大数据工程师面试 - 如何选择对的岗位提高通过率？

我是大数据欧老师，曾在互联网某大厂任大数据负责人，从业大数据领域近 10 年，全网粉丝 5000+，从很多候选人的面试和咨询中复盘了大数据工程师的面试全流程，如果你有求职大数据工程师的计划，欢迎找我聊一聊！

你是否有这样的问题？

大部分人，包括我自己在工作第一次跳槽时，也会有类似的疑问：

岗位这么多，我应该挑选什么样的岗位来投递呢？
当前方向不感兴趣，想做另一个大数据方向怎么投递?
感觉这家公司的岗位描述和我不太契合，但我很想去，怎么办？
怎么感觉每家公司的岗位描述都写的要求这么高？

好的岗位 = 人（自我定位） x 岗（岗位拆解）

一个好的岗位，是人岗匹配的结果，“人”表示的是清晰的自我定位，包括对个人兴趣、方向的认知等；“岗”表示的是对岗位的了解，包括岗位要求拆解、公司研究等。

错误姿势 - 永远不要海投

很多咨询我的同学里，尤其是应届生，很容易犯一个错误，就是海投岗位，拿着自己写好的简历到处瞎投，结果要么是面试机会收不到，要么是面试时的考察内容和自己的预期差距太大。在互联网大厂，对于不同部门的岗位都是存在“锁定”关系，也就是说，你投递 A 部门的同时，相当于放弃了 B 部门的机会，如果你在 A 部门面试通过，你只有拒绝掉 A 部门的 Offer 才能去面试 B 部门，这个机制就带来了很大的机会成本，如果不仔细考量，你很有可能在遇到合适岗位前，就留下了不好的面评或者选到不合适的岗位。

仔细想想，如果你曾经有过以下经历，那都或多或少，是因为对「选择岗位」理解不透彻：

海投岗位，见一个投一个；
面试过了，发现岗位不是自己喜欢的；
问的问题咋全都是自己不会的呢；
自己明明是初级，结果问的全是高阶问题；
明明想做 A 岗位的事儿，结果问的全是 B 岗位的内容；

人岗匹配 - 自我定位和岗位分类

面试是什么？本质上就是「人」和「岗位」的匹配度，匹配的对，那面试成功概率就大；匹配不对，那面试失败概率就大。上面提到：

好的岗位 = 人（自我定位） x 岗（岗位拆解）

好的岗位因人而异，对于财富自由的大厂员工，可能新业务、高风险高收益的岗位更适合；对于应届毕业生，稳扎稳打，进入一个相对成熟的部门岗位会更快的积累起自己的职业优势。不同的人，不同的岗，就会有不同的组合，只有找到适合自己的岗位，才能够事半功倍。我们这里可以按照我个人常用的维度来拆解一下：

候选人分类

零基础的候选人：这类候选人主要寻求校招或者实习的工作机会。由于缺乏相关的工作经验，他们对面试岗位的了解往往比较少。因此，选择与自己兴趣和未来发展密切相关的面试或实习岗位非常重要。一旦进入这个岗位，接下来的面试经历就会参考你的实习经历，所以最初的选择至关重要，因为它可能会决定你未来的实习和工作方向。
社招换公司，不换岗位的候选人：这类候选人需要明确自身所在的公司的岗位，然后在新公司中寻找相关岗位。这时，你的面试岗位选择已经相对明确。
社招换公司，且换岗位的候选人：这类候选人需要清楚的了解自己当前的岗位类型，并找到自己的兴趣点——也就是说要知道自己下一份工作想要换到的岗位方向。在这里，我们需要提醒一句，每一次改变方向对候选人来说都是一个需要三到五年来付出的大成本。因此，在改变方向时，一定要慎重考虑自己是否真的对当前的方向不感兴趣，或者当前的方向是否真的没有发展前景。

面试岗位分类

面试岗位可大致分为四个方向：

大数据平台岗：这类岗位以搭建大数据平台为核心，主要技术栈是后端，涉及关于Spark、Flink、OLAP 等引擎的使用。
数据仓库岗：这类岗位主要以 SparkSQL 和 FlinkSQL 为主，用来进行离线或实时数据仓库的构建，核心工作就是围绕业务场景进行数据的ETL，也就是我们常说的清洗数据的工作。
数据与场景结合的岗位：这类岗位主要是使用大数据的能力来为某一个场景赋能，对候选人的要求相对来说会比较综合，比如大数据和机器学习的结合点，就会有特征工程的岗位，样本工程的岗位，这类岗位既需要候选人具有大数据计算的能力，同时也需要有特征、样本等机器学习的了解。
底层开发岗：这类岗位主要需要候选人深入研究和开发某一大数据引擎的源码。虽然涉及的大数据组件较少，但是对引擎的理解和使用都要求非常深入。

上面是我在接受相关同学咨询时，常用的分析框架，当然，对于岗位和人的分析维度，除了经验、内容之外，还有方向、管理、潜力等多重维度，大家可以针对自己的情况来做一个拆解，如果还不理解，欢迎找我咨询了解。

选择岗位的技巧 - Find Your Mr.Right

既然明确了「人岗匹配」的概念之后，我们立刻要做两件事情：

明确个人定位（找到自己的兴趣、优势等）
寻找合适岗位（有机会的、感兴趣的）

明确个人方向

这里的个人方向主要分类两类，一是你的硬实力，二是你的兴趣点。

硬实力包括自己的专长、所接触的业务等。对于应届毕业生，这可能是学校实验室的一些研究项目；对于社招求职者，这就是他们在现有公司的工作内容。并且，我们需要把这部分信息记录下来，通过对比各种岗位的需求，我们可以明确自己是否适合该岗位，以及在面试中通过的可能性有多大。
兴趣点也非常重要，但不是每个人都能容易的找到自己兴趣点。对于那些对自己兴趣不太了解的求职者，我们可以采取一个负面的方式来找到我们不感兴趣的东西。你可以查看腾讯、字节跳动等公司的招聘列表里的岗位描述，看看哪些是你绝对不感兴趣的，然后记录下来，投递时避开。

找到个人兴趣

通过上面的方法，我们能够初步认识到自己明确不想去的岗位，以及跟自己八杆子打不着的岗位，下一步，我们需要寻求更多的意见来决定我们应该投递哪个岗位。提前说一句，这个问题的答案因人而异，找到准确答案很难，但是期望看到这篇文章的同学可以按照下面的方式用心想一想：

工作反馈：在接受工作反馈时，你可以留意哪些工作内容让你感到压力或者是不愿意去长期面对的挑战。这些压力源可能就揭示了你不感兴趣的方向。
用心体验：在做任何事情时，都要用心去体验和理解个中过程和结果，看这些经验是不是真正吸引你。如果在做一项工作或完成一项任务时，你发现自己感到无聊或者困扰，那就可能是你不感兴趣的领域。
多次尝试：不管是在学校、职场，都有不少机会可以接触到其他领域的内容，我们完全可以可以多尝试不同类型的工作，了解来自各个职业领域的基本信息。
咨询过来人：咨询“过来人”是一个非常好用的办法，因为大家的职业上升路径都比较类似，当你去咨询一个有着成功经验的“过来人”，那他的话也更容易让你信服。当然了，并不是所有人都有这个资源，如果非常想聊一聊，欢迎找我。

寻找合适岗位

寻找合适岗位的第一步，我们要来拆解一下岗位描述，往这个方向下功夫，你便可以清晰地理解这个岗位到底需要一个怎样的候选人，并能据此定制你的面试准备策略和简历内容。为何这一步如此关键？因为所谓岗位描述（JD）通常由招聘部门的负责人亲自拟写，他们用 JD 描述的理想应聘者，正是他们团队里所急需的人才。如果万一招错人，对他们来说，将将是一个沉重的负担。

上面是一份我在腾讯招聘网站上找到的大数据开发工程师岗位信息，我们将会着重了解以下几个部分：岗位名称、岗位职责和岗位要求：

岗位名称：虽然都属于大数据工程师，但是不同的岗位它的名字会有些许的差别，比如说这里叫“大数据平台开发工程师“，那它的这个侧重点会。更加倾向于大数据的平台。还有大数据应用工程师呢，他的侧重点就会更倾向于和业务的结合应用，当然这个也不是绝对的，所以我们岗位名称的话，主要是看他在公司内部的一个定位，或者是内部的一个名字；

岗位职责，这个岗位职责通常会直接描述这个岗位在部门里负责的业务，我们一定要仔细分析这个业务内容啊。比如这里，就是负责微信支付里的大数据平台，如果你之前是做其他领域，比如汽车，外卖的大数据平台，那你的方向就很匹配对吧，那你面试这个岗位，就已经有很大的优势了，然后他里面提到的一些模块，比如元数据管理，计算资源管控，你如果之前搞过这些，那你就更牛逼了，说不定有些点，你在之前的公司，会比这个微信支付做的更好，面试的时候还能反向输出；

岗位要求：通常岗位要求里面，有很多都是套话，比如这里的第三点，xx，这些基本每个JD都是重复的，但是我们抓关键点，什么是关键点呢？我们要挖掘这个 jD 里出现的点，哪些是特殊的点呢？第一，技术专有名词，比如这里的 Hadoop，Flink，其次，和业务相结合的内容，比如金融项目经验，机器学习平台建设经验，这些都是面试官比较看重的点，也是你需要去做准备的点。

学会了如何拆解岗位，我们逐步就能知道，一个岗位的定位、需求是怎么样，那么结合你的个人定位，其实你也就能知道你通过这个岗位的概率大概是多少了。

不要追求 100% 的确定性

如果你能完全的了解到自己的实际情况和岗位的实际需求，那你肯定是能找到不错的机会，并且利用自己的优势来通过面试的。然而，在真正的实践里就会发现，由于信息差的原因，对自己的优势并不能挖掘到 100%（因为你并不知道什么能力才是对方最需要的），对岗位的分析也不能做到 100%（JD 展示的信息，会有产生信息差），所以在这种情况下，我们在「人岗匹配」这一步尽力做好之后，需要从其他方面来提高我们的面试成功率，比如我后面会讲到的：