在人生的旷野中
一次勇敢的选择
或许就可以开启一段璀璨的旅程
转学、读研、无绿卡
但在毕业前已经斩获4张Offer
这位学长在逐梦之旅中做出了哪些选择？
我们今天一起来看看
1
定位Data，我一个申请季拿下四张Offer
hihi大家好，我是William，目前研究生在读，很高兴能收到WST的邀请来给大家分享一些求职心得，希望我的故事可以给大家一些帮助~
先和大家汇报一下这个求职季我的战况：
State Farm
Data Analyst
Fannie Mae
Analytics and Modeling
CCI
Data Scientist
Sam's Club
Data & BI
可能有大家不太熟悉的公司，这里也简单给大家做一番小介绍，以及各个公司Data岗位的工作内容：
State Farm是老牌的insurance公司，但是因为美国对保险行业的严格管控，所以在insurance行业做data其实不会用到很前沿的技术；
Fannie Mae是一家金融服务公司，主要业务集中在房地产交易，房贷，以及住房抵押证券。他们家用的技术还是比较前沿的，在我和面试官在面试最后的反问环节中我有了解到他们家其实也在尝试用目前很前沿的技术来提升他们家的pricing model；
CCI是商品交易公司（commodities trading company），他们家的DS主要是用模型来协助trader进行买卖时的价格评估，感觉有点类似投行的中台；
Sam's Club是沃尔玛的一部分，他们家的DS主要还是集中在用户体验和用户留存上。
这里也给大家留个悬念，不妨猜一猜我最后去了哪一家？
不同公司面试重点差别很大
不同公司面试重点差别很大，但主要还是Tech题，有的面试官喜欢问一些非八股文的design question，这种比较考验是否实操过工业级的project。另外因为每个公司对Data岗位的需求不同，所以面试也没有标准答案。
比如Data Analyst每天的日常大概率是对着Excel、SQL、这些工具，很少会接触Modeling这方面的问题，DA和客户对接的多一点，所以面试Technical会少一些。
Data Scientist需要的技能更多一些，对统计知识的了解是必要的。另外根据公司的不同需求，DS可能需要做一些 experiment design，类似AB testing，要设计一个实验，然后告诉公司这个Strategy是否有效，同时也会涉及更多的Modeling部分。
WST有非常实用的数据分析核心技能课程，有需要的同学可以找小助理获取~
2
大学申请和求职，都是放长线的过程
不光是求职规划，申请大学也需要很早就准备，我就属于没有早规划的……
大学申请和求职都吃了没早准备的亏
申请大学的时候也找了个中介，略坑，文书辅导的一团糟，我当时本身功底也不够，根本看不出来文书满满的编故事感，申上的学校也并不满意，于是转学到了现在的学校。
我最开始想学Econ，但Econ转学前后都不是本校的Stem专业，我也没有绿卡，为了以后更好的求职，就想double一个其它STEM专业。我高中学过一点代码，但我不是那种喜欢坐在电脑前以写代码为生的人，再加上当时的大环境，感觉无论干哪一行都要会一点代码，选来选去最后确定了Data这个专业。
不过后续了解了之后，发现Data的应用面其实还是很广的，也比较符合我的期待。
加入WST后，我的求职策略大转变
我其实从大一开始就有意识地想准备求职，但那时候并不清楚要怎么行动起来，只是上了一年课后稍微懂了一些求职方向，因为个人的misconception，感觉金融行业赚很多，所以想往金融DA这方面走，那时的准备也仅限于在网上找找资料，没有其他更有效的途径和资源。后来才意识到其实金融行业从中台到后台都有Data Scientist岗位，投行赚钱多的大部分是前台。
当时就业环境其实还可以，大二下还找到了一个实习，那以后我才真正对职场有了直观的认识，也开始按部就班为求职做准备，但大二深入了解之后，才意识到自己关于求职的误区和问题还有很多。比如求职需要很多技能，这些技能如果按部就班在大学学习的话，可能要到大四才能全部学完；再比如我选的金融和big tech行业竞争非常激烈，如果求职只focus在这两个行业，可能不会有好的结果。
好在后来加入了WST，WST安排老师给我讲解了在不同行业里做Data，工作内容是什么样的？薪资待遇是怎么样的？让我对这些东西有了更深入的了解，所以现在这个秋招，大家可以看到我拿到的data offer也来自各大行业。
所以如果大家别怕试错，只要这个行业有你可以申请的岗位，都可以去试试，说不定好运就在下一次面试之后。
而且一定要早准备，我发现身边那些拿到比较好Offer的同学，都是很有计划性地在求职，那些在研一就拿到高薪Offer的，可能从大二就已经开始准备了，他之前一系列的实习都是为了最后这一步做铺垫。反而那种一直在潜心学习，感觉跟着学校按部就班走到最后就可以找到工作的同学，反而一张offer都没有。
关于WST和Jerry
WST对我最大的帮助就是行业导师的指导了，因为很多industry knowledge在学校里是学不到的，甚至一些工业级project的处理方式，在工作的前几年都需要自己摸索才能明白，但是WST的导师会讲解这些东西，听了之后能少走好多弯路。
Jerry老师对我的影响也非常大，我印象最深的是我第一次见到Jerry的时候，他来我们学校办讲座，深度剖析了当时big tech裁员并不是因为经济下行，而是AI冲击导致需求减少，这种裁员形式的改变又会对留学生求职造成什么样的影响？
这些对当时的我来说是很震撼的，因为我就没有想过原来还能从一些新闻中分析出这些东西，也没想过能把这些因素联系到我求职准备当中。
加入WST之后，一开始我脸皮薄，但又被WST要求每个星期要发多少Networking email，要打多少Networking call，那个时候还会跟Jerry老师表达一些我的Concern，Jerry老师也是一直在鼓励我，告诉我怎么去适应；申请岗位前我也跟Jerry老师聊过，以我目前的准备情况，如何规划时间线是最好的；最后选Offer的时候也请教了Jerry老师哪家发展前景比较好，Jerry老师总能一针见血指出我的问题，给我最想要的回答。
3
关于Data求职，给大家一些小Tips
个人感觉美国Data行业求职市场其实目前是在好转的，我去年同时期找工作远远没有现在顺利，当然除了环境因素外，还有我个人的时间线原因，毕竟研一找实习比大四找实习的时间线合理多了。
另外，大家关注的人工智能会不会对Data行业求职产生负面影响的问题，我觉得如果不想被AI取代，还是要加深对行业知识和业务的理解，因为AI也许会代替一部分写码的人，但它并不能代替人类对于这个业务的理解。
举个例子，如果你在供应链方面做Data，就一定要了解供应链的每一部分到底是怎么样的一个流程，因为当某个流程细节出问题的时候，AI是无法发现的，只有做Data的人凭借对供应链流程的理解才能发现哪里可能出现问题，再使用AI工具去细化、去深入了解这个问题到底出在哪。
我当时面试以及Networking都问了他们对AI的看法，无一例外的，他们都说AI会成为一个不错的工具，而不是说AI会取代Data岗位。
Networking有必要吗？
说到Networking，我感觉我们学校有一个很大的优势，就是Graduate很多，我平常靠LinkedIn connect的方式，每天发20~30个networking connect也差不多够了。
Networking不要害怕rejection，因为确实回复率会很低。但你跟一个人约上coffee chat前一定要先了解一下这个人的背景，看一下对方的LinkedIn profile，了解一下他的过去，毕业于哪所学校？之前做过哪些工作？这样的话心里有个准备，可以聊聊共同点。如果他之前做的某个项目你很感兴趣，你也可以问他相关的呢人，这样可以很大程度提高对方好感度。
最后要内推的时候稍微委婉一点，可以从侧面角度问一下他们今年有没有招实习生？或者问问他们公司今年招人情况怎么样？一步一步循序渐进。
WST准备的networking资料很有用，涵盖LinkedIn撰写教程、Follow-up模板、Cold email模板等，大家可以戳下图小助手领取~
拿不到面试不一定是自身原因
有时候拿不到面试或者面试被挂，并不完全是自身原因，企业的招聘需求也有很大的原因。
一是因为美国之前被爆出来有幽灵岗位，纯粹是为了显得企业还在蓬勃发展，但其实并不招人。
另一方面的原因是我这么多年面试下来，感觉有时候HR和用人部门之间的沟通存在一定的miss communication。HR po出来的岗位要求会SQL会Python就够，但在用人部门看来，这些技能只是基础，你符合HR的标准但不一定满足用人部门的需求，所以有同学明明看着自己的简历和岗位JD很符合但没有面试，但这也是没有办法的事情。
学校路灯杆上的鹰
所以收到rejection的时候不要丧气也别往心里去，move on and fight hard。只要投的岗位够多，总会遇到适合你的那个offer。
---------投稿人：William（化名，隐私保护）---------
不经过正规化和魔鬼式的训练，何谈年薪百万？
备战2026求职季
报名VIP项目，扫描下方二维码
联系WST团队咨询项目~~
此处展示的仅为部分WST学员战绩
声明：所有学员斩获的高薪岗位实习/全职offer，均是通过WST的求职项目达到自身实力过硬，符合公司录用标准的前提下通过官方校招渠道，自行申请所获得。
▼点击这里，更多求职资讯尽在WST
