作者：H同学
指南者留学 未明量化金融训练营优秀学员
录取结果
新加坡国立大学 金融工程
新加坡国立大学 经济学
华威大学 统计学
作为一名统计狗，我曾经有过3份实习：普华永道的审计金融组、银联智策的数据工程部和华泰证券的金融分析工作，与同校金融/会计专业优秀的学长学姐相比简直是相形见绌。
而且由于专业的方向，我参加过的实习也都属于比较干的类型，也许没有大家想象中的那么“有趣”，但是也自有其价值，所以这篇文章我暂且以学姐自居来给大家分享一下我关于实习方面的经验与建议。
如何找到心仪实习？
在我看来，实习的作用说大也大说小也小，大家不能对它掉以轻心，也不要过于忧虑。
最好还是找到一份与专业相关，自己也喜欢的实习，既能对将来申请项目有所帮助，也能激发自己的工作热情，有利于学习到更多的实用技能。
找到实习的方式，我的推荐先后顺序是：
老师推荐/学长学姐同学内推>=校方合作实习企业项目/企业实习招募>实习群JD贴>实习僧etc实习招聘网站。
如果老师、同学有很好的实习项目资源，此类实习岗位通常质量较高并且投递简历后进入面试的几率较大、处理速度也很快。
比如老师和某公司有合作的项目，这家公司最近想招一个实习生找到老师做推荐，如果争取到此类的名额会非常快地被发面试通知，但是通过与否还是要看个人能力。
其次比较推荐的方式是通过校方就业指导平台或者企业发布的实习招聘广告来找实习，通过校方平台发布招聘信息的公司都会比较正规，此种方式投递的简历会比普通投递更快地被HR查看并处理；
而企业主动大规模发布的实习项目，比如四大、快消等大型企业的暑假/寒假/管培生实习项目，也是我们很好的一种选择。
最不推荐的就是通过实习网站找实习，不是因为找不到，而是信息反馈速度过慢，并且无法区分优劣程度，对我们寻找实习的进度和质量都会有所影响，所以想找到一份高质量实习的同学尽量不要选择这种方式。
实习面试要“真实”还是“套路”？
面试形式千奇百怪，面试套路层出不穷，如果要我来总结，“真实”二字最可贵。
大家担心的无非是答不上HR的问题，心态紧张展示不出自己好的一面，不知道如何准备这一类的问题。我以面试PwC的经历为例，给大家分享一下自己的心得。
面试每一家公司之前，我都会尽量搜索一家这家公司的信息，比如公司历史、企业文化、业务方向等等来对公司进行一个整体大概的了解。
尤其是四大这样已经发展的很成熟的公司，会有很多帖子对其进行介绍和分析，面试之前至少看几个在心理上会产生认同感，在面试的时候就能更有底气。
无论HR面试的时候会问什么问题，基本的自我介绍总不会缺少，所以即使具体的questions不准备，中英文的self-introduction一定要好好准备并且能够自然地陈述下来。
自我介绍建议只留一个大纲，针对不同的公司叙述的侧重点需要有所不同：
面试PwC我会强调沟通合作能力、领导能力、有兴趣挑战自己etc
面试数据分析公司会更强调动手能力、快速学习能力etc
面试基金公司要更突出自己能吃苦不怕加班、数字敏感程度高etc
另外，不需要罗列自己得过的奖项此类没有差异性的陈述，只要HR能在简历上清晰地了解到的信息在宝贵的3分钟自我介绍内重复都是浪费时间，可以强调某一个突出的奖项/项目，但是重点要侧重于展示出简历上体现不出来的个人能力。
PwC的面试官通常是某个部门的manager，大多数同学都反映不会特别严肃。我遇到的小姐姐就比较和蔼，challenge的问题基本都会围绕简历，挖掘具体项目中你体现的作用/如何解决问题/学习到的东西，在最后的交流环节聊了很多和面试无关的有意思的东西，面试就顺利通过了。
避开正式招聘面试不谈，其他类型公司的实习面试大同小异，只是有些公司面试的问题会更专业化，比如我面试咨询公司/数据分析公司就会更多地提问专业领域的问题，这些问题不是临时突击准备就可以cover的，更多地还是需要大家在平时的学习过程中多了解，多思考。
最后说一下为什么我说“真实”二字最可贵。在找实习的过程中也有和同学讨论过面试套路的问题，哪一类的问题朝哪个方向答更容易被录用。
比如有些企业在招实习生的时候倾向找可以长期/有留用机会的人选，在问“未来安排”这类的问题时，有人会觉得答直接就业比答真实的出国读书更容易录用，答长期可实习比模棱两可更好。
但是以我的经验来说，直接回答“出国深造”和“只能实习3个月”这样的回答并不会影响我被录用实习，所以大家对这类问题做好决定，“真实”就好。
我的数据分析实习经历
我的三段实习经历只有数据分析岗位的一段相对久一点，所以分享一下我的数据分析实习经验。
数据分析这个词现在越来越火，提到大数据分析，大家想到的是？R、java、python、SQL（无限遐想...）说实话刚刚开始大家都心情如下：
做出来的东西却是：
虽然作为一位统计学生，在校学习了不少统计和编程知识，从数分高代，到会计金融，再到excel、C++、MATLAB、SAS、stata等等，但是数据工程部的前辈们都来自国内外的计算机、数学、统计、软工等等高大上的专业，每天处理着以万为单位的数据。
每个人手里都有三四个项目在同时运作，大家的日常就是不断码代码、debug、run数据、讨论模型，随时随地的讨论解决问题，这种其乐融融的工作氛围很容易激励大家，在充满热情的同时提高工作效率。
虽然实习生参加到会议中的机会比较少，但是我发现大家开会的效率都十分之高，总是能快速的展开深入的讨论和任务的布置，不把时间浪费在客套的官话上面。
数据分析中最基础但也最重要的问题，其实不是大多数人想的构建模型，而是——数据治理，这也正是数据工程师们花费最多时间的部分，也是实习生最先上手的工作。
在校园中学习的我们一般接触的都是结构规整的数据，学习的更多的是怎么构建模型去分析和预测，但是实际上大数据分析中我们是不会有触手可得的“好数据”的，即使是公司内部的数据也需要我们进行反复的数据清洗，把脏数据变成易于input模型的规整数据，更不用说从杂乱的网页上爬下来的外部数据。
没有数据治理这重要的一步，是无法进行数据分析的。所以总的来说这类实习的准入标准比较高，但是同时能学到的东西也特别多，从申请项目的角度来说含金量甲等。
那么如何培养我们的数据分析能力呢？
正如我的实习导师所说，数据分析不仅仅需要我们有热情和感觉，熟能生巧也是很重要的。
在学校的时候也曾自己学习python，工具书是买了，但也躺在书架上落灰了...这才充分感受到我的学院导师说的这是个任务推动型的东西。
比如直系的研究生学姐笑谈过的同班男生为了爬自己饭的韩国女爱豆而深入学习爬虫，比如和导师跟项目为了解决问题提高效率而去学习SPSS，再比如在公司接到一个可以选择人工筛选也可以选择python处理的小任务而要求自己上手python。
这些都是推动自己去挑战自己的方法。所以想未来在大数据行业发展的宝宝们，不仅要加强自己的动手能力，也要给自己找机会接触这样的数据，深化自己对数据分析的理解和思想。
指南者留学的未明学院就有很多这样的训练营，比如我参加过的金融数据分析，还有最近经常办的python和爬虫训练项目，会在老师的前期讲解的基础上，分阶段布置作业和练习任务，最后让大家独立完成一到多个个人项目，都是能督促我们动手学习的好帮手，希望大家能够抓住机会好好利用。
最后想告诉大家，实习经历是我们人生中锦上添花的一笔，重在体验和学习，不要把重点放在数量上顾此失彼，祝大家都能通过努力拿到心仪的offer，只要付出了就一定有回报！
- END -
