本篇適用對象
1. 有意來美就讀分析類碩士學程（MS Business Analytics/Data Analytics）
2. 來美前具正職工作經驗
3. 不介意非名校光環
4. 國際學生（非美籍、持有綠卡）我就讀一年制商業分析學程（MSBA），2022年6月畢業當天取得錄取通知。在此之前，我曾在台灣工作逾五年，期間曾中斷職涯準備GMAT，來美國唸的是州立大學，即使如此，LinkedIn仍收到不少人來信詢問，在這裡分享我當時的找工經歷、求職履歷建議。
個人背景
臺北大學 企業管理系
歐洲商學院 交換
傳產製造商 業務 2年
金融業 分析 3.5年
加州州立理工 Cal Poly SLO MSBA
全球最大資產管理 (現職)找工時程
2022/01-02 更新履歷、Phone Screen/Behavioral Question準備
2022/03 投遞金融業、科技業，或非前述產業的知名公司（含新創）
2022/04 - 05 大幅增加投遞數量、Technical Interview準備
2022/05 電話取得口頭錄取（Offer）
2022/06 收到書面錄用通知（Offer）我的找工方式主要是官網、LinkedIn自行投遞履歷，內推有3份，申請總數為140份。線上申請後，收到約60%系統拒絕信，10%有進入下一階段篩選（Phone Screen、Online Assessment或Technical Interview）。
1. 找工經歷
回頭來看，我的找工情況與產學合作（Capstone Project）時程習習相關，學校安排了六個企業夥伴，每位學生可於冬季（2022/01–03）、春季（2022/04–06）與其中一家合作，我是在完成第一家產學合作後，開始大幅度修改履歷、海投職位。
學校有一門必修 Career Readiness in Data Analytics，主要能協助學生修改履歷、練習面試等，與其他程式、數學原理的硬核課程相比，課程內容相對是乏善可陳，不過該課所用的書籍The 2-Hour Job Search: Using Technology to Get the Right Job FASTER，卻為我的找工方法打下基礎，主要是以LAMP（見下圖）方式列出目標公司、職位與是否有校友。
而後，我在實際求職時，用的是同一個表單來擴充更新（見下圖），我會先列出想投遞的公司、職位及連結，並確認有無校友，或任何我可能觸及的LinkedIn聯絡人，紀錄遞交日期，並追蹤收到回覆、面試或拒絕信等時程。
初期目標，我設定遞交每週10–15個職位，後期則是每天完成3–5個線上申請，有職位列表的好處是，零碎時間用手機刷LinkedIn或公司官網，每天保留一小段時間，用筆電一次性完成申請資料，畢竟填寫的大多是重複內容，而額外必填欄位有「申請動機」、「個人優勢與職位契合度」等的職位，我一個都沒有申請，當時海投還是以高效為主。
與大多美國留學生相比，我的總投遞份數相對少，大抵有以下兩個原因：
鎖定目標
首先，我確立了目標產業——金融業或科技業（Financial Service, Information Technology & Services），並據此列出行業內的公司列表，而零售業、運動品牌或生醫等，即使在Fortune 500常駐有知名企業，仍不屬於我未來深耕的職涯方向，也因此，我集中心力在申請夢想的公司職位，好在台灣工作與學校合作的專案經驗協助我通過履歷關，Phone Screen 或與用人主管（Hiring Manager）面試時，均有不錯的反饋。
認清優勢
再來，海投一個月試過水溫，我發現自己金融業通常一投就中，我也將求職標準改成申請資深分析師，而科技業則偏向跨行，通常申請行銷分析的職位，才有下一步接觸的機會。我將履歷發展出至少兩種版本，因應申請的職位需求（Data Analyst/Marketing Analyst），我會微調職稱，並在履歷中闡述不同的專案，使履歷細節與職位內容（Job Description）更接近。
2. 履歷建議
同產業朋友早早就手把手教我，結合了我現有的工作內容（介於Data Engineer、Data Analyst之間），以及我看過來詢修改建議的履歷，列出了以下分析產業求職者的履歷必備元素。
分析師履歷必要元素
1. 資料視覺化（e.g., created dashboards, developed interactive tools)
2. 重大指標分析（e.g., identified metrics such as paid traffic)
3. 創建資料架構、自動化流程（e.g., built data schema/pipeline/repo）
4. 產品、行銷分析方法（e.g., conducted cohort analysis or A/B testing）
5. 影響商業決策 (e.g., product or marketing strategic recommendations)
6. 跨團隊合作 (e.g., partered with Sales and Marketing teams to achieve …)
7. 展現資深經驗 (e.g., mentored/coached junior analysts to initiate project)
基本上，粗體的列點適用於所有分析職位，而依據職能不同，影響第3–4點相關經驗的多寡，針對想申請資深職位的求職者，第7點更是不可或缺。
以資料工程師（Data Engineer）為例，工作上接觸更多的架構底層，從求職履歷上，更希望看到具有資料清整、架設數據庫的經驗，不妨適時提及清理過的數據大小（transform 500M+ observations）；而申請產品或行銷分析職位，則應提及對應的分析方法，例：用戶同類群組分析（cohort analysis）、顧客留存分析（survival analysis）、行銷組合模型（Marketing Mix Modeling, MMM）等，若履歷上有了關鍵字，並說明分析結果提升了某項指標，甚至是推動何項決策，將有效提升履歷吸睛度。
當然，有了必備的分析師履歷要素，還是別忘了履歷撰寫的基礎——STAR原則，查理的文章講得深入淺出，最重要的是舉了例，在這裡我就不贅述。
【外商履歷進階篇 I 】STAR原則 3 大狠招，點燃履歷爆點，人資想不看都難！
大家口中常說的履歷撰寫「STAR」原則如何實際應用？本文教你用簡單 3 個方法寫出精彩的職涯故事書，並利用3大撰寫要點檢視，寫出讓人資也難以拒絕的履歷。medium.com
履歷檢查的最後一步，我會依據三大原則來檢視 — — 明確性（Specific）、可量化（Measurable）、結果導向（Relevant）。
1. 明確性（Specific）: 不了解專案背景的人能否看得懂？是否須提及產業，或通俗易懂的專案名稱？ 2. 可量化（Measurable）: 是否量化數據庫大小、分析成果？是否需提及時程、時效性？ 3. 結果導向（Relevant）: 完成資料清整或分析，為團隊、用戶、顧客帶來什麼結果？
結語
基本上，我的找工經驗僅在2022上半年稍陷苦戰，每星期在週間面試、週末趕作業的輪迴中度過，然而，與來美之前的挫折感相比，不值一提，如果你還在和GMAT/GRE苦戰，或是有留學意願，但仍在觀望美國求職前景，可參考我申請研究所的心路歷程，希望鼓勵到每一個你。
如果你也有一個留學夢
先說結論，我選擇就讀的是「加州理工州立大學聖路易斯·奧比斯波分校」（California Polytechnic State University, San Luis…mmsdaily.wordpress.com
回到求職面，台灣工作經驗有助我刷過履歷關，然而實際面試時，我談論的經驗多為產學合作專案，我的企業合作夥伴分別是AT&T、Netflix），加上學校本身在加州中部，校友平均分佈在北加（San Francisco Bay Area）、南加（Greater Los Angeles Area），認可度還是很高。
我本人非常喜歡自己的學校——加州州立理工（Cal Poly，全名California Polytechnic State University, San Luis Obispo），同屆畢業的同學有去了Meta、Apple、BCG等，不只有強大的校友連結，相對低廉的學費（US35k），學校的臨山近海的豐富自然資源，包含奇景大沙丘、天然溫泉，這些都令在灣區工作的我十分懷念。
最後，寫給即將追夢、或已在追夢路上的你，無論此刻你是否正處於心緒低谷，或遭遇不順遂之事，千萬記得這些經歷都是一時的，一如我重回職場了，也不代表人生就會開掛式無憂無慮，每個人的生命歷程都會像滾滾洪流般持續向前推進。這段過程中，如果有什麼我能幫得上你，歡迎私訊。
M蹲馬桶日誌 