现在在美国data scientist这个职位貌似很火，有大赶software engineer之趋势。本人历时4个多月，终于在成功跳槽拿到满意结果，找工作暂时告一段落。下面把自己个人找工作的心路历程，经验，对公司的印象写下来供大家参考。下面所有信息都仅代表个人观念，每个人的背景，经验都不一样，切不可一味照搬。
学历
1. 美国top 50的学校 statistics & applied math 的硕士MS
2. 然后去到全美top 5 的Industrial Engineering & Operation Research学校攻读博士PHD，但是在2后年quit，拿了第二个MS degree。。。。。
工作背景
Phd quit之后，来到美国加州硅谷湾区(Silicon Valley)，在一家Fortune 100的 high-tech的公司做business central operations analytics的工作，主要工作就是提供end to end的analytics based business solutions, 还有coding, database extraction/manipulation. 2.5年时间，从entry-level升到lead data scientist，硅谷人员流动真是太大了，两年半的时间，我们team换了3个senior manager，都是跳槽去了别的公司做director。刚参加工作，因为有很多business的东西要学，所以感觉还是压力挺大的，记得有几个project都要周末去office加班才能hit the deadline。
skill-set
有些是我工作就直接用到的，有一些是在graduate school学过，复习一下为了面试
1. Coding: SQL(3 yrs), SAS(3 yrs), R (5 yrs)
2. Statistics: A/B test, 各种experiment design, multi-var regression, OLS, GLM, confidence interval, ANOVA, Bayes Rules, 几种常用stat distribution各种特性和应用，logistic regression, multicollinearity, MLE, outlier, time series analysis, Mixed Models and so on.
3. Operation Research: linear programming, non-linear programming, integer programming 这里要说一下，这几个主要会building model就可以，注意里面有很多tricky的自设variable，但是没人问详细的algorithm怎样solve solution。
还有Random-Variate simulation, Discrete Event simulation, queuing problem, NP 和 P hard问题, news vendor model, EOQ 等supply chain optimization的问题。
4. Machine Learning: Support Vector Machine(SVM), Neural Network, Decision Tree, Random Forest, K-NN, Principal Components Analysis(PCA), K-Means clustering, Gaussian Mixture Models(EM algorithm)and so forth.
我拿到的offers
Apple一个offer （senior data scientist），然后拒掉了另一个team的 onsite invitation
SanDisk （senior staff data scientist）
EMC 两个offers （Marketing 和 R&D engineering）
Toyota （Analytics Manager 这个可以lead一个team的职位）
然后还拒掉了Google的2个onsite invitation，时间太紧了，来不及面试了。
面试经历
1. 不得不承认Linkedin是个很强大的tool，劝大家还是要舍得花钱升级一下premium吧，一个月少腐败一次，钱就出来了。它自己后台有algorithm可以给各位HR推荐，当recruiter搜索相应关键词，有premium的人的profile会出现在比较靠前的一两页中。具体怎么用，请自己google。
2. 提交application有几种方法：A.去官网提交application B. Linkedin C. 亲朋好友内推
我自己使用方法A提交了Apple，Google，Facebook还有Linkedin，只有Google的5个team联系了我。
方法B其实很高效，我一周平均会受到3-4个公司给我发In-mail，但是因为很多原因（比如location），都不符合我的要求，就婉言谢绝了。我的offers绝大多数是通过Linkedin。
方法C，很多人说高效，我觉depends，我Apple的那个offer是我以前公司同事内推的，hiring manager看到我的resume周一打了电话，周五就邀请我onsite，转个周一就给我发口头offer了。但是Google，Linkedin，Facebook的朋友内推我，效果也不大，没什么进展。而且主要看你朋友跟你申请的职位是不是在一个department，如果在的话，成功几率大一些，因为你朋友可以直接talk to hiring manager。如果不在一个department，基本没啥用。而且你朋友是否真的乐意帮你还是另一回事儿了，我有自以为关系很近的朋友，最后以各种借口推脱，最后只能证明是酒肉朋友，哈哈。
3. 我这四个月都是下班以后准备各种面试和提交申请，时间有的时候排不开，还要postpone，不是很方便。所以如果你工作比较清闲或者fresh graduate的话，那估计2个月就能找到心仪工作了。
4. 心态要保持好，我一开始觉得我名校背景，大公司的3年工作经验，应该可以秒杀平蹚所有公司。但事实是，犹豫种种原因，事情会复杂很多，really case by case，我下面会有阐述。

下面我就按照我面试过的印象比较深刻的大公司，排列顺序没有任何额外意义，只是我回想起来哪个公司，就写下来。
Apple
1. 我9月在主页提交了application，10月有个team联系我，那个team主做BI，想找一个做modeling的data scientist。HR，还有hiring manager的talk都很顺利，第三轮是一个做BI的team member，白人女的。我失败了，因为经验不足，我原本以为都到了第三轮面试了，应该会focus在technical或者business的问题，但是聊了两句就知道这个女的根本不懂data scientist是做什么的，她还停留在Excel的BI思维。问题75%都是各种behavior questions，比如为什么申请Apple，我回答后，他竟然追问为什么是他们部门，他们team跟别的team有什么不同的吸引我之类的无聊问题，于是我fail了。。。。。
2. 11月底我的朋友内推了我的简历给另一个hiring manager，于是跟hiring manager聊过之后就顺利onsite了，之后一周就发了口头offer。
3. 在12月初另一个team从他们的系统里面找到我的简历，然后联系我，通过HR，hiring manager和组里的 data scientist的三轮面试，我顺利拿到onsite，因为时间不够忍痛锯掉。
Google
1. 8月底，在google官网提交了application，9，10，11月各有1-2个team联系我。Google现在给我的感觉是，这个公司扩张太大了，现在阿猫阿狗都能进入Google了。人员背景混杂不堪。面试我的人中除了一个columbia的PHD，之前在NYU的stern做过AP的人，面试问了很多OR还有STAT algorithm的问题，不得不说有水平。其他面试的人，基本上tech方面都很水。 而且更加恶心的是，有一次面试时候竟然遇到一个越南裔的人，明显种族歧视。他一进入面试屋子，脸上就能看到“我不喜欢你”。面试期间35% tech问题回答无误，65% behavior scenario问题，各种刁难。比如会问我，如果你在一个team工作，有人抢了你的credit，你怎么办。而且还会根据我的回答，进一步问更加变态的问题，面试中各种不屑的表情，叫人恶心。总的来说，如果面试你的人水平一般，不能很深入了解你做的东西，那再加上与生俱来的Google员工的天之骄子的傲气，他们是很难接受你的。
2. 12月有一个新的team在linkedin上面联系我，问我有兴趣吗，态度很客气诚恳，HR，外加两轮电面，拿到onsite，拒之，因为我知道即使我拿到offer也不会去。个人观点，通过对Google股票市场，华尔街财报还有近两年亲身观察。Google在2015，2016年有很大可能裁员，我不想趟这盆浑水。但是我还是看好google中长期的发展的，现在只能算大公司急速扩张的阵痛。
Facebook
1. 8月收到LinkedIn的上面HR内部联系。HR，hiring manager面试后顺利拿到onsite。Onsite之后拿到口头offer，但是奇怪的事情发生了，拖了一个月没给我official的paper based的offer，最后HR电话通知，因为hiring manager跳槽走人了，所以我被hold off了，如果有变化，另行通知。。。我觉得我的运气也真是差到一定地步了。
2. 9月底-10月初，另一个HR联系我， FB每个team面试程序不太一样，我面的这个有2轮onsite，我挂在第1轮onsite。只能怪自己面试经验不足，上来第一个问题就挂了，叫我估算Facebook有多少个active user和2014年的“like“数量。
LinkedIn
1. 是我面试最恶心的一个公司，极度歧视和bias，中国人不少，尤其是在central business analytics这个大department，因为他们的senior director是个中国人，之前在EBay工作。所以他跳槽来LinkedIn的时候把他在EBay的做analytics的班底全部挖过来了，经过几年发展，目前这个department 100%所有的director，senior manager，manager都是Ebay/Paypal的中国人把持着。如果你是ebay/paypal的员工，现在做analytics的，那么你赚到了，去Linkedin很容易。如果你是其他公司的，那你在起点上就比ebay/paypal的人差很远。我跟这个组的3个senior managers吃过business lunch/dinner，之后都收到了据信，理由各种奇怪，最恶心的一个hiring manager说因为我在跟她connect之前在Linkedin官网上面申请了20+的applications，所以觉得我不够诚实和transparency，真的是第一次听说这种理由据人。。。。。。我TM在google提交了50+ applications，人家都没说什么，你TM算个屁啊。
2. 之后11月感恩节前，另一个部门的白人manager在linkedin上面联系我，说想聊一下他组里面的一个data scientist的新职位。电话和face to face的talk都很顺利，manager说他的HR会在感恩节后给我发onsite invitation。等来的却是封据信，原因是这个白人跟之前因为20+applications据我的manager认识，交流了我不够诚实和transparency，结果我悲剧了。这是我面试4个月中除了google的越南裔种族歧视外，另一个令人发指的赤裸裸的歧视。看来在美国，对于说觉得中国人帮中国人这种事情不要奢望了，最好祷告不要背后**一刀就不错了。
3. 而且Linkedin这个公司光鲜亮丽的外面下面还是有些隐患的，我找做finance的朋友研读过他家的K10还有Q10财报，这个公司IPO之后每年的利润都是负的，而且facebook现在也在做professional network，未来会对linkedin的business造成很大冲击，2015，2016年有很大可能裁员。
Amazon
1. 9月HR联系我，过了一个月第一轮tech面试后，又过了2个月第三轮tech面试，之后杳无音信。。。。纯属浪费时间。
2. 另一个team，10月联系我，HR，hiring manager之后onsite invitation，然后有hold off，理由是有个internal candidate内部transfer过来了。。。。。。然后把我refer给另一个team，然后重新HR，tech通过，死在hiring manager手里。
Toyota
HR，hiring manager还有onsite一共三轮面试，没什么特别的。传统汽车业，2013-2014也开始利用考虑利用analytics来分析customer数据，帮助business做出推荐。公司稳定，福利好，竟然除了401K还有pension！而且现在低油价，2015年汽车销量前景看涨。
SanDisk
HR，hiring manager，case study，两轮onsite，因为之前有过几次case study的经验，所以有所帮助。公司前景看好，尤其是现在smartphone，smart wear，tablet，smart home，smart TV，data center 还有SSD 硬盘的普及和大量需求，未来5年内应该不差。
EMC
HR，hiring manager 还有onsite面试，onsite的时候有人问了machine learning的一些algorithm的很细节问题，基本上你需要知道所有细节，但是不需要你现场推到数学公式，只需要明白细节原理，能表达出来就好了。
Walmart Lab/eCommerce
HR，然后两轮Tech的interview。第二个tech是个中国女的面试，极度傲慢，几乎每一个问题，都不等你说完，就会把你打断，然后自己以为是地问follow-up question，其实就是我马上要陈述但是被他打断的话。。。。。最后我实在忍不住只好说“may I finish my words？“，那时候起，我就知道我肯定fail了。。。。
Symantec
HR，hiring manager通过，挂在第三轮tech interview，因为这个职位heavily focus on machine learning，所以100%的问题都是ML的，我没有准备充分，导致失败。
Nike
同一个department的senior data scientist竟然前前后后有3个不同HR联系我，但是phone call之后就没消息了。不知道什么意思，管理之混乱跟硅谷做high-tech的还是有很大差距的。
Dropbox
因为是9月面试的，那时候我经验非常不足，主要是我的原因导致失败的。HR和hiring manger顺利通关，case study自己认为做的不错，但是我把大多数时间放在整理report和PPT，没有好好准备presentation，结果onsite的presentation悲剧了，这个也是我很后悔的事情，因为dropbox估计2015就要IPO了。。。。。。。
BlueJeans
11月初Linkedin联系的我，HR，hiring manager顺利通关，case study + onsite 都表现自我满意，最后被拒，理由是有其他人更合适。这个公司貌似也计划2016年IPO。。。
Intuit
HR通过，挂在hiring manager，因为她觉得我离开现在的公司的理由，不是很convinced。后来我才知道这个公司所有员工都办EB3 GC，去死吧。
AutoDesk
HR，tech面试顺利通过。Hiring manager环节挂掉，hiring manager极其奇怪，问得问题100%跟tech没有关系的，比如他问我，你觉得你现在的manager和director会给你什么rating，为什么给你这个rating，然后围绕这个问题讨论了20mins，最后竟然问到我manager和director的full name，我当时相当震惊，觉得很不professional，被我婉言拒绝，于是我就挂了。
其他类似Oracle，Ebay/Paypal，NetApp，Juniper，Tesla，Zynga，Genentech，Broadcom，JP Morgan Chase这样的公司还有一些start-up公司，基本都停留在HR和hiring manager这两个环节。
下面是我4个月的面试发现的一个有趣的现象，也许我的数据样本总量不够大，所以结论有偏差，但是应该可以给你一些提示和reference。
1. 如果面试的hiring manger是印度人，我的成功率是0%。
2. 如果我面试的hiring manager是中国人，我的成功率是 0%。
3. 我拿到的这些offers的hiring manager全是欧美白人（加拿大，美国，犹太人等）。
4. 如果面试你的组里平级同事是印度人，除了Apple，其他全部失败。
5. 如果面试你的组里平级同事是中国人，除了Apple，其他全部失败。
虽然我不喜欢什么阴谋论，但是我自己的亲身经历告诉我，印度人不喜欢中国人，这个我可以理解，因为我也不喜欢印度人，以后我做了manager，我的组里也不会雇佣印度人的 。
中国人嘛，不能一棒子打死，Apple和Google的朋友就很帮我。其他的国人就不想说什么了，还是那句话出门在外，主要还是靠自己本事，有人乐意帮你是你的福气，只是不要奢求人家一定会帮你。更重要的是要注意防备小人算计，以前在学校即使是graduate school也没有机会体验国人的人心险恶，勾心斗角，互相算计，但是这次是真的领教了。
再有就是，如果有机会，还是推荐给白人boss打工吧（至少前2-3份工作），毕竟你是在美帝工作，口语还是很重要的，尤其是data scientist一般都是面向business的，英语听力和口语至关重要。我面试LinkedIn的时候，那些senior manager都直接跟我说中文的，因为他们自己组里面90%都是中国人，平时他们自己交流都是中文。然后再看他们跟别的白人交流，那口语/口音烂得惨目人睹啊。。。
Anyway，还是希望大家找到自己心仪的工作，工作顺心。
本文来源于Taisha.org，作者@就这一次2015，
DreambigCareer推荐阅读，版权归原作者所有。
合作请联系：[email protected]
近期精品课

推荐阅读：点击下方图片即可阅读

赴美一月就拿offer，绝非不可能！

美国金融牌照Series 3,6,7,67,65,66有啥分别？搞清楚哪个才是你需要的！

探 讨 | 对留学生回国发展的深度思考：工作，创业，金钱，身份，人
全球最著名的经济金融资源平台汇总，投行界精英都在用！（含哈佛、沃顿免费公开课）

继续阅读
阅读原文