美研海归求职记：轻松拿遍互联网大厂Offer的感觉，爽爆了

* 本文作者 Pake，以下仅代表个人观点

Q：从零 Offer 到大满贯，是怎样做到的？

A：每一份坚持都是成功的累积，只要相信自己，总会碰到惊喜。

坚守好这一刻，才可以见到下一刻的景色

求职冲刺跑

Hello，我是 Pake，现就读于美国 Top 10 大学，不久前拿到了国内多个大厂的 Offers，最终选择了更适合自己的鹅厂——数据分析岗位。

腾讯 Offer

尽管我开始秋招的时间比较晚，但是我利用有限的时间进行高效求职，尤其在加入 WST 后，我的求职进程仿佛开了挂。

在我看来，求职的过程就像一场刺激的短跑，正是因为起步稍晚，所以跑向终点前的每一声心跳都震耳欲聋。

求职，就是最重要的事

其实，我正式开始求职是在大四。尽管在大四之前也做过很多实习，但对自己兴趣的了解并不深入，所以每段实习经历都让我感到十分迷茫。随着求职时间迫近，我就逐渐变的焦虑起来。

幸运的是，在大四的暑假，我接触到了金融风控中的数据分析这一分支，终于找到了自己感兴趣的领域。

之后，我也把更多的精力放在了求职上，而读研的最大原因也是为了让自己有更充裕的时间去求职，及时调整方向的同时还能丰富自己的专业知识，一举两得。

上天不会亏待每一个努力的人，最终也让我收获了 Offers 大满贯。

金融风控 VS. 电商风控

先给大家分享一下我申请国内大厂的时间线：

8 月底收到面试

9 月底 - 转年 1 月陆续收到 Offers

我的投递时间算是比较晚的了，导致错过了许多机会，但好在赶上了末班车。先来跟大家聊聊金融风控与电商风控到底是在做些什么。

国内大厂像京东、滴滴、美团，还有腾讯等，有关金融风控主要做的业务就是和信贷或者是贷款业务相关。也就是说，金融风控领域的工作就是用来判断一个客户的信用好不好。

而数据分析是金融风控的一个分支，它主要做的事情就是在已有的数据里面，通过挖掘的手段，获取一些有效的信息来提升业务。

快手的话就比较特殊，它主要涉及的是电商里面的风控。它的风险控制主要是看会不会出现像刷单、薅羊毛，直播间是否合规等这样一系列问题。所以说快手涉及到的业务场景不同，和其他公司的职位职能也是不一样的。

收获了这么多的 Offers，快手在我整个求职过程中是最特别也是最难的一段经历。

快手面试让我至今记忆犹新

总体感受下来，快手的 Technical 题是最难的。在一面的时候问了我很多 Technical 的题，甚至没体现在简历上的内容也问了很多，除此之外还写了两道 Leetcode 的题目。

所以，如果有对电商风控这个领域感兴趣的学弟学妹，我建议可以多准备一些关于机器学习这样的问题。

因为快手不会问特别离谱的问题，但是会问一些 Easy 到 Medium 的这样的问题。所以说不管是 Python 的还是 SQL 的，都要做好刷题的准备。

Ps. 这里提一句，快手二面的的面试官是我所有面试中最严肃的，不知道是不是压力面，全程都冷冷的感觉 ......

相册里的蓝天白云

而别的互联网大厂的 Technical 问题就比较简单了，主要就是 Focus 在我的简历经历。

因为简历经历也算是业务问题一部分，所以面试官有的时候在询问你实习经历时会给你进行一些 Feedback。比如

你做的这些业务可以如何提升，如何改善？

为什么当时选择用这个方法来处理这个业务问题？

......

另外，有关 BQ 方面，大家不用过于担心，一般来说会在 HR 面问一些比较简单的问题，真实自如地回答就好。

但是，滴滴是比较奇怪的，一面中也问了我很多 BQ，所以想申请滴滴的学弟学妹们也可以注意这一点，提前做好准备。

总之，你能想象到的所有国内科技大厂都被我投了个遍，整体下来感觉面试氛围很自由、很随意，学弟学妹们不要太有压力，发挥出自己正常的水平就好。

另外，我还投了很多金融公司，中金给我的印象也比较深刻。

" 严肃的轻松 " —中金

相对于前面提到的互联网大厂，中金这样传统的金融公司给我的感觉完全不一样，有一种 " 严肃的轻松 "。

中金一共有三次面试，大概情况是这样的

一面

群面，大概十个人。不涉及面试者间的合作，主要是面试官问一个问题，面试者依次作答。问题主要是 BQ 相关，比如：之前遇到的困难、对中金的了解等 ......

二面

1V1 面。主要聊了一些简历上面的经历，时长大概半小时。

终面

和一面相同，是群面。问题会给定你一些场景，并给出一些数据分析的思路。比如如何做客户管理这类很开放的问题。

中金这样的传统金融公司整体来说会更加正式一点，可能会问到一些像关于员工管理之类的问题，这在互联网公司中是不可能被问到的。所以说如果想求职金融方向岗位的话，可能要提前有一些心理准备。

经历了多次面试洗礼，也了解了很多国内大厂之后，我最终选择了数据分析岗位，也是有很多原因的。

Data 求职卷过 SDE

首先肯定是因为兴趣。从学术的角度上面来看，不管是算法，还是数据挖掘这样的一些方向，都觉得有关 DS 的内容是非常有意思的。

从求职的角度上来说，Data 的岗位数量是远远要少于 SDE 的。因为不管是大公司还是小公司，他都会需要 SDE 岗位。但是对于 Data 岗位的需求，只有在公司发展的足够大时，它才会有足够的 Data 来进行分析。

尽管 Data 可能要比 SDE 求职还要更卷。但如果真正进入到 Data 这个领域的话，你会发现所做的工作会更加贴近业务一些。而 SDE 更多的是对已经提好的业务问题进行一个实现，比如说我今天就是要做一个 App 或者要做一个数据库这样的问题。

而我最终选择了鹅厂，也是经过多方面考量的。

休息时间撸撸猫

WST 助力冲刺

我是在最焦虑的时候知道了 WST，并选择加入的。当时只是觉得自己并不喜欢做 SDE，但是又不知道自己喜欢做什么。而 WST 给我的行业资源远比我想象的多得多 ......

WST 犹如天降奇兵，帮助我对接不同行业的导师，帮助我了解不同领域。在 WST 的帮助下，我和 Data、Product Manager、Quant、Consulting 等各个领域的导师都接触沟通过，探索了更多的可能性。

在这个过程中，我的认知改变了，也找到了适合自己的方向。

其实，在与 WST 各行各业导师沟通交流后，我发现CS 专业也是可以有很多不同的职业选择的。比如 :

Data Engineer

Product Manager

Tech Consulting

另外，WST 在面试中为我助力，让我直接弯道超车。每次在面试前，WST 就会给我匹配合适的导师帮我 Mock。

就比如我在快手面试前，由于快手的电商风控和我实习经历中的金融风控有所不同，导师就帮我快速梳理了电商风控的常见面试题，帮助我在未知领域了更好的掌握。尽管快手的面试绝对称得上地狱级难度，但是在正式面试中，很多场景题也都是 Mock 中的原题。不仅针对性极强，也很大的增强了我的信心，同时也是我能拿到这么多 offer 的关键因素。

WST 也给大家整理了 10 份年薪百万的简历范例，想要的小伙伴可以添加小助手戳【简历】领取哈 ~