；
• 抬轿子：今年跳槽的个人感觉，还是有会卡30%涨幅的，笔者在23.6面试阶段获取的offer里基本没有给到超30%涨幅，23.12阶段 在拿到目标公司同规模竞对公司的offer后，谈薪环节就顺利了很多，最后拿到了比较满意的涨幅
  

5.面试复盘

（1）面试里程梳理分享

23.6趁着年中总结的机会 梳理了一版社招简历，开始试水参加的社招面试，中间大概持续了两个月左右，应邀参加了大概6家公司（大部分都是中小公司）的面试，拿到了2个offer，不太符合预期，就都拒了

23.8～23.11 开始精进自己的知识体系（主要是看书 刷渭佬交流群讨论的分析师知识信息，当然划了不少水😁）
工作中争取参与到了补齐自己短板的项目里去，拿到了使用归因/目标管理/大模型应用向的项目经历。

23.12 利用年终总结的机会更新了第二版简历 开始了第二波密集的面试，大概为期一个月不到，应邀参加了大概11家公司的面试，接了2家的offer

2024.1 整理完了这一波面试的笔记 和这篇面试复盘文 ，目前这些笔记基本已同步给渭佬

（2）2023社招面试整体感受

过去半年的面试里，笔者通过bo**、脉*、拉*等渠道 大概主动沟通300家左右的岗位（不去重），投递出去了74家，获得了30家左右的岗位邀面，参加了20家左右的面试，通过专业面（1-2面）的大概在11家左右，走到HR面的大概在 9家，整个面试流程走下来，能够感受到的是：

• 好好准备仍然可以抓住市场中不断涌现机会，：不管是23.6阶段的面试还是23.12阶段的面试，笔者参与的时间段都算不上是市场对分析岗位需求最好的时间段，但大部分的目标公司和目标岗位也总是空缺可投递的状态，以23.12阶段余杭地区互联网第一梯队互联网公司为例，仅快手没有杭州地区的分析hc；这时候其实者要做的只是抓住机会，拿到面试机会，同时能力经历的不要有大的问题，通过过面试几率还是挺高的
• 不同阶段的公司或者岗位需求对面试者的能力要求有差异：中小公司因为底层基建不足，需要分析师兼任一些数据产品和数据研发的工作，对面试者的基础能力和技术宽度往往有比较关注并进行对应考察，同时也很关注你向下（如果上一家规模更大）找机会的动因，大一点厂子的公司数据基建完善后，更多的考察的是分析者在实际工作的数据驱动业务产生结果的闭环能力、面试者过往经历与岗位锲合度、业务视角有多高、当下的能力上限在哪、潜力怎么样；比如在某音的面试中重点关注的其当前团队方向相关的方向的项目经历，通过经历深究考察分析者的业务定量定性分析、沟通协作能力
• 人设要向岗位期望对齐：其实大部分厂子想招的人大方向还是存在许多的共性的；现阶段笔者理解是 他们都是在强调不受到情绪影响的解决业务问题拿结果的能力。因此，建立这样的个人形象，无论对工作还是面试，都是非常有帮助的。
  

写在后面

2023年对笔者来说是一个充满挑战和成长的一年。在这一年里，很幸运能在工作上拿到结果的同时，也在工作外找到了一个新的输出平台，认识了一些值得学习的大佬，同时也积累了很多宝贵的经历。最后希望我的2023数据分析职场求职之路，能给大家一些启发和帮助，同时没有聊到的大家关心的内容，也欢迎大家评论区留言

目前陆续开源面经见下文

面经1(https://blog.csdn.net/Zengmeng1998/article/details/135515847)
……