12 советов, как встать на ноги после (многих) падений во время работы.
Вы без перерыва подавали заявки на вакансии в области Data Science. Но в течение нескольких месяцев единственные ответы, которые вы получаете, начинаются со слов «Мне жаль сообщить вам, что ...». Вы съеживаетесь и рветесь от другого письма от компании, которое не дает вам возможности продемонстрировать все навыки, которыми вы владеете. .
Или, может быть, тебе лучше. Вам удалось провести четвертое и последнее собеседование для компании, в которой вы действительно хотите работать. Вы сделали домашнее задание по компании, подготовились к техническим собеседованиям и помолились правильному божеству.
Но когда вы думали, что интервью в ваших руках, вы потерпели неудачу. В тот роковой день вы так нервничали, что не смогли выполнить все на все 100%. Или, может быть, ваших 100% просто было недостаточно.
Вы были отклонены компанией. Опять таки.
Для тех, кто находится в такой ситуации, вот 12 личных советов о том, как справляться с отказами на ментальном и эмоциональном уровне как начинающий специалист по анализу данных. Я надеюсь, что эти советы помогут вам направить и вдохнуть новую жизнь в ваши неустанные усилия, чтобы получить работу своей мечты в области науки о данных.
1. Мы все были там.
Каждый специалист по анализу данных, работающий в промышленности, прошел через тот же трудный процесс, что и вы сейчас. Мы все потерпели поражение одним и тем же сокрушительным образом, но и преуспели с таким же триумфом. Следующие несколько советов помогут вам справиться с самыми трудными моментами.
Первый совет - предположить, что вы НЕ тот человек с IQ 167, идеальными учетными данными и каждым предложением FAANG, гарантированным с первой попытки. Таких тут и там будет мало. Предположим, вы не такой человек, а являетесь частью тех 99%, которые неустанно трудились, чтобы осуществить свои мечты.
2. Это игра в числа.
Если у вас есть приятель по науке о данных, который может передать ваше резюме менеджерам по найму, это прекрасно. Но многие из вас меняют карьеру и не имеют такой роскоши. Ничего страшного, ведь холодные приложения все равно работают (так я получил свою первую работу).
Подумайте о процессе подачи заявки со статистической точки зрения (как будущий специалист по данным). Допустим, вы можете отправлять 1 холодное приложение каждые 1–1,5 минуты. Таким образом, каждый час вы получаете около 40-60 заявок. Если вы проводите 3 часа в день, это примерно 120–180 приложений. Допустим, процент отклика составляет 1% по нижней границе. Это все равно как минимум 1 ответ на каждые 3 часа.
По сравнению с этим с использованием теплого способа нанесения. Сначала вы ищете через LinkedIn друга вашего бывшего коллеги, который специализируется на данных. Вы тратите ежемесячные премиальные кредиты LinkedIn, чтобы отправлять прямые сообщения таким знакомым, надеясь, что кто-то ответит за кофейный чат. Один специалист по данным великодушно соглашается, и вы отправляетесь в запрошенное место. Вы неловко разговариваете с этим человеком около часа и, наконец, (и нервно) просите направления. Вы получите "да". Ура!.
Как долго этот процесс займет у вас в целом? Допустим, первоначальный поиск и отправка созданных сообщений заняли 1 час. Вы целый день ждете ответа. Может быть, одна чуткая душа ответит на встречу через 2 дня, когда человек свободен. Еще от 30 минут до 1 часа уходит на прямую встречу со специалистом по данным, еще 1 час - на беседу для запроса направления.
Обе подходящие стратегии с разной доходностью инвестиций. Холодные электронные письма приводят к большему количеству откликов от рекрутеров, если статистика верна. Теплый подход на шаг приближает вас к разговору с менеджером по найму. Так что поймите преимущества и недостатки этих двух имеющихся тактик.
Моя тактика была сосредоточена на освоении стратегии холодного нанесения. Путем испытаний и неудач я в конце концов достиг уровня эффективности со скоростью 1–1,5 минуты на каждое приложение для каждой компании. Когда моя нынешняя компания обратилась ко мне через 3 дня после того, как я подал заявку, я полностью забыл, что они на самом деле делали, поскольку к тому моменту я подал заявку в более чем 300 других мест.
3. Улучшите свое резюме и сопроводительное письмо.
Максимальная эффективность приложения не имеет значения, если ваше резюме и сопроводительное письмо не на должном уровне. Рекрутеры тратят около 7 секунд на одно резюме на поиск ключевых слов. Иногда компании используют ИИ для фильтрации резюме на основе этих слов. Другими словами, профессионально проверьте свое резюме.
К большинству приложений можно прикрепить сопроводительное письмо. Я не получил ответа от компании, если не приложил сопроводительное письмо. Убедитесь, что вы создали достаточно общий, чтобы быть применимым к большинству компаний, но достаточно конкретный, чтобы даже если вы измените название компании и требования к должностям, сопроводительное письмо все равно будет иметь смысл.
4. Никогда не кладите все яйца в одну корзину.
Не прекращайте подавать заявку, даже если вы близки к тому, чтобы получить это предложение о работе. Возьми у меня; Однажды ко мне напрямую обратился технический директор небольшой компании, который нашел меня после прочтения одного из моих популярных постов TowardsDataScience. Я был так горд этим фактом, что перестал претендовать на другие роли.
В то время эта стратегия сосредоточения внимания на одной компании с целью максимизации единовременной прибыли имела смысл. Похоже, это тоже сработало, поскольку я переходил от этапов собеседования, пока не встретился с генеральным директором лицом к лицу. Он подумал, что я хорошо подхожу. Но когда пришло мое последнее техническое собеседование, и я не смог разобрать вложенные словари, им пришлось отказаться от моего предложения.
Я был опустошен, и что еще хуже, так это то, что у меня больше не осталось интервью, поскольку мой конвейер подачи заявок иссяк. Мне казалось, что мне нужно начинать все с нуля, и это был душераздирающий момент, который можно было бы исправить, если бы у меня были другие интервью в перспективе. Никогда не позволяйте этому случиться с вами. Всегда продолжайте применять.
5. Это должно быть (очень) сложно
На эту же должность претендуют сотни людей, которые имеют равные, если не более высокие полномочия, чем вы. Будет тяжело, очень тяжело. Если процесс прост, это действительно следует воспринимать как красный флаг для компании. Это нелогичное утверждение, которое часто кажется правдой.
Большинство компаний с законными и опытными командами Data Science тщательно разрабатывают процедуру собеседования, чтобы тщательно измерить аналитические способности кандидата и способность решать проблемы. Эти навыки служат показателем того, насколько хорошо кандидат потенциально будет работать в качестве специалиста по данным после приема на работу. Вот почему интервью длинные и пронизаны сложными вопросами-головоломками. Еще одна причина для создания сложного процесса собеседования - найти лучших кандидатов среди множества молодых кандидатов.
Подумайте об этом с противоположной точки зрения; Насколько вы были бы уверены в компании, если бы весь процесс собеседования по Data Science длился всего 1 час без каких-либо технических вопросов? Вы, как кандидат, также оцениваете свою пригодность для компании, и вы хотите быть в среде, где вы будете активно расти, сталкиваясь с вызовами со стороны ваших товарищей по команде и вашего менеджера.
6. Собеседование отличается от навыков Data Science.
Если продолжить вышесказанное, технические собеседования - это, по сути, тестирование интеллекта. Я разбиваю компоненты тестирования интеллекта в своей другой статье здесь:
В качестве TLDR помните, что навыки работы с данными ! = навыки проведения собеседований. Это два разных зверя. Это похоже на стандартный тест способностей (или сопоставимый в вашей стране тест на пригодность для поступления в колледж). SAT служит показателем вашего «интеллекта» и владения основами знаний. У них есть свои правила и процедуры, и вам нужно сыграть в эту игру, если вы хотите поступить в хороший колледж. В этом же отношении рассмотрим технические интервью.
7. Градусы - это не то, что вас останавливает.
Поверьте мне, когда я говорю, что вам не нужна степень магистра / бакалавра по программированию или статистике, чтобы стать специалистом по данным. У меня степень бакалавра по английской литературе. Если вы думаете, что у вас все плохо, подумайте, через что мне пришлось пройти.
Дипломы и опыт действительно имеют значение только для того, чтобы получить первоначальный звонок рекрутера. После этого речь пойдет о тестировании интеллекта, о котором я упоминал выше. Причина, по которой дипломы имеют значение в первую очередь, связана с конкуренцией. Я сказал, что сотни людей с одинаковыми полномочиями претендуют на одну и ту же должность.
Многие из них - по крайней мере, те, кто проживает в Калифорнийском заливе - имеют степень магистра в области данных. Это число подтверждается относительной легкостью поступления в престижные университеты США для получения степени магистра по сравнению с степенью бакалавра (я знаю, потому что сам получил ее в школе Лиги плюща).
Добавьте к этой ситуации ситуацию с визой OPT / H1B, и каждый год у вас будет более 1000 выпускников с впечатляющими степенями в США, которые пытаются обеспечить себе эти прибыльные должности аналитика данных и ученых начального уровня. Если у вас нет магистра, вы уже выглядите менее конкурентоспособным, чем те, у кого он есть.
Если это вас беспокоит, я вас прикрыл. Во время Эксклюзивного интервью TDS я поговорил с Джеффри Ли из DoorDash, который поделился 3 важными стратегиями, которые он использовал для получения предложений на несколько должностей в области Data Science без соответствующих степеней в области программного обеспечения или статистики. Эти стратегии охватывают весь процесс собеседования, от получения звонков от рекрутеров до завоевания сердец менеджеров по найму.
8. Вы можете делать все правильно, но получать отказ.
Может быть, у вас есть нужные ученые степени и полномочия. И для этой компании, для которой вы сейчас проходите собеседование, вы нисколько не споткнулись о технических проблемах. Фактически, все в компании, с которой вы встречались, дарят вам звездную атмосферу; они, кажется, очень заинтересованы в сотрудничестве с вами. Чтобы еще больше укрепить свою позицию, вы используете сценарий портфеля, о котором Джеффри Ли говорит в интервью TDS.
Но, просто, но, через несколько дней вы обнаруживаете, что они отказались от предложения о работе. Вы потрясены, сбиты с толку, опустошены. Вы все время спрашиваете себя: «Что я сделал не так?».
Я здесь, чтобы сказать вам, что, возможно, это не вы сделали что-то не так. Может быть, были силы вне вашего контроля, например, у другого финалиста в резюме есть еще одна впечатляющая вещь, чем у вас. Подобно Data Science, неопределенность является неотъемлемой переменной рабочего процесса. Вы можете делать все, что в ваших силах, но удача не всегда в вашу пользу. Представьте, что эта компания предназначена не для вас. Возможно, это была их потеря.
9. Неудача может быть (огромным) замаскированным благом.
Может, тебе суждено было потерпеть неудачу. Неудачи и рост на неудачах делают вас еще более компетентным и конкурентоспособным кандидатом. Я видел такой рост много раз. Кандидаты проваливают первые несколько собеседований, становятся лучше на собеседовании, проваливают еще несколько, и к тому времени, когда они провалили свой 30-й раз, они настолько хорошо прошли собеседование, что теперь могут проходить самые строгие собеседования в ведущих компаниях.
10. Это может занять много месяцев, но это нормально.
До окончательного предложения о работе у меня ушло около 4 месяцев. У других на это ушло 8 месяцев, у кого-то больше года. Душераздирающе думать, что ты можешь быть безработным, возможно, год. Я знаю. Эту реальность трудно проглотить. Но имейте в виду, что каждый в конечном итоге добирается до места назначения, которого должен был достичь. И дальше будет только легче.
11. Чем быстрее вы восстановитесь, тем быстрее добьетесь успеха.
Время на выздоровление - одна из причин, почему нужно так много времени, чтобы получить работу в области Data Science, о которой мечтали. Каденция терпения и преодоления боли у всех разная, так как одни погружаются в горе дольше, чем другие.
Я не говорю вам, чтобы вы перестали горевать; Я говорю вам укрепить свою душевную стойкость, чтобы подняться, когда жизнь сбивает вас с ног. После того, как я провалил свой первый цикл собеседований с этим техническим директором, это принесло мне 3 полных дня страданий и негатива. Но благодаря тренажерному залу, музыке и друзьям я немедленно вернулся в бой.
12. Существуют и другие роли.
В заключение, не стесняйтесь обращаться и к другим ролям. Вам не нужно подавать заявку только на должность специалиста по данным. Аналитик данных, Инженер данных, Бизнес-аналитик, Аналитик по продукту - также отличные роли, которые используют данные в той или иной мере. Откройте для себя другие возможности, если до этого дойдет.
