Резюме — это гипотеза

Вот схема, по которой я в итоге дошёл до оффера. Она простая до неприличия.

Гипотеза — это ваше резюме. Вы предполагаете, что вот такой набор слов конвертит в приглашения.

Действие — это отклики и сами собеседования.

Анализ — вы смотрите на цифры. Как часто вас зовут после отклика. Что спрашивают на собесах. Где вы сыплетесь.

И дальше главное. Если вас почти не зовут — проблема в резюме, то есть в гипотезе. Меняете резюме, гоняете новый круг. Если зовут, а после технического этапа тишина — проблема в подготовке, и вот тут уже надо садиться за задачи.

Без объёма откликов эта схема не работает вообще. Двадцать откликов не дают вам данных. Двести дают.

Как я это пережил физически

Никак. Мне быстро надоело.

Первую неделю я жал кнопку руками. Потом нашёл расширения, которые делают это автоматически. Отдельная боль: они постоянно то ломались, то становились платными, то просто отваливались. Платными я не пользовался, потому что каждый раз появлялась новая бесплатная альтернатива. А когда отключили доступ к площадке по API, отвалилось вообще всё, включая платные сервисы, и разработчикам понадобилось время, чтобы придумать обход.

Так что автоматизация тут — костыль, который постоянно ломается. Но руками двести откликов в день заебаешься, проверено.

Где границы этого подхода

Когда у вас уже есть входящие предложения в линкедине например, вся эта веерная стрельба не нужна.

Сопроводительных писем под каждую вакансию я не делал обычно. Часть компаний, где сильно смотрят на мотивационное письмо, терял. Я с этим смирился.

Двести откликов с кривой гипотезой дадут вам двести отказов и уверенность, что рынок мёртв. Рынок не мёртв, просто ваша гипотеза не работает и её надо переписать.

Сколько откликов вы отправили до первого приглашения? Напишите две цифры: откликов и приглашений. Интересно собрать статистику по комментариям.

Главная причина, по-моему, вот в чём: когда я начал ходить на собесы, я к статистике ещё даже не приступал. Я закрывал дыру уже в бою, между интервью. Так тему не осваивают.

Почему оффер всё-таки дали

На собеседованиях у меня спрашивали SQL, и вот тут я был готов. Оконные функции гоняют почти везде, и это самое выгодное вложение времени из всего, что я делал. Спрашивали Python: несложные вещи, простые алгоритмы, работа с данными. Спрашивали метрики: DAU, MAU, LTV, GMV, как считается, как ими объяснить бизнесу, что происходит. Спрашивали про мой опыт, долго и дотошно. Спрашивали софт-вопросы вроде «как вы решаете конфликты в команде».

Провалить один блок из шести не значит провалить собеседование. Это потерять несколько баллов. Я терял их системно, на одном и том же месте, и всё равно доехал.

Что я понял про дыры в знаниях

Первое. Дыра, о которой вы знаете, гораздо безопаснее дыры, о которой вы не знаете.

Второе. Список тем в аналитике бесконечный. Если ждать полной готовности, вы не выйдете на рынок никогда.

Третье. Тем не менее, дыру надо закрывать. Я до сих пор к статистике возвращаюсь. Просто теперь у меня есть деньги, пока я это делаю, а не тревога и пустой счёт.

Если вы сейчас учитесь

Порядок, который я бы выбрал, зная то, что знаю сейчас: SQL до уверенного уровня, включая оконные функции. Потом Python в объёме, достаточном для работы с данными и простых алгоритмов. Потом метрики и умение про них говорить человеческим языком. И статистика.

Именно статистику я и отложил. Это стоило мне лишних собеседований. Не критично, но обидно.