18年开年伊始，UniCareer导师采访组与四大的高级数据分析师进行了3小时头脑风暴：
UniCareer明星导师 | 德勤咨询高级数据分析师
Name: Victor
Company: Deloitte - Advisory
Education: Master’s in Information System / Bachelor’s in Computer Science
Mentoring Specialties:Data Analysis 下文简称DA
18年整个北美四大都在疯狂招揽数据人才。特别是数据分析师和科学家。
可是在美国求职，不是每个人都生来知道自己喜欢做什么，想做什么的。Victor导师的求职之路就是一个慢慢发现自己真正喜欢的东西，并且去做的过程。
他在中国是计算机专业出身，毕业后也找到了非常好的软件工程师的工作，但他慢慢发现数据，就离开了中国的工作，到美国读书深造，现在在德勤的咨询部门做数据分析。

坐在家里空想自己喜欢什么是没用的，只有自己真正去做了才知道，实践出真知，实践也出真爱。
今日数据福利
后台回复“未来”即可获得：
  • 12GPython/R/SQL实用技能视频操作详解，从基础到进阶
  • 158个商业分析行业及岗位整体知识架构
  • 50本数据结构设计/大数据BA与求职必备书籍
1. 现在每天的工作是怎么样的？
 我在德勤是做数据分析。因为隶属咨询部门，每天的工作是接一个个项目，可能是小项目，也可能是大项目。时间有的一周，有的半年，每个项目内容都不一样，根据你自己在公司内部的职位，公司会给你分配任务，然后再按照上级的要求完成任务。当然服务的群体也主要是客户，也有内部的项目，但是比例占的比较小。
2. 为什么会离开中国的工作，到美国来？
大学本科就有很多同学去国外留学，那个时候并没有确定之后在国外求学的方向是什么。工作了一段时间之后对未来的求学的定位更加清晰，比如你想自己深造的方向和领域。
3. 之前在中国的工作具体是做什么的？
本科专业是计算机专业方向的。第一份工作与计算机有关，就是软件工程师。第二份不光是技术，偏向business inteligent， 要和客户打交道。也不是我擅长的。
4. 您做过的哪份最辛苦？
现在在德勤, 最辛苦。
因为已经不是第一年的新人了。越到后面，身上担负的责任越来越大，领导对你的要求也越来越高。不再是第一年单纯学习的过程，而是一个发现问题并且解决问题的过程。能力越大，责任越大。
5. 这三份工作哪一份对你提高最大？
每一份工作都对我有提高，只是提高的地方不太一样。
第一份工作因为刚毕业，那时候并没有很多社会经验。第一份工作主要是能够让我规范化系统化地适应职场。这对于每一个刚进入职场的新人来说都是很重要的。做任何一个岗位，你一定要了解这个岗位日常工作的规范化流程，即使是发邮件的格式这等小事。
第二份工作因为涉及到和客户打交道，所以要有更宏观的对于整个行业的认识，因为光有技术支持没有行业背景了解也是不够的。
现在这份工作是来美国后的第一份工作。不光光是工作上，还有文化上，比如怎么和外国人交流，怎么融入他们的文化，方方面面，因为公司不光有项目，还有一些社交活动，所以我觉得整体上的提高都是比较大的。
6. 为什么最终选择德勤？
第一，因为我不想离开我读研究生的地方，搬到另外一个州比较花时间和精力，其他的一些工作offer可能会要离开这里。
第二，我研究生刚刚毕业，德勤这个平台相对而言还是比较大的，包括口碑都是不错的。其实也有工资更高的offer，但是德勤数据的话，对我今后的发展方向是很有好处的。而且DA是德勤的强项。
7. 可以讲讲自己应聘德勤的经历吗？
我们学校是Target School, 所以现场见到了德勤的数据组，也就是初试，1周后收到邮件，然后是onsite的面试，整个周期不是特别长，也就1个月。其实你要知道面试官们其实都有自己的工作在忙。真正涉及到面试这个环节，他们大概也就是面试前半小时看看你的简历，之前是对你一无所知的。针对每个人的提问都是因人而异的，这些问题都是以你的简历为参照。所以你需要非常深入地了解你自己，摸透自己简历上每个字。问题的话，只要有足够的专业背景和自己的想法，对于面试官的任何问题，你都是可以随机应变灵活作答的。
8. 之前中国的工作经历对进入德勤是否有很大帮助？
因为之前做的技术方面，所以在面试德勤的时候，技术这一关我并不担心。但是我知道我的很多同学第一面就挂在了技术面试，这其实是很冤的。方面在德勤面试的时候，除了语言方面其他都是相通的。像是平时的为人处事啊，behavioral question啊，只要你在工作中能够得心应手地处理，我觉得面试的时候是完全可以运用到的，特别是在之前工作的过程中，你能更加明确自己的想法或者发展的方向，在找新的工作时，你其实可以更好的定位自己。
9. 如何平衡生活和工作？
咨询公司，出差特别多。虽然我是数据咨询，结局一样。如果碰到出差的项目，一周只有一天到两天是真正在家里的。所以出差的话，可以去看看出差地的人文和风貌，品尝些美食；在自己的城市的话，可以多约朋友吃饭啊。上班其实也有很多调节的机会，因为同一个项目有很多的同事，所以在工作的时候，大家可以聊聊分享一下自己的生活，我觉得这个不管对networking还是交朋友都是很好的。
10. 对中国学生的建议，如何提高networking skills?
很多人觉得没有进入下一轮面试或者收到拒信就是失败，然后用很消极的态度去面对。但是我认为每一次失败都是之后成功的垫脚石。在一次次面试的过程中你会越来越熟练。面试的过程中你会认识很多不同行业的人，或者找到一起求职志同道合的朋友，大家会互相分享各种有用的信息。理科的同学networking确实可能相对弱一点，可能平时不太会特别注重人与人之间的交往，这个时候同学间的互相分享就是很重要的，比如某家公司招哪些职位，或者哪一天网申截止等等这些信息。总而言之，如果能够跟很多人去了解并探讨最近的行业背景，对于申请任何职位都是很有帮助的。
把整个求职过程当做一个积累networking的方式，最后一次成功之前会有很多次的失败，把这些小的失败当作平时的积累吧。可能很多同学遇到过面试一整天，精疲力尽然后得到一封拒信，但是我觉得之前做的准备对之后的面试都是有帮助的，包括语言，包括你对自己的故事的熟练程度。
11. 本科读CS, 到美国研究生读了IS，美国CS很火，为什么选择IS这个专业？
对我而言，自己偏向于不仅仅是技术层面的工作，我也很喜欢和人打交道，和客户打交道。CS是我的背景，是一种对于代码的关注和习惯。我用CS的知识去上IS的课，很多比较难的东西在我学起来就变的没有那么吃力了。CS的话就业前景是很好，但是目前竞争也越来越激烈了。而且性格等方面都是很重要的因素，我确实没办法完全沉浸在编程中，我会觉得比较枯燥。因为写代码需要静下心来坐在一边，不是所有人都能适应这个，这是一个比较艰苦的过程。数据行业相对灵活多变，DA也不像DS那么古板。
12. 数据行业目前这么火的原因是什么，前景怎么样？
前景我个人还是非常看好。主要是：
  1. 数据是厚积薄发，以后数据量只会越来越多，数据人才会非常紧缺
  2. 数据与AI密不可分，也是区块链的底层基础
关键还是个人兴趣，如果只是因为现在这个职业很火而去投简历，而不是因为个人兴趣的话，很有可能就跟你现在想放弃的职位一样，是做不久的。因为每个行业都有饱和的时候，可能在发展了一段时间之后，竞争越来越激烈，这时你的竞争力就会下降。
13. 推荐学哪些数据方面的的软件呢？
证书在数据这个领域比较锦上添花，但是并不雪中送炭。
特别是当时你在学校正在学这门课的时候，如果你能考出那个证书，我觉得对你当下的学习也是有帮助的，你可以更好的理解那个课。技能的话，可能不同公司有不同要求，但是对于数据分析中常用的语言，比如 SQL和R，如果你平时都有涉及到的话，我觉得对你的求职是有帮助的。正式工作时可能会根据不同的岗位对你有不同的培训和要求，但是如果你对这些工具有基本的了解，或者某一个方面特别好的话，在面试的时候都是一个加分项。
14. 什么专业的人毕业了可以做数据行业?
其实很多人都觉得是CS或者EE，我反而推荐会计、金融等等那些平时接触数据的专业都会对数据比较敏感，可能所在的专业能够和数据有联系，或者平时处理的数据比较多一点，真正学数据的时候会比较有帮助。
如果你的院校是Target School, 那么恭喜你，你会收获：Tech Talk.
Tech Talk是现金各大互联网/大数据公司的技术面试缩写。
其中关于Python的技术面试更是关键要素，想要想学好Python, 从本质了解这个语言的逻辑以及打好数据基础是关键，所以别再纠结选不选SAS了，还是选点靠谱的Python技能：
最后，推荐招聘面试官会“认”的课程证书以及基础数据技能。
1. Code Academy | Python programming
2. Coursera | Python for everybody
*图片来源：Coursera
*图片来源：Code Academy
今日福利
扫码UniCareer公众号
向后台回复“未来”
立刻获[大数据]3大类超值福利包
即可获得福利免费领取方式！
福利发送截止日期：
美东3月1日13:59（北京时间2月28日1:59前）
这里是愉快的福利分割线
12G + 158个R/Python/SQL书+视频教程
从基础到进阶，分门别类最全教程
  • 12G R/Python/SQL数据挖掘、数据可视化视频教程
  • 200个6GSAS/SPSS/Excel 最常用技巧视频教程
  • 25G / 7000
    分钟高清
    MatLab/Stata/SQL Server/MySQL/Oracle
    视频教程

  • 20本Machine Learning入门/进阶教材
——END——
UniCareer独家原创，未经授权请勿转载
转载或引用，请在后台回复“转载”
责任小编：Uni佳小兔
版权声明：UniCareer除发布原创求职干货文章及独家讲座福利等优质内容外，致力于分享优秀求职干货文章。如涉及版权问题，敬请原作者原谅，并联系微信UniCareer_Buddy13（Uni酱）进行处理。UniCareer非常欢迎品牌的推广以及战略合作，如需合作请发邮件至：[email protected]
戳“阅读原文”，开始新年拿Offer之旅！
↓↓↓
继续阅读
阅读原文