大家都知道,在JD中,一般写在前几行的内容要比写在后面的重要。 我们要能做到通过不同的JD知道不同的信息。要明白什么是关键信息,什么是次要信息。

JD隐藏信息

要挖掘出JD中的隐藏信息,判断出符合哪些要求会为自己的简历加分以及自己的简历必须涵盖哪些要求。下面我们来通过几个JD例子来为大家讲解如何进行JD分析。

上面这则JD前两行重点强调了前端技术,比如Angularjs,Coffeescript,D3 和Visual Designers,这就说明了这个职位主要是做一些比较前端的东西。那么你在申请这个职位的时候,就应该重点强调一下自己比较偏Web的经验。同时,你也可以看到有很多JD都在强调一些软实力的东西,你可以通过这些要求看出这个团队的风格,这也代表了整个团队的文化,那么你在面试的时候也就应该体现出自己有那方面的素质。

在这则JD中,可以看到在前面部分并没有出现任何技术名词,这说明此职位对求职者的技术栈熟练使用程度的要求不高,但更在乎求职者的综合素质。这则JD在Requirement里面提到了很多技术名词,说明这个团队强调的是求职者的学习和能从系统的较高Level去思考问题的能力而并非能快速掌握某项技术的能力。

分析上面这则JD,如果一个公司把Move Fast,Build Great Things放在JD前面时,就说明这是一个很有Start Up精神的公司。此时,你应该强调自己独立解决问题的能力。

在这则JD中,可以在Qualifications中明确看出这是一个用Wordpress的网站,运用MySQL和PHP等技术。通过Expert Level Javascript等可以看出他们希望你可以帮忙优化他们前端网页的内容。并且这个职位还有一些集成的工作,因为JD要求求职者会使用Git和Gulp。在JD最后几行我们可以看到出现了Ios,我们在前面已经讲过,没有将Ios放在前面就说明这个团队往往都不做Ios这一块,但是在这里出现Ios就说明此公司的产品一定有一个Ios客户端。此时,如果你有过Ios开发的经历就可以使自己从众多Candidate中脱颖而出。如今,Node.Js与Meteor都是热门技术栈,通过JD我们可以知道尽管这个组不使用这两种技术,但可能隔壁组你需要调用的很多Web Services是用Node.Js和Meteor写的,如果你懂的如何使用就可以在此小组中得到重视。

如何解读DS Job Description

Data Scientist定义很宽泛,常见的Title有Data Scientist, Product Analyst, Machine Learning Scientist, Statistician, Business Analyst, Quantitative Analyst, Marketing Analyst, Operation Analyst等等。不同公司对DS Title的定义完全不同,有可能两个公司的DS Title一样,但是工作内容完全不一样。对于DS,就要看Job Description具体的内容,而非Title本身。

对于IT行业来说DS大致可分为三个Track:第一个是Modeling或Machine Learning的Track, 主要做一些建模的工作。第二个Track是Product Analytics;这在湾区的一些大公司,比如Facebook,Google需求量都非常大。第三个Track是Business/Marketing/Operations Analytics,这也包含在DS范畴,他合作的对象不是产品方向,而是Business或Marketing方向。以上是IT行业的三个主要Track。

其他行业还有很多,比如说Finance,银行等有Risk Modeling,在生物统计或医药行业也有很多做Clinical Statistician,在一些零售行业有Supply Chain Optimization的工作。

本部分主要讲解IT行业常见的DS Track,下面我们将通过三个案例进行分析。

第一个是Modeling/Machine Learning Track,具体如下:

首先,大家可以看一下Key Words,也就是上图中标绿色的部分,第一个是说Frame A Problem,并且就是你要能够独立地去定义一个问题,并且去解决它。这就要求你有工作独立性,要能够独立完成一个Project,也强调是结合了Business Context的实际的一些数学问题。第二条是Exploratory Data Analysis,这就是画一些图标来做一些分析。第三个是Construct And Fit Models,这是一个建模的要求。第四个是Write Production Modeling Code,Production Modeling Code就是说要进入Engineer的系统,是实时的,在运行的一些Code。比如说Uber,用户叫了一辆车,它要算这辆车什么时候可以到达,或者是怎么使乘客和司机进行配对,这些不可能在Local Machine上面算好后再传上去,这些都要实时进行运算,这就对Engineering的要求比较高。第五个是Design And Run Experiments。这个是IT行业几乎都要做的。

总结一下,第一你要会建模,第二你要会做一些基本的数据分析,第三就是要能把模型进行到Production System中,最后要做一些AB Testing。

然后我们看一下它要求的Skills,第一条是Passion For Solving Mathematical Problems,这就是强调你要有很好的数学基础,也要有很强烈的热情去解决一些比较复杂的数学问题。第二条是End-To-End Experience With Data。什么是End-To-End Experience呢?我们在学校里面做的项目数据都是给定的,问题也是定义好的,这不叫End-To-End,End-To-End是说你要去抓取数据,要做一些数据处理,再分析数据,然后建立模型。做出模型后,要做成实时的产品,之后还可能做一些Reporting,这些所有Cover了Data步骤的过程叫End-To-End。这个工作对数据处理的经验要求比较多,后面对Communication也有要求。

第二个是Product Analytics Track,这是一个招人比较多的一个Track,这是Facebook的一个JD,具体如下:

我们来看一下第一条,第一条是Partner With Product And Engineering Teams,它把Partnership放在了第一条,然后写了要做Product Decisions,就是说你要通过数据帮助Product做一些决策。然后它在下面分了四个不同的领域,第一个是Product Operations,包括给Product设定一些目标以及绩效的考核,这样可以Motivate工程师。Designing And Evaluating Experiments也是属于Ab Testing。下面有Metrics,我们可以看到Metrics出现在了第三条,第五条和第六条。就是说所有的产品你都需要Check Api,所以Metrics是产品中很重要的一条。还有Exploratory Analysis就是一些基础的分析。在Exploratory Analysis我们看到Identifying New Levers To Help Move Key Metrics,New Levers就是通过数据发现哪里是产品增长的机会,即通过数据分析去提高产品的Process。Product Leadership就是说能够影响Product的产品决策。Data-Based Recommendations就是说通过数据分析要产生一些Recommendations,就是你要通过分析得出Actionable的结果,所以这条就比较看重成果。下面一条讲到了交流,最后一点讲到Technical Skills的要求是你要会用Hadoop和Hive中的SQL,有些同学可能会认为要学Hadoop和Hive到很深的程度,其实对于Product Analytics方向,你只要会在Hadoop和Hive上面操作SQL就可以了。

第三个是Business/Marketing/Operations Analytics Track,这是一个LinkedIn的一个招聘,具体如下:

首先我们看一下第一条Provide Key Business Insights,这比起第二个Track更强调Business的东西。第二条In-Depth Analysis Of Our Various Business也是说Business,第三条Develop Deep Understanding Of Key Value Drivers是说你如何通过数据发现怎样去发现产品的增长点。第四条是Cross-Functional Team,Functional Teams在DS的JD中经常出现。除了你自己所在的Team外,其他的Team都可以称为Functional Team,就是根据你的职位和哪些人合作,Business Track更多是和Sales,Marketing这种Team合作。第五条是Identify,Diagnose And Resolve Performance Issues,这是说你要能够Monitor一些KPI,这个在前面的Product的Track里面讲的很清楚。第六条是Manage Dashboards,Dashboards就是把一些图标放在一起,这样不同的Team都可以看到各项KPI表现怎么样。最后一条是Communicate Effectively Across All Levels,这是对于Business Track的DS非常重要的一点,就是说你不仅能够和你周围的人交流,还要跟其他部门交流。比较有趣的是,在最后Preferred Qualifications中讲到了一些比较Behavior的一些词,这主要是说希望你有这样的Personality。你要是一个比较有热情的人,要很会交流。我们可以看出,第三个Track跟第一个Track比更偏Business方向,更像是Business的JD。它更注重Communication和Personality,第一个则更注重Technical Skills。

从上面三个案例我们可以看出每个Track的侧重点不同,Modeling/Machine Learning Track比较侧重Model,Production Coding以及Math。Product Track中比较看重Product Sense ,Communication以及一些基本的技能比如SQL。Business Track中最看重Communication With Business和Product Sense。大家注意一下,Product中的Communication是With Eng或PM的Communication,而Business Track的Communication是With Business。这三个Track的薪资在最开始的时候是1>2>3,但是后期不一定,有时候2和3在后期可以升很高,1主要取决于你的Technical Skills有多强以及你做的方向是否热门。

刚才我们已经讲了三个不同的Track,大家可以在有一定了解后,确定一下自己的目标方向;然后准备2-3份侧重点不同的简历,以便突出不同的点,比如说如果你想去产品方向,就要突出自己与Engineer和产品方向的经历;如果你想去Business方向,就要突出Business,Communication这些内容。接下来,你要分析Job Description去选择最合适的简历版本;最后你要对重点职位进行针对性的修改。

JD分析的要点

首先,总结出自己的简历上面有哪些JD中涵盖的技术栈,以及需要补充哪些内容。要挖掘出JD中的隐藏信息,争取使自己的简历脱颖而出。站在一个HM的角度上看,如果两份简历的技术栈是差不多的,但是其中一份有Ios开发的经历就会更容易拿到面试。HM往往会选择技术栈广度和深度比较平衡的职员。