19年求職雜感：想裸辭嗎？我是不會再幹這事了
因為一些私人因素，需要換新的生活城市，只好又踏上換工作的路程，這幾年因為自我追求等內部或外部因素，具備了還算充分的面試經驗。對於面試技巧或是履歷寫法類的文章，網上已經有許多優秀的文章；關於Ｏffer的選擇，我也曾寫過一篇<如何量化職場規劃？我這次在資料分析的轉職規劃與Offer選擇>
這篇文章，就單純紀錄裸辭及這兩個月面試的一些雜感吧。
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
文章架構：
一、不要直接辭職、不要直接辭職、不要直接辭職，重要的事情說三遍
二、多面試幾家練手，不要一開始就衝最喜歡的公司
三、對於數據環境，不是人人都是BAT
四、經驗是雙面刃一、不要直接辭職、不要直接辭職、不要直接辭職，重要的事情說三遍
如果你覺得繼續在工作一邊工作一邊找工作很難，因為工作很忙，如果要去面試還要請假，請假太難，而且沒有時間準備，然後直接辭職，然後找工作。這樣是不對的。
我依然保持著規律的習慣，一樣的時間起床，一樣的時間出門，不用去公司了就改成去週末常去的星巴克處理事情，包含改履歷、學習、寫文章，約同行同事交流，跟獵頭聊聊，一切似乎一如往常。
日子就這樣流逝，到某天開始感覺到壓力，因為我突然發現我竟然已经失業一個月了！
第一個壓力是金錢。即便一開始對於我的可用資金已經做了估算，但在沒有收入來源時，日常習以為常開支都變得比想像中大，當看著錢只出不進，餘額不斷減少，又不確定何時會改善。
有些支出是必要花費，那只好從小地方省起了，例如我把星巴克改成附近小咖啡館，甚至出現是不是可以不要點咖啡只要一杯杯白開水就好的想法。(說到這裏真的要感謝老闆娘，他真的給我白開水就讓我待一整天)
再來是的精神壓力，求職進度不如預期、有興趣的公司無下文，或是談了3次居然沒結果、原本有興趣的公司實際接觸後發現普通，雖然還不到出現懷疑自己這種狀況，但確實變得更加焦慮。
獵頭速度太慢了，我自己來吧，下載了一堆求職APP，每次拿起手機就是看著履歷有沒有進展。加入了失業互助群，在群內看著大家的進度，有消息互相分享。
即便知道找工作多少是看機遇的，不是說能力強就一定能找到適合的工作。但實際面對時卻還是另一回事。
這兩點的來源，都在於對未來的掌控力，如果你一項奉行有計劃的生活，不太能接受不再掌控範圍內的生活，裸辭一定要深思。
二、多面試幾家練手，不要一開始就衝最喜歡的公司
我一開始就接觸在腦中覺得很好的幾家公司，看了看有比較適合的職缺就投簡歷或是朋友內推，也很幸遇的都有收到面試通知，但面試的過程表現很差
辭職剛開始，對於找工作還會沒有很進入狀況，很多事情都沒有完善好。初期面試了一家香港公司，大概交談了10分鐘後，要求改成英文面試，我鎮定的說 well..no problem，但心裡知道對於三年沒用英文溝通的我，這簡直是不可能的任務。
畢竟英文口語的交談，跟工作中精確表達還是有很大的差異。過程中越說越心虛，也氣自己怎麼無法精確表達出我想表達的，而越心急，表達的就更爛了，一個惡性循環。想當然就沒消息。我也懊惱招聘上襬名寫了需要跟歐美業務團隊交流，自己卻沒有把英文準備好。
就像運動前要熱身的道理，千萬不要心一急就挑戰大BOSS，如果該公司的數據分析是BU架構的(即數據分析是擺在業務部門的組織架構)，這個BU失敗，可能另一個BU還是有機會(例如騰訊、阿里)，但如果遇到的數據分析在公司的組織架構是統一部門的，那失敗的話你就跟這公司無緣了…
雖然開頭說了不講面試技巧，但還是想分享幾點小小注意事項：
- 準備約3分鐘的的自我介紹並背熟，但是要表現出不是在背的自然感
- 熟悉自己履歷上的每一點，預先想好當對方問了什麼問題，我可以拿哪一點來說明/證明，並確保表達是有架構的、清晰的
- 一天不要安排兩個以上的面試，如果同一天有兩個面試，把比較沒興趣的排到早上
- 在面試結束時，趁印象還深刻時找個地方寫起來，尤其是被問到不會或是回答不好的問題，晚上立刻總結
三、對於數據環境，不是人人都是BAT
因為中國互聯網巨頭BAT，許多公司都似乎發覺了數據的重要，阿里也在17年左右就進行數據中台的架構，但跟一些公司交流過程中，我很意外的發現，居然很多公司的數據現在才開始**正在架構**，不只小公司，連許多大公司也是現在才開始準備，甚至數據團隊的人員才1、2位的也不少。
從另一方面來看，雖然數據分析有點被炒爛，也沒有算法來的熱，但感覺還是個有著滿大需求的行業。
說回個人，如果是經驗比較沒那麼豐富的分析師，我是建議能去大公司就去大公司，所謂的大公司除了公司規模大，更要強調的是數據團隊的規模，在這種環境才可以看到一個數據團隊間(包含數倉、數據架構、數據平台、BI、 數據產品經理、算法)是怎樣運作的。
四、經驗是雙面刃
在剛出社會時，我想著，沒有工作經驗，要怎麼找到好工作呢？現在，我有了還算豐富的經驗，但還是面臨一樣的問題。
2019年阿里P7要求年齡上限是32歲，還有盛傳某些公司30歲以上的候選人就不考慮了，說年齡歧視也好吧，總之情況就是擺在那。
越高職位的需求越少、要求越高的綜合能力，對公司及對求職者雙方，都要考量更多細節，不論是薪資、能力，產業、乃至於文化、工作方式、家庭情況等都會更加放大檢視，匹配的週期就拉長了。
寫到這，回想到一個總監的連續問題讓我印象深刻。大家也可以想想，把“有讚” 換成你現在的公司，面對這問題，你會怎麼說？
1. 介紹一下有讚的業務
2. 有讚的營收來源？
2. 有讚有什麼競業
3. 這些競業在做什麼？跟有讚有哪裡不一樣？
4. 相較競業，有讚有什麼優勢
5. 這些優勢是做了什麼策略來的
6. 您認為這些策略，考量了什麼因素？為什麼成為了優勢？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
## 半佛系鼓掌
原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點：）
**也別忘了在下面Like一下**有任何想法或感興趣的地方歡迎留言/討論，謝謝大家!
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
