上岸算法 I 为什么我总是拿不到面试

前言

在疫情笼罩，各大公司缩招的大环境下，你是不是发现周围还是有朋友收各大厂的offer收到手软？每次翻邮箱发现并没有HR回复，仿佛公司缩招影响的对象只有你一个？明明想做大数据这种酷盖的工作，仅收到的几封邮件还都是full stack/前端职位的？但是真的想不明白到底是哪里出了问题啊

分析

其实找工作简单来说分为三个步骤：

1. 通过HR筛选（resume screening）

2. 通过面试筛选（interview）

3. 通过行为筛选（behavior）

很多毕业生都在积极准备步骤#2，比如刷题，系统设计等等，但是其实大多数人悄无声息的输在了第一步（然而却没有人告诉他们。。。）

如何通过HR的简历筛选，这是个好问题，于是我们采访了大厂从业五年的HR小姐姐，帮大家直接得出结论。

太长不看版本：HR最喜欢看项目经历，所以你的简历至少要有两个重要项目。

仔细听小姐姐说版本：首先HR看简历的速度非常快，所以那些把简历写到超出一页的，请自行面壁思过，如果你还把自己最重要经历放在第二页，那么你懂的，请立刻修改简历。一般来说，一个好的简历不需要写那么多的项目和经历，多不如精，一般来说放四个就足够了，优先级是 工作经历（fulltime）> 实习经历（intern）> 符合职位的校级项目（academic project）。如果什么项目都没有或者做过的项目和找工作方向不符合的，可以去下一个章节看一下如何查漏补缺。

其次，HR毕竟不是纯技术背景，所以对他们而言，关键词是非常重要的。举个栗子：如果你想找大数据相关的工作，就应该多放一些大数据关键词，比如HR最喜欢的Spark，Kafka，Flink等等，面试官只有在第一时间看到这些关键词才会有兴趣继续看你的项目。但是，如果HR看了三十秒还是没有找到任何她感兴趣的部分，那么很可能这份（优秀的）简历就要被pass了。所以（划重点！），在简历里单独列出来一个模块，罗列自己的技能点，让HR一眼就发现你的优点。

最后，当HR被你（的简历）吸引之后，他就会愿意多花一些时间看你做的项目，如果你的项目和技能点全方位呼应，并且完美的展示了你的实战能力，那么恭喜你，HR会在百忙之中给你发一封邮件问你有没有兴趣聊一聊了～ 那么只要你把握好机会，基本上能和HR聊上几句的同学们都会有机会进入到下一步面试环节啦！

改进

于是这时候就会有同学想：我缺的难道是一份优秀的简历吗？我明明缺的是能秀上简历的项目。

这个问题在应届生中特别常见，一方面很多学生是从别的专业转码，对他们而言不管是项目还是基础的工具可能都没有机会接触。另一方面，有些学生即使有机会接触到项目，那些项目可能过于基础，和他们找工作的方向不符。比如最常见的就是，学校有很多android application或者web application的项目，上手简单还有成果，但是如果同学想找大数据方向的工作，这种项目却根本没有任何写到简历上的价值。所以最终找工作时，看到别的同学写的满满的简历就只能默默羡慕了。

但是好的项目去哪找呢？在问“为什么”之前我们先明确“是什么”，什么是好项目？

1. 项目内容必须是当下热点，比如大数据，机器学习等

但是现在市面上很多课都是挂着热门方向，但是教的都是过时的知识。比如大数据方向却还在教MapReduce，ML方向却还在教过时的model，Realtime方向却还在教第一代的工具，不仅学了浪费时间，还会被HR反问为什么学这么老的工具？

2. 项目并不只是粗暴的写代码，必须有知识梳理和经验传授的过程

很多同学可能问，有些online课程9.99$一期课难道不香嘛？还真就…不香… 很多市面上的online课程除了有上面提到的第一个问题，它还存在的最大的问题就是，毕竟课程便宜嘛，所以只要能让学生越快实现一段代码，就能给他们创造足够的满足感。在这种前提下，这些课程实在是缺乏讲解。比如一期课八个小时，可能写代码占了七小时，知识梳理只有一小时。稀里糊涂写完代码并且跑通，为自己高兴点赞，遇到面试官随便被问了两个问题就发现自己其实什么也没懂。不仅浪费时间还会高估自己的实力，也会给面试官留下不好的印象。

3. 项目所用的工具需要足够接近企业级实战工具

还有很多课程的弊端就是，为了方便没有经验的学生迅速上手，课程会选用一些操作少容易理解的工具教给学生使用。举个简单的栗子，现在所有的公司都在用cloud，但是很多课程会教学生用本地的docker环境模拟cloud，或者用Cloudera这种（不太popular的）产品，AWS/Azure/BigOcean 这些应用很广的产品为什么大多数课程都不用呢？因为AWS/Azure/BigOcean这种有一套完整平台的产品，虽然收效很大，但是学习周期（learning curve）长，人家一套19.99或者199.99的课，怎么会有那么多精力去教你cloud生态圈的东西。

4. 项目有配套的实验（lab）可以实际操作

项目课顾名思义就是要做项目，但是很多人的误区就是：做项目=写代码，其实两者差别很大。再举个例子，很多人写项目说自己做过基于spark的分布式数据处理，但是一旦被问到哪怕基础问题，比如spark内部资源如何调节和优化的？比如分布式是如何实现的？比如如何正确的解决数据倾斜问题的？大多数人都被问倒了。就是因为 做项目！=写代码，代码写完只意味着你知道这些工具如何使用了，但只有自己应用大数据去跑任务，自己去debug，自己去查看任务的进程，理解内部的运作，才能说真正做过项目。而这个过程只能通过做lab才能实现。