2024招聘-投递准备

前言

我相信大家这会已经在语兴这里改过简历了，很多同学会对下一步要怎么去准备比较迷茫，这期我们围绕2024春招/暑期实习/社招来讲讲，简历这块我就不再赘述了。

面试开场话术

话术拆解

开场话术非常重要，决定你能不能领导面试官往你简历上问，很多同学不注意这个点导致面试官上来就问八股文+做题，结果回答一般面试也会挂。

想要好的话术还是拆解项目，一定要对你的简历第一个项目了如指掌，知道每一个细节，我们继续回归一个项目要有哪些：

（1）一起配合协作的人（运营/风控策略等业务->数据分析/数据产品提出需求->数据仓库->后端/跨部门数仓/外部数据）

（2）为什么要做这个事（也就是我给大家写的项目背景，但面试中我不建议直接读，太正规了听起来怪怪的，不如罗列成几个点，举例原版

随着业务的快速迭代，同时数仓也在扩张期高速支持，产生的数据量越来越大，划分的数据域也愈来越多，但很多数仓在初步搭建时都没有确定好数据标准、模型设计规范、没有一套完整数据的生命周期管理体系、同时组内成员技术/业务水平质量参差不齐导致，从而导致烟囱数据表大量产生，无规范/无元数据维护的数据表让人无法看懂，数据表很难发挥出数据的价值

更改后（1）烟囱数据模型大量产生，业务方和内部同学不知道用哪个表（2）线上大量无用数据模型占着存储且无效（3）没有数仓分层，ODS穿透率高.....）这样看起来更真实且能让人听懂

（3）业务流程（如果没有涉及业务可以不提，如果是做的360可以说试用的数据层面（基础信息、行为操作、交易偏好等），如果是做某个域建设则可以说业务流程（招聘域（需求发布->面试->面试问卷->offer->背调）），并与业务方梳理清楚业务口径/技术口径，可以说的通俗易懂一些

（4）数据来源（数据来源大多数来源于后端，也有跨部门合作提供数据表，也有外部数据来源，要讲清数据来源，数据是怎么接入，接入前要做什么处理）

（5）怎么做的（这里在前两面可以细说因为面试官也人懂，但这里不要把全部业务内容都讲了，而是突出其中一点，例如某个表是怎么做的，某个指标是如何加工的，但在3 4面不可这样说而是说如何大概处理的）

（1）数据接入，同步多少任务

（2）cdm（dwd+dws）

（3）开发8个场景下，10个ads，总计标签500+

（4）指标应用/看板建设，做个多少个看板，用户增长23%，用户留存率30.4%->37.2%

（5）指标维护，提效，原来业务查数要浪费人力日3.5工时，现在做了指标中心降低至10分钟并能实现自主查询

（6）下游沟通，下游满意度>=70%，看板mau为xxx，下游业务占比70%

（6）做的价值产出（3面能不能过就在你价值讲的如何，很多同学栽在三面都是因为价值讲不清楚，1面2面可能只考技术和能否做事，3面更多是总监或者不同部门leader所以人也不知道你做的好不好，而评判标准就是价值，讲清楚价值就是你的能力，而价值更多伴随量化，所以讲的时候要带量化数据）

话术案例

6分钟内

那我们还是再顺一遍我这里用用户360来说，面试官你好，我叫xxx，之前在xxx学校（可不说），之前在xxx公司负责（xxx业务），担任数据仓库工程师

（1）我们这边合作模式，上游是后端和跨部门数仓同学，下游主要是数据分析数据产品，最后给营销运营/风控策略提供数据支持

（2）目前我在负责语兴金融用户360数据资产（感兴趣同学可以加入社区）

做这个事背景

（1）算法侧希望通过语兴金融用户核心标签数据，识别用户消费能力及习惯，进行用户分层形成支付默认选项以及为不同分层用户提供短信/APP推送，就跟我们平时用的淘宝购物默认花呗一样（让面试官有共鸣知道是什么）

（2）风控策略/营销同学希望通过标签形成的用户画像进行语兴钱包的推广，增加用户基础，降低客诉工单量，提升用户使用借钱分期付款的习惯

（3）风控策略同学期望对恶意用户、高风险地区用户进行识别从而拦截风险，并对存在恶意3方投诉用户进行打标预警

那第1大步我们先做标签画像和数据表梳理

标签层面：与风控策略、算法同学沟通，统一标签收口，沉淀业务口径及技术口径，完成初步ADS标签数据模型设计，包括身份标签、营销推送、金融客诉、app信息、消费能力、金融表现等6个场景类型。

数据源梳理：与跨部门金融、语兴好物数仓同学对接，根据指标所涉及的逻辑下挖使用的数据表（金融用户驱动表、各身份属性维度表、语兴分期合约、还款计划、还款表、电商订单明细表、用户线上/线下客诉明细表），并跟跨部门数仓沟通完成关联键及数据表使用的确认，大概有20多个来源表。

第2步完成ads360开发，完成数据质量探查以及数据校验，累计开发标签400+，并保障数据质量及添加数据质量监控，提升至高优基线/SLA任务。

第3块主要做了标签落地和客群圈选，通过我们自建数据平台把数据同步到doris中，并通过标签画像平台对标签分类管理，在这里与数分配合完成300多个客群圈选，最终帮助算法团队根据用户消费习惯更换默认支付方式，完成金融侧用户拉新及语兴分期数据提升，钱包新用户规模提升22.8%，语兴分期使用用户提升26.7%，短信/app触率提升19.3%，客诉工单日下降约40+个（每日300+）

最后在开发完标签对标签进行维护管理

建设标签上线/变更维护机制，由风控策略营销同学把控业务标签及画像，数仓侧完成标签在平台录入及更新，帮助数仓内部及下游对标签口径了解，提升开发及使用效率，并对标签进行定期扫描进行下线。

按照这个公式介绍去套项目很容易让面试官听懂，如果还是不知道该怎么说，不如按照我上面这个方式拆解一下自己的项目，总结出每一段话术，最后拼接到一起。

投递简历

当我们准备完话术后，吃透项目后就可以先把简历投起来了，优先投简历（hr和业务会筛选近1周时间，充分利用好这个时间差），投递优先还是boss，其次群内内推链接（数据岗位列表），最后走脉脉（脉脉leader居多可以碰巧遇到人在招聘），建议投递城市北京、上海、其次杭州，岗位机会更多一些，其他城市不建议看。

投递窍门

boss 窍门，打招呼话术直接改成这个hc还在不在，不要用默认话术，其次如果投多个地区准备多份简历，比如投北京我们简历求职意向地区就写北京，投递简历时不要死板，例如我现在1年工作经验只看1年的这样机会肯定没有，建议3-5 5年的都投，先拿机会（哪怕他拒绝要你简历你也不亏，但如果他要了你简历或者有了面试机会就血赚），其次遇到大厂别发怵，反而大厂比小厂好面（因为专业度更高，小厂问的杂）

岗位介绍

投递不是一顿乱投哇，一定要看清，就怕你投了想去的公司不擅长岗位，假如面试过了去还是不去。

数据仓库jd：对于未写清楚数仓jd的岗位，看内容是否包含模型建设、etl、调度、监控、数据质量、数据治理、阿里云组件、spark/flink、熟悉一门语言（分公司）等这些内容，关键词越多越像，如果他叫数据仓库那就直接投，实时他会在岗位名称标记出来

数据平台jd：如果是平台，关键词熟悉hadoop生态组件、高吞吐、高扩展、架构框架、xxx组件二次开发

数据开发jd：如果是数据开发（这个岗位也少了），那jd里面就很少提sql 模型建设，其次多提组件

如何投递

投递时候建议每日投40+个，而且岗位选最新（电脑不具备这个功能），如果遇到和你简历写的业务一样的岗位可以多介绍一下，比如介绍自己之前负责的业务做的项目，具备的经验，这样会让人多接受你简历一些，投递时间最好是周一下午到周四结束，投的时候就去看面试题或者继续工作，一段时间回复一次即可，这里不意见大家有一种思想，就是我拿小厂练练手，或者说我投一投其他地区，万一你面试真过了拿offer了去还是不去，去了感觉亏因为我大厂还没面，但是不去的话我没保底offer，所以直接投就好了不要练手，但如果你这里出现这个情况建议先入职小厂继续面大厂（入职那会也没啥工作），尽量1个月内还没交社保就结束，如果还没offer那就继续干也不亏。