|
Medium好讀版 (歡迎追蹤)：https://medium.com/@henryfeng
一直在想怎麼提筆寫下這一年的求職紀錄，這顯然是一個必定要寫出來的題目，這周一已經開始上班，也在社群媒體上和朋友分享入職的喜悅和焦慮，也剛寫完一篇一年期商業分析學程裡，每個月應該如何準備求職的文章，是時候寫下我在美國的各種求職紀錄了，把這些苦痛和快樂記錄下來，也給讀者們更多的參考。
前言 必須老實說，我求職的過程並沒有碰到太多的挫折，相較於我收藏不同BA/DS前輩的求職歷程，我可謂非常的幸運，現在回想起來比較大的崩潰就兩次，但很快就越過了。我自己的資料庫裏面前輩的艱苦歷程，對我來說是不斷提醒我的警鐘吧，現在回望，我認為因為有提早開始想求職這件事情，並很早開始準備，因此才能在機會來臨時好好地把握住，最後落地不錯的offer。
我會歸納整個歷程是先苦後甘型，從入學開始就不斷推著自己進行求職準備，而後在過程中把握住機會；我開始投履歷時也非常不順，很晚才拿到第一個電話面試，但之後就是面試機會不斷，而前面那些準備和努力都有在面試時派上用場，才能一關關挺進，拿到多個offer。
這次分享會以我碰到的面試關卡為經緯，分享我如何準備不同類型的關卡，一開始不免俗的會分享一些數字和時程表給大家參考。
我的就業數據和拿到offer數： 一些數據
* 線上系統申請(非內推)：170個
* Refer內推：33個
* 過履歷關，拿到下一步(面試/線上測驗)：24個
* 進到最後一關：6個
* 拿到offer：6個 (4個美國；2個新加坡)
* 拿到offer公司：Best Buy, Carousell, NY Times, Amazon, Neustar, Shopee
過履歷關，拿到下一步之職缺名稱分布
Data Analyst：Shopee, Agoda, Google, Capital One, Best Buy, Carousell
Product Analyst：Grab, Hubspot, Remitly, Sonder, New York Times
Data Scientist： Visa, 6Sense, Ericsson, Facebook
Marketing Analyst：Carousell, Jamf, Ancestry
Business Intelligent Engineer/Analyst：Amazon, Wayfair
Quantitative Analyst：Houzz
Data Engineer：Pepsico
Statistician：Neustar
Product Manager：Shopee
由上表可見，我拿到最多的面試機會是data analyst，product analyst也不少，DS也有但最後都沒有走到最後，MSBA出來的學生按照我投遞的經驗，還是比較多以非DS為主，在整個求職歷程中，也有聽到很多前輩提及現在資料科學家已經很少招募研究所畢業的新鮮人了。
一些時間點 1/27 正式投遞第一封履歷 3/14 第一個海外(新加坡)面試 – Carousell Senior Marketing Analyst 3/26 第一個美國國內面試 – Ancestry Marketing Analyst 4/16 第一個海外(新加坡) offer – Shopee Product Manger 4/22 第一個美國國內offer – Amazon Business Intelligence Engineer
這個時間軸揭露出兩個事實： 第一，我經歷過一段不短的撞牆期，在開始投履歷到拿到第一個phone screen，整個二三月我都是處於停滯不前和自我懷疑的階段，拿不到電面、校招也都沒有消息，看著同學陸續拿到面試心裡也是很焦急，至於如何跨過履歷和面試這段空白，我會在後面履歷篇進行分享。 第二，我名義上的「第一個offer」很戲劇性的。我第一個offer是新加坡蝦皮的產品經理，和我所學的專業完全沒有任何關係；我美國的第一個offer是亞馬遜的BIE，他是我第一個校招、第一個Onsite面試，而我就順利拿到，可以說是非常幸運的。
求職歷程各階段拆解 接下來的篇幅將會以美國找工作的程序出發，分不同階段分享身為一個MSBA的研究生，要怎麼在心態面上跟硬實力面上如何進行調整與準備。
履歷 經歷過此關卡的公司：所有 在時間軸的第一個事實，我講到我有很長一段時間儘管投遞了很多，但都沒有收到面試機會，我歸納出幾點心得和調整的作法：
1. Refer的效益比海投高上數十倍，但也不要完全放棄海投 我進到24個電面關的職缺，只有8個是海投而來的，比例上可謂比海投低上許多(8/170) ~~ Refer (16/33)，但對我來說維持每天投遞7-15間的數量有助穩定自己求職的心態，要找到人願意內推也不是一件太容易的事情，與其把希望完全放在他人那裏，能掌控自己海投的量，我覺得有其必要。
2. 針對職缺客製化履歷 我一直想要成為一個產品分析師(product analyst)，我在求職前期也主要以此為投遞標的，但我在一開始拿到的幾個phone screen卻都是marketing analyst的職缺，他投射出另外一種不同的沮喪：我過去的經驗的確是比較偏向行銷分析，我難道真沒有機會可以跨足產品嗎？
這種時候我的作法是：我開始將履歷分流成三種版本，由於面臨這個難關時我已經有足夠投遞工作的量，我把我過去投遞的職缺敘述全部調出，開始進行分門別類：marketing analyst/product analyst/data scientist，我用列表統整出不同職缺常見的幾個關鍵字，例如marketing analyst比較常出現user acquisition/channel/funnel；product analyst則會出現metrics/product feature；data scientist則有model等字樣。
接下來，針對過去的經驗，挑選幾個比較符合這些關鍵字的條目進行撰寫過去的經驗和成就。同時也別忘記要調整skill的欄位，像是產品分析就不用放類神經網路等技能，因為你放了對於人資審核你的履歷也沒有太多的幫助。
3. 如何有效率的找refer 這塊我是自己沒有掌握得太好的，也因此錯過一些蠻好的機會，我這邊分為深度、中度、淺度的技巧。
深度：過去一年你的connection/連絡過的學長姐同學朋友。你已經花很多時間和他們聊天、經營感情，也透過電話、見面的方式他們了解你的特質和經歷，這時候就是你豐收的時候，但這種關係通常是看緣分與機會，如果對方公司剛好有缺，你會處於一個很好的位子。一個跟我很好的學姐就有跟我說，他們公司即將開analyst的職缺，她也跟老闆講過我是很適合的候選人，等缺開出來，就直接飛我過去onsite；也有我的朋友他們組上有缺，透過她refer，但那個缺的人資一直pending，所以到頭來我還是沒有聽到任何消息。只要堅信，你做的努力跟花的時間沒有白費，以平常心看待，你一定會從networking的歷程中找到很好的機會。
中度：他人提供機會和職缺或表達意願協助refer，這邊提供幾個管道。 第一，LinkedInconnection釋放出的職缺，有些時候你的connection或是網絡裡面的人會有職缺機會，所以就簡單寫個note給對方，請他協助你轉履歷。 第二，半路出家矽谷工程師，在他的網誌裡有一篇詳列了公司和公司內部願意協助轉履歷的台灣人，我會密切關注這幾間公司的職缺，一有職缺釋出就寫信給聯絡人，請求對方幫我內推。 第三，一畝三分地。一畝上有很多熱心的中國人願意無條件幫忙轉履歷，只要按照他們的要求附上履歷和第三人稱自介，他們通常是回復率最高的內推方式。
淺度：暴力式聯絡法。這是我朋友教我的，我有試過一兩間公司，但完全沒用，但可以給各位參考。如果你看到A公司的職缺，你就在Linkedin上調出在這間公司工作的員工，一個個發同樣的訊息詢問是否有意願refer，我朋友的經驗是大概敲十個會有一個人有意願回覆 (可以先以華人為目標)
4. 每天都要調整履歷 把每天調整履歷視為一個代辦事項，就跟每天要海投多少間公司一樣。自己改，可以讓文句更順暢，每天都會有如何讓句子更精簡扼要的新發現，都是一種進步；給學校職涯中心改，這是我覺得最無效的，但就是定期去拜訪，求個心安；給在業界公司的前輩和學長姐改，這是最耗費成本但也是最有效的，而這也完全是靠著你這一年累積下來networking的成果，他們往往能指出甚麼是他們公司看中的特質和項目，並且指引出應該強調甚麼、應該削弱甚麼，讓你的履歷更臻完美。
5. 不要心慌，相信自己，讓子彈飛 將拿到電話面試當作履歷是否符合市場需求的基準點，在沒有拿到面試前就不斷調整，調整到你開始拿到第一個電話面試為止，途中會產生很多自我懷疑，但除了自己的經驗不夠亮眼外，也要考慮其他因素，包含你是否太早開始，產業是需要及時上班的人才等等；海投的處理時間也會比內推晚，我很多二月底投的職缺，四月底甚至五月才聯絡我要電面，因此我建議就是穩扎穩打的投，不要自己嚇自己，讓子彈多飛一會，心慌反而會壓縮你複習和準備其他面試關卡的時間和心神，別得不償失了！
人資電話審核 經歷過此關卡的公司：Carousell, Shopee, Agoda, Google, Jamf, Ancestry, Hubspot, CapitalOne, Facebook, Remity, Pepsico, Sonder, Neustar, New York Times
如同前述，拿到人資電話審核代表你的履歷已經可以開始被市場所接受，接下來即正式進入面試的pipeline，人資審核是所有關卡裡面最最最簡單的，絕對不能容許自己在這關鎩羽而歸。
人資電話審核無非是兩個面向。
第一，你的Behaviorquestion/star question，如果你在秋季就開始用small group、career coach的時間精煉你的故事，你在這關就可以輕鬆應對，我在接到第一二個人資電面的時候，我會在面試前一天約教練或是校友練習應答；同時，我也開始編寫該公司的應答文件，查閱glassdoor/一畝/google search上過去面試者碰過的問題，條列在紙上，並撰寫回答，等人資打來，完全可以照著文件上所撰寫的複誦，可以避免緊張感。
第二你對公司和產品的了解，準備好why Acompany? Why me?的答案，這基本上必問，一定要對你面試的職位、公司有全面的了解，並把你的特長套進去回答裡面，讓你可以在眾多面試者中凸出。
HR Screen不難的原因是人資通常不會是刷人的人，他們只是要確認你的時程、你這個人是不是怪人，抱著平常心就沒問題了！
Online & Offline Assessment 經歷過此關卡的公司：Grab, Jamf,Wayfair, Ericsson, Shopee, Amazon, Capital One
這邊的assessment的定義，於我來說是，沒有面試官監督，在一段時間內，請面試者完成測驗。我歸納出我經歷過的幾個測驗有以下幾種類別：SQL是大宗、Python也有、也有簡單的資料分析和申論題、也有演算法的題目。
在形式上有直接在codepad/codility/hacker rank寫答案，可以試錯，系統會告訴你是否通過，然後在遞交；也有就是給你一份excel表格充當data table或是一個word表格，讓你直接在沒有辦法測試代碼的前提下把code寫出來，寄給recruiter後，再由專人批改看是否進到下一關。
我覺得這個關卡完全是考驗申請人的硬實力，SQL在面試中出現的頻率比Python/R高出太多，我們在秋季學期有三學分的SQLCourse我覺得是完全不足的，得透過大量的刷題、複習、練習網課才能到合格的水準，尤其要注意無法讓你試錯的excel/word之SQL題。
我覺得如何準備這塊，最好的方法有2：
第一，如果你知道該公司會有assessment，建議先上一畝三分地查查看有沒有面經，面經裡面通常會有人分享題目的表格column是什麼，就此你可以自己出題目考自己，然後試著手寫query，想像你寫的query能否回答你自己出的題目。
第二，找人練。這完全吃人品，你可以找朋友練習或是像我一樣找一個和我很好的mentor對練，我的mentor好到她會自己創建一些表格和假的data，我們每週就是用半小時，他會先出好題目，然後我們共同開一個google文件，直接當場寫，並且口述我的邏輯，他協助我修正。
另外，我覺得SQL Assessment和平時學校學的最大的差異是，學校用的database很多都是一些免費、Mysql提供的資料庫，其實完全沒有businessvalue，很多assessment用的表格資料就是你面是公司平常會使用到的數據和表格。Shopee就是用各國的訂單資料、網路公司就是用使用者瀏覽行為的資料，所以如何寫出可以回傳正確結果的query，你必須要有一些domain knowledge，並且越快從樣板資料庫中跳脫出來，進入到真實商業情境應用思維，會對解決這種assessment加分很多。
至於Python，把pandas/numpy/matplotlib練至精熟，應該就沒有太大的問題。
簡單的資料分析和申論題準備方式為：1) 運用你在商業分析學程裡面分析資料的流程，進行完整的論述。2) 多累積產品知識，產品的概念其實都是殊途同歸，只要能搞懂邏輯，基本上就能以一招應萬變。
Online assessment with the interviewer 經歷過此關卡的公司：Carousell,New York Times, Houzz, PepsiCo
這個關卡和上一個關卡的形式雷同，但難度卻高出數倍，我認為，這是商業分析師所有面試關卡裡面最難的一個，我的面試歷程裡面，有四間公司有這樣的關卡，我Houzz的面試在這關止步。
通常online assessment 搭配面試官的版本都是以SQL為主，Carousell有加考Python，Houzz有考一題統計，但SQL一定是必考的，形式我整理出有三種：
1) 第一種為我最喜歡的一種，題目出在GoogleBig Query上面，作為google cloud的雲端資料庫，面試官會在面試前將資料庫寄給我，我跟面試官接上視訊/語音通話，我當場寫query，然後面試官則能透過我分享的螢幕觀察我寫query的過程，並且我可以run query的結果看我跑出來的結果是否正確，並且對結果進行解釋和分析，面試官進而評分和給我feedback。Carousell和紐約時報是採取這種方式。 2) 第二種為code pad，面試官和我進入到code pad的系統，面試官出好題在code pad上，通常就是幾個column name和table的特色，因為我們在一個系統中，我打甚麼對方也看的到，但code pad通常無法回傳結果，也無法透過結果進行偵錯。Houzz採取這種方式。 3) 最後一種，Google doc，面試官已經將題目出在google doc裡面，我們接上語音通話，直接在googledoc裡面進行query撰寫，同樣的，面試者也看不到query的結果，只能靠想像力去推測自己寫的query是否為真。
這個關卡的練習方法和上一個關卡相同，我仍然強烈推薦找人對練，以模擬第三種為主，因為第三種是最難最刻苦的題型，必須對SQL有一定的掌握度，而且要有處變不驚的能力，如何在短短兩三分鐘內掌握面試官提供給你的table和column，進而寫出回傳正確解答的query絕對是需要練習的。
這邊還有一個建議，找人對練除了要練寫SQL的能力，更重要的是要磨練如何問問題的能力。面對這種關卡，最忌諱的就是看到題目和表格欄位就默默不出聲的猛寫，這種關卡最有趣也最富挑戰性的就是你要掌握跟面試官的互動。
把它想成是顧問業面試那種caseinterview，看到問題，多跟面試官釐清問題的意思、重述你對於題目的理解。看到表格，也可以和面試官釐清你不懂或是想要多了解定義的欄位。這個過程可以展現你的思路和你解讀問題的能力，同時也可以幫助爭取思考時間。
釐清完問題，別忘記可以先說出你的思路，比如說你想Join哪幾個表格、你要用甚麼aggregate function、你怎麼filter資料，當對方說make sense，才開始撰寫query，這種關卡和前面的online assessment最不同的是面試官存在這個半小時、四十五分鐘的時間裡，考量他的存在，帶著他加入你的思索過程，engage him、bring him on，讓他觀賞你展現你思路的過程。
最後，如果query是可以跑的(第一種形式)，最重要的，別忘記你是在面試商業分析師，資料有結果出來，一定要做詮釋，可以做事實的闡述，提供合理的推論，最後講講根據結果，你可以簡單做一些建議，告訴紐時或選轉拍賣你可以在deep dive哪些資料、怎麼根據這個資料更優化產品、更了解使用者等等。到這時候，才是一個完整流程的完成。
Data Challenge 經歷過此關卡的公司：Agoda、Capital One、Carousell、Sonder、6Sense
Data challenge是挺難纏的一個關卡，我得在這邊聲明我並不是一個最適合分享怎麼準備data challenge的人，在五個公司的面試裡，我做了四個data challenge (Capital One我最後放棄沒有做)，我只有通過一個 (Sonder)，並且進到下一關，這關基本上是我的剋星，所以以下我簡單分享我碰過data challenge的類型。
1. 公司準備一個data set，並且給予問題，請面試者用四天到一周的時間完成，最後遞交程式碼與投影片。Carousell是針對程式碼和投影片決定是否會進下一關到presentation，我沒有進到下一關；Agoda則沒有篩選，直接在遞交之後安排視訊，和三個面試官present發現，我在這一關敗北。 2. 公司準備一個data set，請我建立機器學習模型，我最後提供一個excel，標註每個ID分類的結果，通過後，在一關面試和面試官講解我建模的過程。(6Sense) 3. 公司準備一個 data set，針對data set建立Tableau Dashboard，遞交後由面試主管審核，通過後，安排電話面試進行dashboard講解。(Sonder，成功過關拿到onsite)
Hiring manager / Team member phone interview 要走向最後的Onsite和offer，在度過data challenge、assessment的淘選後，面試者必須在被電話另外一頭的主管、團隊成員拷問一輪，才能最後拿到onsite的邀請卡。以下，我在將這些漫長一關關的電話面試歸納成幾種問題類型，每一輪裡面按照面試官的背景、他們想要測試你的面向，或多或少會融合以下幾種類型的題目，我會簡單的做一些介紹和分享我是如何準備的！
l Behavior questions 含有此種問題的面試：Shopee、Carousell、Visa、Neustar、NY Times、Google
和recruiter screening雷同，基本上準備好STAR Story應該就沒有甚麼問題。這種問題通常會是在一個30-45分鐘的面試裡面最前面出現的問題類型，有暖場的效果，不要緊張、穩定的回答即可。
l Data Project experience 含有此種問題的面試：Carousell、Agoda、Google、Capital One、Sonder、NY Times、Visa、Shopee、Neustar
既然是面試資料分析師相關的職位，這種要面試者分享自身做過的資料分析專案的題目一定是大宗。這種類型的題目挺多元，有淺層者如詢問你是否有用程式語言執行資料分析專案的問題、也有深層要你從頭到尾講述你怎麼完成一個資料分析專案，並且對於使用者/利益關係人帶來甚麼樣的影響。
面對這種問題，我會建議仍然以STAR的架構進行回答。先用言簡意賅的語句闡述商業問題、滯礙難型的現狀，再來解釋使用的資料集 (資料大小、表格欄位、所含資料等)、再者點出你的解決方案，通常這邊我都會用三個決策目標、一句話一個目標先畫出輪廓，最後深入每個目標，我用了甚麼技巧、模型和工具得到甚麼結果，最後帶出甚麼樣的成效做結束。
面對這種類型的回答，我會建議回答時間不要超過三分半鐘，所以這樣類型的題目一定要事先練習，可以把答案書寫下來，再來進行刪減，提煉出最精華的內容。
另外還有一點非常重要的是，一定要熟悉你在專案裡面使用的模型、統計概念、甚至是替代方案，大多數MSBA的學生都會分享在這一年學程裡面所做的專案，且通常都是分組專案，有些分析可能不是面試者所負責的，但如果你打算講，一定要熟悉其他人所作的內容和資料分析模型，不然一旦面試官深入詢問，很容易就露餡且講出零落的回答。我在Visa onsite前的一關電話面試，面試官極深入的和我討論在我期末專案中不是我負責的項目，我的回答不盡理想，整個搞砸，結束後不到一小時就收到感謝函了。
l Product Question/Scenario question 含有此種問題的面試：Google、Carousell、Sonder、NY Times 這種問題是身為志在產品分析師職位的我最喜歡也最享受的類型，而會出這種問題的當然就是以產品為本位的公司。
這種問題通常包含大量的假設性問題或是情境題，面試者往往會拿手上的專案或是現階段團隊碰到的一些產品問題，直接請你提供解決方案、設計實驗或是找出合適的metrics。面試者不會期待你給出正確無誤的答案，因為他們自己也還沒有解答，他們期待看到你的邏輯展現、對於他們產品的理解、使用這項產品的使用者流程，怎麼在每個流程定義出好的指標，並且設計出測試的實驗。
面對者這種問題，有三個面向我會建議讀者好好準備跟充分內化成自己的思維邏輯。
第一，一定要了解面試公司的產品，不管產品是一個網站、應用程式還是服務，儘管可能是要付費，還是要親自體驗、使用過，把自己當作一個初次使用的使用者，每個按鈕、頁面都要嘗試，已完成一次使用者體驗為目標。舉例來說，NY Times cooking，試著下載、試試看free trial、閱讀內容、分享內容、儲存食譜；旋轉拍賣可以試試看瀏覽商品、加入我的最愛、加入購物車、最後購買，記下你覺得好用、驚豔的功能也記下難用、覺得可以改善的功能，並且想想，如果你是產品經理，哪一個行為你覺得對於這個產品來說是最有價值的。對於NY Times cooking來說，最有價值的就是訂閱；對於旋轉拍賣來說，最有價值的對買家來說就是購買、對賣家來說是創造第一筆Listing。這個準備是至關重要的，如果你不了解一個產品、進而喜歡他，你怎麼能期待面試官對你有好的印象呢？
第二、metrics。這塊完全可以在以一篇新的文章去講述，如何培養對metrics的思維，我這邊推薦購買且閱讀Lean Analytics這本書，只要能融會貫通本書內容，應該七成的產品問題就能輕鬆以對。
第三，A/B Testing。A/B testing也是一個以不變應萬變的準備模式，在網路上搜尋a/b testing有很多資源，做實驗有一個邏輯性，只要把這個邏輯順序搭配產品metrics闡述清楚，這部分即可迎刃而解。
l Statistics/machine learning/programming /database question 最後這一塊簡單歸納就是所謂的technicalinterview，我在這邊的建議為多線馬車進行準備。
1. 跟著學程進行學習、複習、整理重點。 2. 找到網路上的資源整理，安排複習進度。 3. 上一畝三分地、Glassdoor參考該公司、該相關職缺的考古題，縮小準備範疇全力衝刺準備。
如同我在前一篇文章所附上的問卷連結，我之後將會標售我整理的準備秘笈，裡面有我準備個面向technical question的複習資源，如果有興趣者，敬請關注我的Medium消息。歡迎點入我的問卷連結，之後這個就業資源釋出我會率先聯絡你喔！(針對在美國開始就讀MSBA的學弟妹，會酌收一點小費用)
Onsite/Final Round Onsite-經歷過此關卡的公司：Amazon、Neustar、Best Buy Final round-經歷過此關卡的公司：New York Times、Carousell、Shopee
最後的最後，經歷過血淚的拒信和各種關卡，當你收到recruiter的信件說，要邀請你到最後一關的時候，那種感覺應該是超級無敵複雜的，既有種旅程走到終點的感覺，但又同時要上緊最後一根發條，拿出最好的表現，攻下最後一城。
最後一關分為兩種，一種是會在當場，和多個面試官面對面，這考量地點、公司財力和規劃；另外一種是全程都是視訊完成，也是成本和地點考量，像是蝦皮和旋轉就在新加坡，所以公司不太會飛候選人過去。
以下我就簡單講一下這六間供onsite和final round的形式，讓大家有個概念。
Amazon: 校內面試，四關，每關45分鐘，兩關純behavior question、兩關混合behavior question和technical question。 Neustar: 舊金山辦公室面試，五關，每關30分鐘，九成都是Behavior question和data project question，一點點technical question Best Buy: 明尼阿波利斯辦公室，四關，每關30-45分鐘不等，多數為behavior question，少數情境題，看我怎麼解決衝突
New York Times: 兩次面試，每次面試都2.5-3小時，總共和九個面試官面試，一個面試官半小時，大量的behavior question、產品題目，面完非常非常喜歡這個團隊 Shopee: 和主管面試一關，45分鐘，behavior question。 Carousell: 和創辦人與PM面試，45分鐘，behavior question。
我覺得最後給讀者的建議就是，對於finalround，因為你已經在前面的關卡做好充分的準備，只要在Onsite前把考古題、先前面試比較會被強調的題型多看幾遍、多準備好，以自然放鬆的態度迎接最後一關，基本上就不會有太大的問題，通常越放鬆、表現會越好，也別忘記用Linkedin查找面試官的背景，設想這樣背景的團隊成員會問出甚麼樣的問題，並且依此準備。
最後一關通常最後的關鍵是看候選人有沒有跟團隊的文化和氛圍切合，這很玄，但走到最後，真的是看團隊成員、你的老闆喜不喜歡你，他們能不能跟你一起共事，而同時，你也是透過這個機會觀察你會不會想要跟這個團隊一起合作、發展你的職涯。面完，走出辦公室或者掛上電話，長吁一口氣，走進陽光裡，好好的犒賞自己，不要太憂慮結果，因為相信自己已經展現出最好的一面，然後耐心等待。
小小的結尾，在這篇漫長的旅途和文字之後 這是一篇拖了無比久的稿件，最近在亞馬遜的工作挺崩潰的，每天回到家就想要躺在沙發上擺爛想死，很多求職的細節也不復記憶，但我盡可能的找了一條我能掌握的經緯把經驗撰寫成文，當作這一年不算太波折的求職的收尾。
但我們總在路上，就像高中畢業，我們以為上了大學就可以玩樂四年；大學畢業找到一份工作就可以一帆風順，其實不然，出了社會就想要出國，忙著申請，申請到學校才發現艱難才正式開始，怎麼在美國找工作、如何在異國的土壤掙扎著求生，而最後落地一份工作，或許會發現工作不符預期，挑戰才正式開始，關卡之後還是關卡、煩惱之後連著更多的煩惱。
我始終在路上，但我學習到不管怎麼艱難，每個當下都要懷抱感謝，也要提醒自己要轉換這些感恩成幫助別人的力量，儘管自己一個人，身旁還是很多無形的援手遞向我，在我艱難的時候拉我一把，而我也期待能成為這樣的存在，拉人一把。
也希望讀著這篇文字的你/妳，能從我的經驗裡獲取一些方向，提早開始，抓住機會，然後等功成名就之時，也別忘了幫助一樣是來自島嶼的年輕靈魂們，讓他們有所成長，最後得以回饋我們的土地。
以上。
求職資源盤點：https://reurl.cc/m85El
| 
[复制链接]
京公网安备11010202008513号 京ICP证101109号 京ICP备12012021号
发表于 2019-7-28 01:50:43
收藏
收藏
发表于 2019-7-28 10:13:08
