我如何从广告公司跳槽科技大厂——谷歌？
从今年疫情爆发开始，我们开启了每周1~3场免费线上求职讲座的马拉松，邀请背景各异的嘉宾来分享针对疫情特殊情况下，接地气的求职应对方法。今天我们文字录入的分享，来自Google的数据分析师Alice，她将要介绍自己是如何从广告公司跳槽到科技大厂—谷歌的。
Alice：
现在美国疫情还是增长期，我特别理解大家今年找工作的不容易。无论是刚毕业的同学还是在找工作准备跳槽的朋友都比以往困难了很多很多。我其实也和你们一样经历过很艰难地找工作的阶段，包括现在我在职业和事业上也都在不断的探索和发现自己。所以我希望能通过分享我的亲身经历，给大家一些关于找工作和跳槽的帮助与启发。
嘉宾背景
谷歌数据分析师，广告销售组
前GroupM Analytics Manager
本科专业：文化产业管理
研究生专业：美国罗切斯特大学市场分析（Marketing Analytics）
如何找到自己的兴趣点？—— 实习
我觉得在求学期间，积累实习和项目经历是非常非常有用的。因为实习过程其实是了解行业的过程，也是了解你自己的过程。
我第一段实习是在四大会计师事务所，因为学校的原因，所以身边的同学都会去那边实习，但是我发现我自己并不喜欢做这种金融会计方面的东西。后来我也有去试过证券公司，然后也去到过传媒公司，那最后我发现我的兴趣点其实就是在传媒公司的数据分析部门。当我确定了自己的喜好，排除我不喜欢的东西后我也更加坚定了之后研究生要学习的方向。这也为我之后到了美国找到广告公司GroupM的第一份工作打下了基础。
研究生时期需要培养2种必要的技能
在研究生期间，对我找工作最重要的两点就是培养了我的Technical skills和Career development skill。
Technical skill不用多说，如果你未来的求职目标是Data analysis，business analysis，或者是data scientists的话那么在这个阶段打好基础就非常重要了。那具体在工作中，technical skills的话，比如说因为我是在广告行业，我会学习这种marketing audience strategy或者prices这样的一些课程，那技术知识就是非常重要的基础知识。我其实个人把technical skills分为两方面，coding和统计。coding也就是数据相关的知识，比如说SQL这个是最最基本的人手都需要会的东西,更高级一点的就是，R、Python、包括data virtualization等等。那除此以外还有统计知识我觉得也是非常重要的，因为现在无论是在广告公司的数据分析部门还是科技大厂，大家其实都很想要做一些有意思的analysis，尤其是advanced analysis，那这样的话呢，我们就会运用到很多统计知识，像Regression和Machine learning Model，这些都是我当时课程所接触的，我觉得对未来的求职是很有帮助的。
但除了technical skill之外，很多同学容易忽略的一个skill就是career development skill。当时我的商学院注重对social networking的培养，我们会有很多不同的training session和课程，我们会练习就是networking、如何在career fair的时候面对面的交流、如何快速的在三分钟内介绍自己等等。我觉得我就是通过这些training然后在面试和networking这方面变得更加的得心应手。
拿到第一份Dream Job的3个机遇
研究生刚毕业的时候，我就找到了在GroupM的第一份工作。GroupM是我当时心心念念很想去的一个公司，因为我觉得它是跟我专业非常对口而且做数据驱动的广告营销是我非常想学习的一个方面。
当时我能找到这样一个工作，有三个点我觉得比较重要。
第一个就是因为我们学校的项目是和GroupM有合作的，所以我们会从学校内部的网站上看到它的一些招聘广告。所以我觉得一些在校生朋友们可以每天去刷一刷你们学校内部的网站看一看，判断和哪些公司有联系，然后去关注一下在学校官网上po出来的工作，快速的去接触到这些校外的资源。
还有一点就是我觉得非常重要的，能让你脱颖而出的就是start early。我当时对很多的面试问题都做足了积累，修改了很多遍的简历，所以我觉得对于想要找工作以及换工作的朋友来说，保持对于面试问题的熟练程度是个很重要的点。
那么最后一点，也就是我非常幸运的通过Linkedin认识到了我在GroupM工作的学姐，也是MarTechApe的创始人之一，我印象很深的是当时我遇到了她之后因为我要准备面试，我就问了一些就是究竟要准备哪些面试的问题，和关于数据分析的内容。幸运的是因为我的学姐，我了解到了很多关于GroupM员工到底每天在做什么，然后他们用什么样的工具和思维，平时会接触什么样的数据等等，这让我有的放矢地去准备面试。最终我就很幸运的结合自己的经历拿到了GroupM的offer。
职业进阶：从广告公司跳槽到Google
那在GroupM工作的三年多的时间里呢，我积累了很多工作的经验，最主要的就是在Marketing Mix Modeling，data management和reporting方面的经历。这三个点是我觉得我在GroupM收获最大的，也是帮助我跳槽到谷歌的一个很有用的经历。
到了今年二月的时候，我顺利跳槽进了谷歌，也算是完成了一个进入科技大厂看一看的心愿。因为我刚入职不久就遇到了疫情，所以我也是还在学习和探索中。有些心得会和在后面和大家分享。我在谷歌现在做的主要是Data pipeline，做一些数据管理和Data pipeline的建立工作。因为在科技公司中这个数据量非常大，我们需要把它很好的clean然后做一个Data warehouse，这样才能更快的去帮助大家铺垫。我还会去做一些revenue analysis，因为我还负责的是谷歌中小型企业主的所有revenue的数据分析。那这就是我大概的一个求学和求职的timeline。
广告公司与科技公司的相似之处：快节奏、跨部门、数据驱动
首先就是共性，第一点是fast developing。因为广告公司和科技公司所在的这个行业都是一个资源很多，机会很多的地方。从宏观上来说，大的广告公司和科技公司的广告部门都在市场上会占有比较多的份额，所以他们拥有很多的资源发展机会，那这就需要在这样的公司工作的人每天对未来广告发展的这个方向进行很多探索。
具体落实在工作上，你可能会经历比如说老板今天跟你说这个项目我们走这个方向，然后明天可能方向就变了，一切就推翻重来，你每天都能感受到更新迭代非常得快。落实到个人身上就是你可能需要保持不断的学习态度，和公司一起进步。你可能要经常接触一些行业的新闻，看一看哪些新的科技出现了或者是比如说哪些新的policy出来了，哪些新的产品出现了等等。我们很多的同事也会在工作之余去自己学习一些额外的课程来跟上行业脚步。说实话我自己也是MarTechApe的常客，学过他们很多课程。我觉得这个是针对一些相对其它一些传统的行业或者是比如说金融银行或者一些医药行业来说可能会不太一样的地方，就是发展非常快。
但同时广告公司和科技大厂，它是有一个Frenemy（亦敌亦友）的微妙关系存在。广告公司和科技公司他们有点相爱相杀的感觉。因为科技公司现在由于自己的平台很大也有很多的traffic和流量，它也在自己的平台上去做一些广告，这样可能就会和广告公司的客户有overlapping，因此科技公司也大量从广告公司里抢人。所以说他们既是相辅相成、互相去使用一些各自擅长的或者专业化的资源，但同时因为分享的市场也是类似的，所以他们也存在互相竞争的关系。
第二个相同点的话就是Comprehensive functionality。这一点的话就是广告和科技公司他们内部其实都有一个完善的职能体系，公司各式各样部门分工非常明确。比如广告公司，有针对购买广告和有专门分析的部门，那科技公司也会有不同的产品部门。但这一点的downside就是每个人在大厂无一例外就是一个螺丝钉，工作的范围非常狭窄。有时和其他的部门合作是可能会造成科技、知识断层的情况，很难有一个全局的概念。所以如果你真的想在丰富的大厂工作资源条件下，平衡你所做的东西和你想学的东西，不当一个螺丝钉的话呢，你就需要付出更多时间去学习去接触其他的部门。
第三点就是广告公司和科技大厂都是非常注意数据驱动的，因为他们很想做到精准的定位和营销。每个部门无论是从产品还是用户的管理，都是用数据来帮助决策，大公司尤为明显。对于一些初创公司来说，数据可能不是那么的重要。但是在大公司中，像广告科技这样的公司，它其实更加会注重数据驱动的效率和准确。所以如果你想要入职这样的公司，就一定要确保你的coding，数据知识那些都过关，多练习接触。
最后一点就是，这些公司的team culture都非常好。我工作的公司，氛围都比较成熟，很开放。可能很多人觉得说谷歌、Facebook的工作人员可以每天三点下班然后享受生活，某种意义上是这样。但是据我所知，其实像这样的大公司其实有很大的竞争压力，甚至有像amazon那样的末位淘汰制。那我们肯定也有很多比较休闲的人员在谷歌里面，但如果你真的是想做出一些事情或者是想晋升，那会是非常忙碌的。当然，如果你想享受生活这样也没有问题，但是我想给大家一个心理准备，就是说，不是进了科技大厂就可以放松，有时候进到公司以后才是你要努力争斗的开始。
广告公司与科技公司差异：待遇、文化、晋升速度
第一点就体现在薪资和福利的差异上，我想大家应该都知道这二者的薪酬范围差距很大。对于刚毕业的学生来讲，工资可能就差别更大了。其实广告公司作为传统的行业，薪资在不同的这种公司间都差不多，整体其实不太高，薪资的结构呢也是以这个底薪为主，可能部分公司会有bonus，但是应该没有股票这么一说。但科技公司的薪资，它是由底薪，bonus和stock组成的package，会比较高。当然这个stock它是说需要分年发放，一般都是四年平均发给你。但是考虑生活的成本和location不同，其实我们不应光看这个绝对的值。像硅谷的房价和税都非常高，所以比如说，即使你年薪20万在硅谷，可能你的生活的品质就是还好一般，这个样子。
那第二点呢就是work style and peer pressure，工作方式和竞争压力。在广告公司，由于偏向乙方多一点，所以大家之间没有明显的竞争，项目主导居多。基本就是一切听领导的。但是科技公司更像甲方，你需要充分的主观能动性，能够自发的与其他团队合作，产生新的创意和灵感。所以如果你想从广告公司跳槽科技公司的话，工作思路的转换其实是一个很大的挑战。
那最后的话就是Title和promotion。很多同学可能发现在广告公司晋升速度其实是非常快的。拿我举例的话可能比如说一年半就能从junior升到senior然后升manager这样。我们的pressure也基本上都是比较小的，同事之间相处得也都是其乐融融。但是在科技公司的话，这个晋升速度普遍来讲都非常慢。像谷歌的话平均晋升可能是要两到三年，会非常慢。那还有一个，由于这个晋升速度的不同会导致一个Title的不同。很多朋友跳槽之后可能会出现降级的情况，所以大家也要做好心理准备。
如何准备科技大厂的面试？
主要有三点 - Relevance，Thought Process和Cultural Fit。
Relevance我之前有提到过就是not only technical but also business，那我之前可能主要讲到，我希望大家努力提升自己的technical skills，但是很多真正的技能还是从business中得到体现的。很多人在跳槽的时候他可能知道自己做过什么，所以很容易被自己所做过的项目和工作所框住。但是，他们不知道要如何把这个现有的项目和经历去迁移到所申请的职位中。
我自己的方法是把以前的广告经历融入到谷歌的面试中，我会把自己的经历进行详细的拆分，讲成故事，比如说遇到一个什么样的business问题，通过分析什么样的数据，然后提出什么样的建议。那如果这个java script代码上面有对R有要求，我就会单独提炼出来我是如何用R来做出的这个公式，做出的数据转换。所以你可以根据你想申请的这个行业，去发现招聘上面它需要的能力和基本的逻辑到底是什么。然后根据你的经历去准备一个一个小故事，这样便于你面试的时候去告诉面试官。
第二点就是Thought Process，这方面的准备的话会有很多资料比如像consulting one on one啊都是一些比较好的一些阅读资料。那很多人在准备比如说data scientist或者和数据相关的面试的时候会有一些case interview，那我会建议---第一点Take a minute。很多同学在遇到一个case interview的时候，可能就想直接回答说我觉得应该怎么怎么样。
但是以谷歌为例，我们其实是鼓励面试者先take a minute去思考，就说，现在让我用一分钟的时间大概组织一下我的语言或者你把这个提纲列到纸上面，大概写下你要说的点是什么。面试官其实也非常鼓励你这么做，所以我希望大家不要上来就说，不是越快越好。那第二点呢就是breakdown。就很多这个case interview的问题其实是和product类似的，它都是一个break down需要你层层的去剖析这个问题。
第三点就是Think out loud。很多中国朋友在求职的时候都倾向于完美主义。就是想好以后直接回答问题。但是其实在面试的时候你需要注意和面试官有些interaction。你需要Think Out Loud，你需要说出你所想的东西。哪怕不对或者就是断断续续，你也要告诉面试官你是怎么想的，你的答案是怎么来的。
那我们到下一个，也就是Cultural Fit。这一点其实最终考察的就是人家愿不愿意和你一起工作。不同的公司会有不同的体现，例如amazon就有amazon principle来评价，Google就会比较看重leadership这样的culture hit。
Google面试流程
接下来我就以自己的经历为例大概快速的给大家过一下google这个面试大概是怎么样的。不同的组和不同的方向可能会有些出入，那这个是我根据自己的经历总结的。
第一轮肯定就是HR screening。这里面基本会考到你的self introduction，例如why google，why this position，包括你为什么想要跳槽，以前的experience都会被问到。然后开始的时候有些朋友会想问一些关于薪资相关问题，其实就是没有说特别的禁忌，但是，如果你问他的话，他基本就告诉你说现在没有一个具体的范围，他会根据你最后面试的情况还有你的表现去统一公司里的这个级别给你评分。有的HR可能会给你大概的一个薪资的期望或者是一个大范围。
第二轮的话一般可能会是一个technical去筛选，主要考的就是数据分析。SQL/R/Python也会被考到，但主要还是SQL和R比较多。那最后就是，case和behavioral interview。那我们之前讲到了consulting case，product sense，modeling case如何准备。
最后在谷歌还会有一个onsite。现在疫情期间可以进行远程的onsite，可以video call。一般onsite就是你组里的人，以后要一起工作的人，他们就重复你以前考过的知识点，给你进行一次 all over again 的审核。最终还会有个HR team matching，他会看你这些基本的点都通过之后，考虑你应该被分配到哪个组。
跳槽避雷指南
这个指南主要针对那些想去换一个赛道或者换一个公司的人。我自己再跳槽的时候其实有遇到四点，我觉得大家可以避雷。
那么第一个就是be serious about each interview。如果是对这种科技大厂有兴趣的朋友，其实需要注意的就是他们有一个Frozen period，基本上以我的了解，它可能是比如说三个月半年甚至是一年这样的一个Frozen period。那如果你想同时申请一个组的不同职位的话，也很有可能会有这样的一个period。
那很多同学可能他想海投简历然后在一个公司中投很多不同的岗位，可能他收到面试很开心，但是我希望就是在申请职位之前你能问问自己，如果被录取了真的会去吗，会愿意去吗。希望大家可以端正态度，认真准备每一次面试，而不是因为面试机会多就不是很认真的去准备。因为你每次面试的记录都会被记录在案。
那第二点就是，Don’t stick to one company。这一点的话就是很多人可能会有大厂情结，但这不代表我们找工作的时候只选择大厂。在战略上的可能要先拿其他的小公司进行练手，广撒网。因为我当时有一个失误就是，我投google投的太早，在还没有拿到其他厂的offer和其他公司的offer前，我就有了google offer。所以我没有办法去跟谷歌做一个argue，那没有competing offer的话，你这个薪资可能就是不是那么的有说服力。
那第三点就是Don't fight alone。我相信大家也都知道就是我们需要向身边的人或者身边的一些学长学姐去学习。有些同学可能就是自己埋头刷题，找工作。但是我希望大家可以跟朋友互相讨论面试的题目啊，或者能refer的就refer。这样能比自己私下练习对着电脑来说效率高一些。
最后一点呢就是 Not only work，but also lifestyle。其实我们选择工作更多的也是选择哪种生活方式，哪里定居下来或者怎么样，这都是你需要考虑的点。所以我希望在大家在找工作的时候可以不用光看公司，我们要考虑的全面一点。
疫情期间的求职小贴士
那最后呢我想跟大家分享一些疫情期间的求职小贴士。首先是Keep Networking，包括Linkedin，career center。Linkedin仍然是个非常nice的工具，有大量的open position等你挖掘。然后就是Explore Resources，像一亩三分地，MarTechApe都是非常好的资源。我当时就在一亩三分地上找到了很多面经。下一个是Build Up（technical&business，cheatsheet），现在疫情期间是很好的可以用来学习东西的时间。而且因为现在疫情的缘故，很多面试都是电话或者视频，所以你可以给自己准备一张cheatsheet，如果忘记了能帮助自己更好的回顾和准备面试题目。最后就是不要放弃，Don’t give up！如果真的喜欢这个工作的话，就要努力准备，总有一天会实现这个目标的！
非常感谢 Alice老师今天的求职经验分享。如果你也怀揣着一颗想去科技大厂的心，如果你也想掌握Alice老师进入大厂的必备技能-Marketing Mix Modeling的话，那就千万不要错过MarTechApe携手全球最大广告集团WPP的数据总监、营销分析经理联手推出，业内标准流程的《营销组合建模企业级训练营》第10期，专注于培养营销数据科学家！(本周末开营）
▼点击图片，了解项目详情
训练营的学员收获了:
真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。
从我们的项目中，毕业了将近200名学生，斩获各大公司数据岗位offer：
目前，《营销组合建模企业级训练营》正在火热进行第10期的招募！每一期仅有20个席位！
添加下方小助手微信，了解项目详情！
小助手（微信ID：yvonne91_wsn)
