Поиск работы в Германии аналитиком данных.
Итак, начинается 2026 год, а это значит, что пора искать работу. С позициями в науке все понятно - я подаюсь на позицию, говорю, что я знаю и умею, а мне верят на слово, как джентельмену ("вот тут-то карта мне и поперла..."). К сожалению, с собеседованиями в реальные компании всё не так просто: приходится показывать портфолио и проходить интервью.
В общем, я пролистал вакансии и выделил, что можно изучать на позицию аналитика данных в Германии:
1. SQL
Сложные запросы, оконные функции, облачные платформ (BigQuery, Snowflake), нормализация, dbt, ETL
2. Визуализация и метрики
Looker, Tableau, Power BI, Dash;
Конверсии, средний чек, Customer Lifetime Value (CLTV), Churn Rate (коэффициент оттока), CAC (Customer Acquisition Cost), Revenue Growth Rate
3. Machine Learning and statistics.
Методы машинного обучения и статистики, A/B подход, p-value, confidence intervals, power analysis, Байесовский подход.
А еще нужно создать какое-то портфолио. Пишите в комментариях, если я что-то забыл. Да, год будет веселым.
Итак, начинается 2026 год, а это значит, что пора искать работу. С позициями в науке все понятно - я подаюсь на позицию, говорю, что я знаю и умею, а мне верят на слово, как джентельмену ("вот тут-то карта мне и поперла..."). К сожалению, с собеседованиями в реальные компании всё не так просто: приходится показывать портфолио и проходить интервью.
В общем, я пролистал вакансии и выделил, что можно изучать на позицию аналитика данных в Германии:
1. SQL
Сложные запросы, оконные функции, облачные платформ (BigQuery, Snowflake), нормализация, dbt, ETL
2. Визуализация и метрики
Looker, Tableau, Power BI, Dash;
Конверсии, средний чек, Customer Lifetime Value (CLTV), Churn Rate (коэффициент оттока), CAC (Customer Acquisition Cost), Revenue Growth Rate
3. Machine Learning and statistics.
Методы машинного обучения и статистики, A/B подход, p-value, confidence intervals, power analysis, Байесовский подход.
А еще нужно создать какое-то портфолио. Пишите в комментариях, если я что-то забыл. Да, год будет веселым.
👍1
Время накручивать опыт?
Я тут начал потихоньку искать вакансии аналитиком данных и столкнулся с интересным феноменом — почти все вакансии требуют 2-3 года опыта. Самое удивительное, что требования в этих вакансиях не ахти какие: всё, что хотят от тебя многие работодатели, в спокойном темпе изучается за два-три месяца.
А вообще, искать сейчас работу в Германии не выглядит хорошим решением: удаленных позиций мало, во многих местах требуется немецкий на уровне родного, желаемый опыт — от 2-3 лет, зарплаты не впечатляют. Складывается ощущение, что мы идём в период большого застоя технологий, когда работники будут крепко держаться за свои места, зарплаты будут уменьшаться, а сам рынок будет сжиматься из-за нежелания игроков брать на себя риски и делать что-то новое. Грустно.
Я тут начал потихоньку искать вакансии аналитиком данных и столкнулся с интересным феноменом — почти все вакансии требуют 2-3 года опыта. Самое удивительное, что требования в этих вакансиях не ахти какие: всё, что хотят от тебя многие работодатели, в спокойном темпе изучается за два-три месяца.
А вообще, искать сейчас работу в Германии не выглядит хорошим решением: удаленных позиций мало, во многих местах требуется немецкий на уровне родного, желаемый опыт — от 2-3 лет, зарплаты не впечатляют. Складывается ощущение, что мы идём в период большого застоя технологий, когда работники будут крепко держаться за свои места, зарплаты будут уменьшаться, а сам рынок будет сжиматься из-за нежелания игроков брать на себя риски и делать что-то новое. Грустно.
А на какую позицию пойти?
Я тут внезапно понял, что слегка отстал от времени. Мы находимся посреди AI-бума, и в будущем будут нужны те, кто понимает, как работать на стыке AI и человека, как измерять их совместную продуктивность, как привлекать пользователей и бороться с их страхами. Еще чуть позже выйдет книжка-бестселлер "Как пасти AI-агентов в вашей организации". В общем, кажется, что всё говорит о том, что мы приближаемся к эпохе рутинизации профессий AI-внедренца и AI-психолога.
И мне подумалось, что неплохо бы последовать этому тренду. В чем смысл искать работу аналитика данных, где нужен немецкий и три года опыта, если можно пойти туда, где нужен английский, а трех лет опыта почти ни у кого и нет? В общем, я подумываю, а не стать ли мне Human-AI/Trusted-AI исследователем. Вакансии такие уже появляются, и конкуренция не так велика: из моего опыта — хорошие AI-инженеры обычно обладают очень плохим пониманием прикладной психологии (и не хотят учиться из-за гордости), а хорошие исследователи в психологии не очень заинтересованы в "говорящих" компьютерах. Осталось только понять, как к ним подготовиться.
Пример вакансии: https://openai.com/careers/research-engineer-human-centered-ai-san-francisco/
Я тут внезапно понял, что слегка отстал от времени. Мы находимся посреди AI-бума, и в будущем будут нужны те, кто понимает, как работать на стыке AI и человека, как измерять их совместную продуктивность, как привлекать пользователей и бороться с их страхами. Еще чуть позже выйдет книжка-бестселлер "Как пасти AI-агентов в вашей организации". В общем, кажется, что всё говорит о том, что мы приближаемся к эпохе рутинизации профессий AI-внедренца и AI-психолога.
И мне подумалось, что неплохо бы последовать этому тренду. В чем смысл искать работу аналитика данных, где нужен немецкий и три года опыта, если можно пойти туда, где нужен английский, а трех лет опыта почти ни у кого и нет? В общем, я подумываю, а не стать ли мне Human-AI/Trusted-AI исследователем. Вакансии такие уже появляются, и конкуренция не так велика: из моего опыта — хорошие AI-инженеры обычно обладают очень плохим пониманием прикладной психологии (и не хотят учиться из-за гордости), а хорошие исследователи в психологии не очень заинтересованы в "говорящих" компьютерах. Осталось только понять, как к ним подготовиться.
Пример вакансии: https://openai.com/careers/research-engineer-human-centered-ai-san-francisco/
Openai
Research Engineer, Human-Centered AI
Human Data · San Francisco · FullTime
👍5
А у нас тут есть ветеринары? У одного из участников нашей группы задание в вузе: дата сайнс для выявлений заболеваний крупного рогатого скота. Можно ли как-то ллмку там прикрутить? Как вообще можно помочь выявлять заболевания у животных 😅
Я тут понял, что питон оказал на меня дурное влияние. Я же ищу работу: решил все-таки посмотреть вакансии в моем прошлом поле деятельности — встраиваемые системы. Нашел вакансию, по многим требованиям подхожу или могу подготовиться, но...как вспомню весь этот ад встраиваемых систем, так вздрогну. Куча разных ядер, патчи в имейлах, кросс-компиляция, устаревшие системы сборки с десятками makefile, неудобные железки, которые сползают со стола, отладка по серийному порту через кабель, эмуляторы, не полностью эмулирующие железку...ну и гадость...
Назад к истокам.
За три месяца поиска работы аналитиком данных я понял, что дело это гиблое. Во-первых, вакансий очень мало. Во-вторых, большая часть вакансий требует знания немецкого на уровне нэйтива. В-третьих, даже те 10 более-менее подходящих вакансий, которые я смог найти и на которые откликнулся, не привели ни к одному собеседованию.
Положение грустное, но внезапно я обнаружил одну забавную вещь. Оказывается, ситуация совсем не так плачевна во встраиваемых системах. На удивление, там есть и удаленные позиции, и язык требуется далеко не всегда. А у меня еще и опыт работы есть в этих областях, и в стажировках участвовал (GSoC), и в диссертации в линукс ядре повозился . Из минусов — в последний раз я что-то делал в этой области лет 5 назад. Примерно тогда же в последний раз использовал C++. Поэтому скучать в ближайшие несколько месяцев мне точно не придется.
Итак, каков же план? А план прост: подготовить пет-проект, заодно повторяя забытые концепции. А пет-проект будет таков: фотокамера с видоискателем на основе маленького черно-белого дисплея. Если получится, потом еще и датчик движения прикручу. Все компоненты показаны ниже на фото. Ну а аналитика данных, видимо, останется пока что как хобби.
За три месяца поиска работы аналитиком данных я понял, что дело это гиблое. Во-первых, вакансий очень мало. Во-вторых, большая часть вакансий требует знания немецкого на уровне нэйтива. В-третьих, даже те 10 более-менее подходящих вакансий, которые я смог найти и на которые откликнулся, не привели ни к одному собеседованию.
Положение грустное, но внезапно я обнаружил одну забавную вещь. Оказывается, ситуация совсем не так плачевна во встраиваемых системах. На удивление, там есть и удаленные позиции, и язык требуется далеко не всегда. А у меня еще и опыт работы есть в этих областях, и в стажировках участвовал (GSoC), и в диссертации в линукс ядре повозился . Из минусов — в последний раз я что-то делал в этой области лет 5 назад. Примерно тогда же в последний раз использовал C++. Поэтому скучать в ближайшие несколько месяцев мне точно не придется.
Итак, каков же план? А план прост: подготовить пет-проект, заодно повторяя забытые концепции. А пет-проект будет таков: фотокамера с видоискателем на основе маленького черно-белого дисплея. Если получится, потом еще и датчик движения прикручу. Все компоненты показаны ниже на фото. Ну а аналитика данных, видимо, останется пока что как хобби.
👍2
Время экспериментов.
Я же недавно начал готовиться к собеседованиям. Идея проста: повторить всё необходимое для дата аналитика, подтянуть немецкий и начать подаваться на немецкоязычные вакансии. Но кто сказал, что это сработает? За предыдущие 3 месяца я не получил ни одного собеседования по англоязычным вакансиям, что если так же будет с немецким?
В общем, идея эксперимента: сделать резюме на немецком, добавить туда все необходимые термины, где-то приукрасить прошлый опыт и разослать это резюме на 10+ вакансий. Если будет хотя бы пара откликов, значит, все не так плохо. Если же и тут будет пусто...тогда и подумаем.
Я же недавно начал готовиться к собеседованиям. Идея проста: повторить всё необходимое для дата аналитика, подтянуть немецкий и начать подаваться на немецкоязычные вакансии. Но кто сказал, что это сработает? За предыдущие 3 месяца я не получил ни одного собеседования по англоязычным вакансиям, что если так же будет с немецким?
В общем, идея эксперимента: сделать резюме на немецком, добавить туда все необходимые термины, где-то приукрасить прошлый опыт и разослать это резюме на 10+ вакансий. Если будет хотя бы пара откликов, значит, все не так плохо. Если же и тут будет пусто...тогда и подумаем.
Очередной хакатон.
Я недавно сходил на локальный хакатон идей, на котороом я хотел поработать надо проблемой диагонстики заболеваний человека. Дальше я расскажу, как прошел ивент для участников, а затем подведу итоги. Если вам лень читать организационные нюансы, можете сразу переходить к итогам :)
Все началось с того, что в первый день мы представили свои идеи в формате минутного питча. После этого мы нарисовали постеры, разместили их на стендах, а другие участники ходили между ними и голосовали наклейками за понравившиеся проекты. В следующий этап проходили те идеи, которые набрали достаточное количество голосов.
На следующем этапе мы выставили постеры в основном помещении и собирали команды. Мой оригинальный проект прошел в этот тур, но не смог набрать нужное количество людей. Поэтому мы объединили (смерджили) две команды в одну. Изначально мой проект был посвящен суммаризации долговременных симптомов пациентов для лучшей диагностики. Ко мне присоединилась девушка с проектом про тегирование животных. В результате мы сфокусировались на диагностике заболеваний животных.
После формирования команд мы приступили к работе: необходимо было создать жизнеспособную бизнес-модель. В нашем случае возникла очевидная проблема: мы только-только собрались и никто из нас не понимал, что конкретно мы хотим делать. Два долгих дня мы мучительно формулировали актуальную проблему. В первый день работали самостоятельно, а на второй день у всей команды было две менторские сессии. Вечером второго дня прошел тренировочный питч без презентаций. Свою проблему мы сформулировали буквально за час до этого выступления.
На третий день состоялась тренировочная питч-сессия с презентациями, а вечером — собственно сам питч перед жюри. Мы старались успеть все возможное: подготовить бизнес-модель, сделать анализ конкурентов. К сожалению, хотя немалая часть материалов была подготовлена, мы просто не успели включить все это в презентацию. Я бы сказал, что наш питч был не самым успешным из-за недостатка времени на подготовку.
Итоги.
Подводя итог, могу сказать, что вынес несколько полезных уроков. Во-первых, на такие мероприятия надо идти с уже готовой, проработанной идеей решения — это отличает команды, которые занимают призовые места. Во-вторых, объединять две команды — это очень плохая идея. Если в команде два лидера, каждый со своим видением, то конфликты практически неизбежны. В-третьих, очень полезно иметь в составе опытных профессионалов: они показывают более высокие результаты, увереннее держатся и лучше отвечают на вопросы жюри.
Пойду ли я на такое мероприятие снова? Скорее всего, да. Для меня это итеративный обучающий процесс: я учусь коммуникации, лидерству и менеджменту. Ожидаю ли я, что это выльется в реальный стартап? Абсолютно точно нет. К сожалению, я не заметил улучшения качества идей даже у команд-победителей. После питча одной из команд-победителей член жюри отметила, что она не смогла понять проблему, которую они решают. Аналогичное впечатление сложилось и у меня еще в первый день, когда я слушал их выступление. В общем, я считаю, что в лучшем случае на мероприятии можно найти либо ко-фаундера, либо члена команды, но такие случаи, к сожалению, крайне редки.
Я недавно сходил на локальный хакатон идей, на котороом я хотел поработать надо проблемой диагонстики заболеваний человека. Дальше я расскажу, как прошел ивент для участников, а затем подведу итоги. Если вам лень читать организационные нюансы, можете сразу переходить к итогам :)
Все началось с того, что в первый день мы представили свои идеи в формате минутного питча. После этого мы нарисовали постеры, разместили их на стендах, а другие участники ходили между ними и голосовали наклейками за понравившиеся проекты. В следующий этап проходили те идеи, которые набрали достаточное количество голосов.
На следующем этапе мы выставили постеры в основном помещении и собирали команды. Мой оригинальный проект прошел в этот тур, но не смог набрать нужное количество людей. Поэтому мы объединили (смерджили) две команды в одну. Изначально мой проект был посвящен суммаризации долговременных симптомов пациентов для лучшей диагностики. Ко мне присоединилась девушка с проектом про тегирование животных. В результате мы сфокусировались на диагностике заболеваний животных.
После формирования команд мы приступили к работе: необходимо было создать жизнеспособную бизнес-модель. В нашем случае возникла очевидная проблема: мы только-только собрались и никто из нас не понимал, что конкретно мы хотим делать. Два долгих дня мы мучительно формулировали актуальную проблему. В первый день работали самостоятельно, а на второй день у всей команды было две менторские сессии. Вечером второго дня прошел тренировочный питч без презентаций. Свою проблему мы сформулировали буквально за час до этого выступления.
На третий день состоялась тренировочная питч-сессия с презентациями, а вечером — собственно сам питч перед жюри. Мы старались успеть все возможное: подготовить бизнес-модель, сделать анализ конкурентов. К сожалению, хотя немалая часть материалов была подготовлена, мы просто не успели включить все это в презентацию. Я бы сказал, что наш питч был не самым успешным из-за недостатка времени на подготовку.
Итоги.
Подводя итог, могу сказать, что вынес несколько полезных уроков. Во-первых, на такие мероприятия надо идти с уже готовой, проработанной идеей решения — это отличает команды, которые занимают призовые места. Во-вторых, объединять две команды — это очень плохая идея. Если в команде два лидера, каждый со своим видением, то конфликты практически неизбежны. В-третьих, очень полезно иметь в составе опытных профессионалов: они показывают более высокие результаты, увереннее держатся и лучше отвечают на вопросы жюри.
Пойду ли я на такое мероприятие снова? Скорее всего, да. Для меня это итеративный обучающий процесс: я учусь коммуникации, лидерству и менеджменту. Ожидаю ли я, что это выльется в реальный стартап? Абсолютно точно нет. К сожалению, я не заметил улучшения качества идей даже у команд-победителей. После питча одной из команд-победителей член жюри отметила, что она не смогла понять проблему, которую они решают. Аналогичное впечатление сложилось и у меня еще в первый день, когда я слушал их выступление. В общем, я считаю, что в лучшем случае на мероприятии можно найти либо ко-фаундера, либо члена команды, но такие случаи, к сожалению, крайне редки.
Дизайним эксперимент.
Итак, есть задача: за короткое время найти работу. Время ограничено, поэтому ресурсы нужно распределить с умом. Но как это сделать — нужно ли больше учить язык, нужно ли сосредоточиться на одной из областей? К счастью, мы можем провести эксперимент.
Во-первых, нам надо выяснить, до какого уровня нужно выучить язык, чтобы получить приглашение на интервью в немецкоязычной компании. Выделим два уровня B2 и C1. Во-вторых, хотелось бы узнать, в какой из отраслей мне будет легче найти работу: Embedded, Data Analytics или User Research. Соответственно, выходной переменной у нас будет факт получения приглашения на интервью или их общее количество. Получаем следующий дизайн эксперимента:
Фактор 1 (уровень языка): B2, C1
Фактор 2 (тип работы): Embedded, Data Analytics, User Research
Зависимая переменная: получение приглашения на интервью или их количество.
Какой дизайн выбрать?
Теперь неплохо было бы понять, а каким методом мы будем всё это анализировать. Первая возможность: логистическая регрессия. Тут должно быть всё понятно: есть одна категориальная переменная, одна порядковая. Смотрим, насколько значимо меняется вероятность отклика при смене профессии или уровня языка, и есть ли между ними эффект взаимодействия. Вторая возможность — лог-линейная модель. Она представляет собой аналог теста Хи-квадрат для нескольких переменных. В этой модели все переменные будут считаться категориальными. Мы сможем найти значимые эффекты и взаимодействия.
В общем, я собираюсь в ближайший месяц откликаться на эти вакансии, используя подходящие резюме. Для каждого типа работы я буду случайным образом выбирать уровень языка. Потом подсчитаю количество откликов (если они будут 🥲) и посмотрим, есть ли разница при разных языках и профессиях.
Итак, есть задача: за короткое время найти работу. Время ограничено, поэтому ресурсы нужно распределить с умом. Но как это сделать — нужно ли больше учить язык, нужно ли сосредоточиться на одной из областей? К счастью, мы можем провести эксперимент.
Во-первых, нам надо выяснить, до какого уровня нужно выучить язык, чтобы получить приглашение на интервью в немецкоязычной компании. Выделим два уровня B2 и C1. Во-вторых, хотелось бы узнать, в какой из отраслей мне будет легче найти работу: Embedded, Data Analytics или User Research. Соответственно, выходной переменной у нас будет факт получения приглашения на интервью или их общее количество. Получаем следующий дизайн эксперимента:
Фактор 1 (уровень языка): B2, C1
Фактор 2 (тип работы): Embedded, Data Analytics, User Research
Зависимая переменная: получение приглашения на интервью или их количество.
Какой дизайн выбрать?
Теперь неплохо было бы понять, а каким методом мы будем всё это анализировать. Первая возможность: логистическая регрессия. Тут должно быть всё понятно: есть одна категориальная переменная, одна порядковая. Смотрим, насколько значимо меняется вероятность отклика при смене профессии или уровня языка, и есть ли между ними эффект взаимодействия. Вторая возможность — лог-линейная модель. Она представляет собой аналог теста Хи-квадрат для нескольких переменных. В этой модели все переменные будут считаться категориальными. Мы сможем найти значимые эффекты и взаимодействия.
В общем, я собираюсь в ближайший месяц откликаться на эти вакансии, используя подходящие резюме. Для каждого типа работы я буду случайным образом выбирать уровень языка. Потом подсчитаю количество откликов (если они будут 🥲) и посмотрим, есть ли разница при разных языках и профессиях.
Кстати, мы там в группе Учим Питон начали проходить курс по SQL. Если хотите освежить знания и вместе пройти курс, еще есть такая возможность.
Forwarded from Учим Питон
Совместное прохождение SQL
Последний раз напоминаю, что мы начинаем повторять SQL на курсе-тренажере. Проходим до конца этой недели главы 1.1-1.3, а потом пойдем дальше и добиваем первую главу.
Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2
Последний раз напоминаю, что мы начинаем повторять SQL на курсе-тренажере. Проходим до конца этой недели главы 1.1-1.3, а потом пойдем дальше и добиваем первую главу.
Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2
Data&Knowledge
Дизайним эксперимент. Итак, есть задача: за короткое время найти работу. Время ограничено, поэтому ресурсы нужно распределить с умом. Но как это сделать — нужно ли больше учить язык, нужно ли сосредоточиться на одной из областей? К счастью, мы можем провести…
Промежуточный итог.
Напомню, я хотел провести эксперимент, чтобы выяснить, на какие вакансии мне стоит чаще откликаться, где знание языка более важны. Я планировал подаваться с адаптированными резюме на каждое из направлений (Embedded, Data Analytics, User Research) с двумя уровнями языка: B2 и C1. Внезапно всплыл неприятный момент: отклики на 4-6 вакансий вполне могу занять час времени. При этом вакансии искать сложно, подходящих вакансий мало, на некоторые направления — UX researcher, новые вакансии не появляются несколько дней подряд. А при низком коэффициенте конверсии в собеседования может потребоваться 60 или 100 откликов (то есть 60 или 100 часов, потраченных впустую). В общем, думаю, может стоит прекратить эксперимент.
Напомню, я хотел провести эксперимент, чтобы выяснить, на какие вакансии мне стоит чаще откликаться, где знание языка более важны. Я планировал подаваться с адаптированными резюме на каждое из направлений (Embedded, Data Analytics, User Research) с двумя уровнями языка: B2 и C1. Внезапно всплыл неприятный момент: отклики на 4-6 вакансий вполне могу занять час времени. При этом вакансии искать сложно, подходящих вакансий мало, на некоторые направления — UX researcher, новые вакансии не появляются несколько дней подряд. А при низком коэффициенте конверсии в собеседования может потребоваться 60 или 100 откликов (то есть 60 или 100 часов, потраченных впустую). В общем, думаю, может стоит прекратить эксперимент.
Пять месяцев поиска работы.
Итак, коротко подведу итоги пяти месяцев поиска работы. Все эти пять месяцев я откликался на англоязычные позиции аналитика данных и UX исследователя. Подходящих было совсем мало (22), и по ним я получил ровно ноль приглашений на интервью. На большую часть из них я не получил даже отказов.
Кроме этого, готовы первые результаты эксперимента. Напомню, что я решил проверить, до какого уровня нужно подтянуть язык, чтобы стали чаще приглашать на интервью. Я подготовил резюме для направлений Embedded, Data Analytics и User Research с двумя уровнями языка: B2 и C1. Каждое резюме подогнано под направление. Итоги двух недель эксперимента: 25+ откликов, 6 отказов, 0 (ноль) приглашений на интервью. Особенно я был удивлен отказам в embedded: не помогли ни три года реального опыта, ни две практики в Google Summer of Code, ни диссертация, в которой был разработан модуль ядра Linux.
Что же делать дальше? У меня есть несколько вариантов. Во-первых, я почти закончил писать заявку на грант с одним из профессоров, поэтому есть небольшой шанс на успех через шесть месяцев. Во-вторых, я и дальше буду учить немецкий язык, повторять Python, SQL и embedded-разработку. В-третьих, я начинаю посматривать в сторону стартапов — что интересного я там могу сделать, что могу предложить миру. И есть одна идея.
Идея для стартапа достаточно проста. Есть некоторые отрасли в нашей жизни, в которых доступ в интернет невозможен, равно как и использование мобильного телефона: медицинские ассистенты, девайсы для работы в трудных условиях, устройства для военных. При этом все равно хотелось бы иметь возможность общаться с таким девайсом — давать ему голосовые команды, получать от него простейшие пояснения. Так почему бы не сделать некий прототип, который будет иметь возможность обрабатывать данные с датчиков и иметь встроенную простейшую LLM? И с этим прототипом уже можно будет кататься на всякие хакатоны и искать реальные применения. Заодно и технические скиллы вспомню, и пет-проект появится.
Подведу итог. Вакансий мало. Повышение уровня языка в резюме до свободного пока не дало плодов. Однако у каждой медали есть две стороны. К примеру, отсутствие работы подталкивает делать что-то своё — работы-то по факту почти нет. Поэтому если вы работаете в медтехе или промышленной автоматике — делитесь реальными проблемами, которые я мог бы решить. Если у вас есть идеи, как подойти к поиску работы, тоже делитесь в комментариях :)
Итак, коротко подведу итоги пяти месяцев поиска работы. Все эти пять месяцев я откликался на англоязычные позиции аналитика данных и UX исследователя. Подходящих было совсем мало (22), и по ним я получил ровно ноль приглашений на интервью. На большую часть из них я не получил даже отказов.
Кроме этого, готовы первые результаты эксперимента. Напомню, что я решил проверить, до какого уровня нужно подтянуть язык, чтобы стали чаще приглашать на интервью. Я подготовил резюме для направлений Embedded, Data Analytics и User Research с двумя уровнями языка: B2 и C1. Каждое резюме подогнано под направление. Итоги двух недель эксперимента: 25+ откликов, 6 отказов, 0 (ноль) приглашений на интервью. Особенно я был удивлен отказам в embedded: не помогли ни три года реального опыта, ни две практики в Google Summer of Code, ни диссертация, в которой был разработан модуль ядра Linux.
Что же делать дальше? У меня есть несколько вариантов. Во-первых, я почти закончил писать заявку на грант с одним из профессоров, поэтому есть небольшой шанс на успех через шесть месяцев. Во-вторых, я и дальше буду учить немецкий язык, повторять Python, SQL и embedded-разработку. В-третьих, я начинаю посматривать в сторону стартапов — что интересного я там могу сделать, что могу предложить миру. И есть одна идея.
Идея для стартапа достаточно проста. Есть некоторые отрасли в нашей жизни, в которых доступ в интернет невозможен, равно как и использование мобильного телефона: медицинские ассистенты, девайсы для работы в трудных условиях, устройства для военных. При этом все равно хотелось бы иметь возможность общаться с таким девайсом — давать ему голосовые команды, получать от него простейшие пояснения. Так почему бы не сделать некий прототип, который будет иметь возможность обрабатывать данные с датчиков и иметь встроенную простейшую LLM? И с этим прототипом уже можно будет кататься на всякие хакатоны и искать реальные применения. Заодно и технические скиллы вспомню, и пет-проект появится.
Подведу итог. Вакансий мало. Повышение уровня языка в резюме до свободного пока не дало плодов. Однако у каждой медали есть две стороны. К примеру, отсутствие работы подталкивает делать что-то своё — работы-то по факту почти нет. Поэтому если вы работаете в медтехе или промышленной автоматике — делитесь реальными проблемами, которые я мог бы решить. Если у вас есть идеи, как подойти к поиску работы, тоже делитесь в комментариях :)
Новые вопросы
Я же проводил эксперимент, рассылая резюме на позиции аналитика данных (DA) и разработчика встраиваемых систем (Embedded). Получается интересная картина:
DA: Отказов - 60%, Игнор - 40%
Emb.: Отказов - 28%, Игнор - 72%
Возможны несколько вариантов. Первый: в одном из случаев резюме не проходит ATS, и автоматически приходит отказ. Тогда выгоднее сосредоточиться на варианте с большим колическтвом игнора — embedded. Второй вариант: наоборот, в случае работы ATS, последняя отфильтровывает кандидата и ничего не пишет в ответ. Тогда выгоднее сосрдоточиться на варианте с большим количество отказов — DA. Отсюда вытекает следующий опрос.
Я же проводил эксперимент, рассылая резюме на позиции аналитика данных (DA) и разработчика встраиваемых систем (Embedded). Получается интересная картина:
DA: Отказов - 60%, Игнор - 40%
Emb.: Отказов - 28%, Игнор - 72%
Возможны несколько вариантов. Первый: в одном из случаев резюме не проходит ATS, и автоматически приходит отказ. Тогда выгоднее сосредоточиться на варианте с большим колическтвом игнора — embedded. Второй вариант: наоборот, в случае работы ATS, последняя отфильтровывает кандидата и ничего не пишет в ответ. Тогда выгоднее сосрдоточиться на варианте с большим количество отказов — DA. Отсюда вытекает следующий опрос.
Какое из направлений перспективнее?
Anonymous Poll
60%
Там, где больше отказов
0%
Там, где больше игнора
40%
Посмотреть ответы
Новый эксперимент
В прошлый раз я заметил интересную закономерность — для двух профессий отмечается разное отношение отказов к игнору. Теперь наша задача — узнать, как нас отсеивает ATS. Вариант первый: ATS отсеивает резюме простым игнором. Вариант второй: ATS отсеивает резюме автоматическим отказом.
Эксперимент:
В течение следующей недели-двух, одновременно с отсылкой своего резюме, на каждую из позиций я буду дополнительно откликаться совершенно неподходящим резюме 3D-артиста. Затем я сравню, игнорируют ли неподходящее резюме так же часто, как подходящее, и как быстро я получаю по нему реджекты. Этот эксперимент позволит понять, какое из моих резюме имеет более высокие шансы и хотя бы проходит через ATS/первичный скрининг.
В прошлый раз я заметил интересную закономерность — для двух профессий отмечается разное отношение отказов к игнору. Теперь наша задача — узнать, как нас отсеивает ATS. Вариант первый: ATS отсеивает резюме простым игнором. Вариант второй: ATS отсеивает резюме автоматическим отказом.
Эксперимент:
В течение следующей недели-двух, одновременно с отсылкой своего резюме, на каждую из позиций я буду дополнительно откликаться совершенно неподходящим резюме 3D-артиста. Затем я сравню, игнорируют ли неподходящее резюме так же часто, как подходящее, и как быстро я получаю по нему реджекты. Этот эксперимент позволит понять, какое из моих резюме имеет более высокие шансы и хотя бы проходит через ATS/первичный скрининг.
Немного инсайтов об HR
Если 70+ откликов на релевантные позиции не принесли результата, вывод только один: что-то не так с резюме. Чтобы выяснить, что конкретно не так, я отправился искать на reddit, как HR оценивают резюме. Я принес вам следующие инсайты.
1. Эйчары просматривают практически все резюме. Удивительно, но очень многие эйчары отмечают, что текущие автоматические рейтинги от ATS очень плохи. Многие эйчар утверждают, а некоторые даже жалуются (!), что им приходится просматривать все резюме.
2. Большая часть эйчаров не читают сопроводительные письма. Многие из этих писем все равно пишутся с помощью ИИ, да и времени читать 100+ сопроводительных писем нет. Иногда сопроводительные письма открываются, если кандидат уже подходит на позицию, чтобы "увидеть в них что-то интересное".
3. Что влияет: опыт работы, длительность периодов работы и...то, как быстро вы откликнулись на вакансию. Многие эйчары смотрят, релевантен ли ваш опыт работы и не перепрыгивали ли вы часто с места на место (job hoppping). Отдельно многие отмечают, что важно, как быстро вы откликнулись на вакансию. Очевидно, что из первых N кандидатов отбираются 5-10 лучших, а резюме остальных отправляются в мусорку.
Если 70+ откликов на релевантные позиции не принесли результата, вывод только один: что-то не так с резюме. Чтобы выяснить, что конкретно не так, я отправился искать на reddit, как HR оценивают резюме. Я принес вам следующие инсайты.
1. Эйчары просматривают практически все резюме. Удивительно, но очень многие эйчары отмечают, что текущие автоматические рейтинги от ATS очень плохи. Многие эйчар утверждают, а некоторые даже жалуются (!), что им приходится просматривать все резюме.
2. Большая часть эйчаров не читают сопроводительные письма. Многие из этих писем все равно пишутся с помощью ИИ, да и времени читать 100+ сопроводительных писем нет. Иногда сопроводительные письма открываются, если кандидат уже подходит на позицию, чтобы "увидеть в них что-то интересное".
3. Что влияет: опыт работы, длительность периодов работы и...то, как быстро вы откликнулись на вакансию. Многие эйчары смотрят, релевантен ли ваш опыт работы и не перепрыгивали ли вы часто с места на место (job hoppping). Отдельно многие отмечают, что важно, как быстро вы откликнулись на вакансию. Очевидно, что из первых N кандидатов отбираются 5-10 лучших, а резюме остальных отправляются в мусорку.