记录将近两个月的找实习心得

交代一下bg,双非统计硕,本科要稍微比研究生学校好那么一点点,机器学习和数据挖掘方向,两段实习(京东数分、建行金科)。

首先在3月份,想投美团等暑期实习,但脑子瓦特了,想着先写写论文,错过3月份和4月初的岗位高峰期;4月10号开始,发现大多数岗位都招满了,各种泡池子,然后就渐渐的从暑期实习转为了日常实习,岗位jd要求也逐渐放松。

海投过不知道多少家,很多都是简历挂或者简历发过去就没有后文了,记录一下两个月来有面试的所有公司及岗位
(PS: 现在确实为当年的不坚定选择买了单,明明可以录取财经211,但最后还是来到了双非读研)

1.远洋集团,数据算法,base北京,一面offer,最后因为房地产行业不看好以及岗位薪资太低,入不敷出,拒了

2.快手国际化直播,数据分析,base北京,一面挂,觉得和面试官聊的很好,问题很多也回答上来了,然而还是挂

3.作业帮,商业分析,base北京,一面offer,接了这个offer,奔着有转正去的,实习了8天,run了,一方面由于家庭原因,一方面工作机械,枯燥乏味,转正薪资很低。

4.字节国际化电商,数据分析,base上海,一面挂,从作业帮走了后,hr帮我转了部门,最终还是无消息。

5.快手暑期实习--DA,base北京,一面挂,这个纯属自身实力问题,确实回答的不好

6.滴滴两轮车,数据运营,base北京,二面挂,自认为回答的还可以。

7.吉利极氪智能座舱,大数据分析,base宁波杭州湾,一面offer,涉及模型算法开发,这个是最想去的,但是网上风评很差,加班很严重,地方偏僻,最终尽管不舍也拒了。

8.网易元气,数据分析,base杭州,三面,目前oc

9.快手,商家发展运营实习生,放弃面试。

10.普华永道,风控,base北京,放弃面试。

11.京东原部门联系想让回去,综合岗位职责,放弃

记录一下以上过程,稍微写了写面经,放不开了,如果大家感兴趣可以私信我,发给你们。

总结这一个月以来的投递和面试经验,确实双非比较难过简历关,感知京东、滴滴、美团、小米现在对学校把控较为严重,字节、网易、快手会愿意给双非研究生机会。

其实这两个月收获最多的就是,和自己和解,不要内耗太严重,也没必要逼迫自己,没有合适的机会,就耐心等,实在没有,我们总能找到一些自己的事情做。

#暑期实习复盘##暑期实习##实习##offer#
全部评论
佬怎么知道滴滴二面挂了
1 回复 分享
发布于 2023-06-07 20:41 江苏
小米还行吧,双非硕已oc
点赞 回复 分享
发布于 2023-06-07 19:33 陕西
太🐮了
点赞 回复 分享
发布于 2023-06-08 21:35 河南
请问作业帮商分面试大致问什么呀?方便大概说一下吗?
点赞 回复 分享
发布于 2023-08-09 10:39 北京
想问一下快手国际化直播数据分析岗位嗯问了什么问题呢?是直接是技术面吗?然后深挖背景吗?
点赞 回复 分享
发布于 2023-12-01 20:51 澳大利亚
双非硕这个战果,太牛了!Salute!期望秋招我也这么牛逼
点赞 回复 分享
发布于 05-06 12:29 浙江

相关推荐

#牛客创作赏金赛#  解决数据管理问题休息时间搞的• 建立数据共享机制与平台:通过构建统一的数据共享平台,打破数据地方保护主义,制定数据共享规范与流程,明确各部门数据提供与获取的权限和义务,促进数据在组织内的流通,例如建立企业级数据仓库,整合各方数据资源。• 统一指标口径:成立数据治理委员会或专项小组,负责梳理和规范指标体系。对所有指标进行明确定义,消除同名不同义与同义不同名的情况,并发布指标字典供全公司使用,确保所有人员对指标理解一致。• 整合 BI 工具或选定标准工具:评估现有 BI 工具的功能与使用情况,根据企业需求选定一种或几种作为标准工具,并进行整合与优化。建立工具使用培训体系,提高员工对标准工具的熟练度与应用能力,确保数据处理与分析的一致性。• 明确报表边界与分工:清晰界定业务系统报表与 BI 报表的功能边界,业务系统报表侧重于日常业务运营数据的记录与简单呈现,BI 报表则聚焦于多维度数据整合、分析与决策支持。制定报表开发与维护的分工流程,避免重复工作与数据冲突。• 简化与优化权限管理体系:基于角色和职责对数据访问权限进行重新设计,采用分级分类管理模式,如普通员工、部门主管、高层领导等不同角色对应不同的数据访问级别。利用权限管理工具实现自动化的权限分配与监控,定期审查权限设置,确保其合理性与安全性。• 优化数据需求响应流程:建立数据需求管理平台,所有部门的数据需求统一提交到平台上,进行分类、分级与优先级排序。优化数据处理流程,采用敏捷数据开发方法,提高数据提取、转换与加载(ETL)的效率,对于紧急需求开辟绿色通道,确保重要数据需求能够及时得到响应。• 构建指标关系体系:组织数据分析师与业务专家共同梳理指标间的逻辑关系,绘制指标关系树或数据地图,明确各指标的层次结构与关联关系。建立指标元数据管理系统,对指标的定义、计算方法、数据来源以及与其他指标的关系进行详细记录与管理,方便查询与分析。• 完善指标全生命周期管理平台:开发或引入专门的指标管理平台,涵盖指标从规划、定义、开发、测试、部署到监控、优化的全生命周期管理功能。在平台上建立指标版本控制机制,确保不同时期指标的一致性与可追溯性,同时通过自动化流程与提醒功能,保障指标的及时更新与维护。• 强化指标质量审计机制:制定指标质量评估标准,包括数据准确性、完整性、一致性、时效性等方面的具体要求与量化指标。建立数据质量监控工具与流程,定期对指标数据进行审计与评估,发现质量问题及时追溯数据源头并进行整改,同时记录数据质量问题日志,以便后续分析与优化。• 编写指标故事线与应用指南:由数据团队与业务团队合作,针对关键业务流程与决策场景编写指标故事线,将相关指标串联起来形成有逻辑、有情节的数据分析框架。为每个指标编写应用指南,详细说明指标的含义、用途、计算方法以及在实际业务中的应用案例与注意事项,通过培训与宣传推广,提高业务人员对指标的理解与应用能力。
点赞 评论 收藏
分享
2 10 评论
分享
牛客网
牛客企业服务