一直在想怎么提笔写下这一年的求职纪录，这显然是一个必定要写出来的题目，这周一已经开始上班，也在社群媒体上和朋友分享入职的喜悦和焦虑，也刚写完一篇一年期商业分析学程里，每个月应该如何准备求职的文章，是时候写下我在美国的各种求职纪录了，把这些苦痛和快乐记录下来，也给读者们更多的参考。
前言
必须老实说，我求职的过程并没有碰到太多的挫折，相较于我收藏不同 BA/DS 前辈的求职历程，我可谓非常的幸运，现在回想起来比较大的崩溃就两次，但很快就越过了。我自己的资料库里面前辈的艰苦历程，对我来说是不断提醒我的警钟吧，现在回望，我认为因为有提早开始想求职这件事情，并很早开始准备，因此才能在机会来临时好好地把握住，最后落地不错的 offer。
我会归纳整个历程是先苦后甘型，从入学开始就不断推着自己进行求职准备，而后在过程中把握住机会；我开始投履历时也非常不顺，很晚才拿到第一个电话面试，但之后就是面试机会不断，而前面那些准备和努力都有在面试时派上用场，才能一关关挺进，拿到多个 offer。
这次分享会以我碰到的面试关卡为经纬，分享我如何准备不同类型的关卡，一开始不免俗的会分享一些数字和时程表给大家参考。
我的就业数据和拿到 offer 数：
一些数据
- 线上系统申请（非内推）：170 个
- Refer 内推：33 个
- 过履历关，拿到下一步（面试/线上测验）：24 个
- 进到最后一关：6 个
- 拿到 offer：6 个（4 个美国；2 个新加坡）
- 拿到 offer 公司：Best Buy, Carousell, NY Times, Amazon, Neustar, Shopee
过履历关，拿到下一步之职缺名称分布
- Data Analyst：Shopee, Agoda, Google, Capital One, Best Buy, Carousell
- Product Analyst：Grab, Hubspot, Remitly, Sonder, New York Times
- Data Scientist： Visa, 6Sense, Ericsson, Facebook
- Marketing Analyst：Carousell, Jamf, Ancestry
- Business Intelligent Engineer/Analyst：Amazon, Wayfair
- Quantitative Analyst：Houzz
- Data Engineer：Pepsico
- Statistician：Neustar
- Product Manager：Shopee
由上表可见，我拿到最多的面试机会是 data analyst，product analyst 也不少，DS 也有但最后都没有走到最后，MSBA 出来的学生按照我投递的经验，还是比较多以非 DS 为主，在整个求职历程中，也有听到很多前辈提及现在资料科学家已经很少招募研究所毕业的新鲜人了。
一些时间点
- 1.27 正式投递第一封履历
- 3.14 第一个海外（新加坡）面试 – Carousell Senior Marketing Analyst
- 3.26 第一个美国国内面试 – Ancestry Marketing Analyst
- 4.16 第一个海外（新加坡） offer – Shopee Product Manger
- 4.22 第一个美国国内 offer – Amazon Business Intelligence Engineer
这个时间轴揭露出两个事实：
第一，我经历过一段不短的撞墙期，在开始投履历到拿到第一个 phone screen，整个二三月我都是处于停滞不前和自我怀疑的阶段，拿不到电面、校招也都没有消息，看着同学陆续拿到面试心里也是很焦急，至于如何跨过履历和面试这段空白，我会在后面履历篇进行分享。
第二，我名义上的“第一个offer”很戏剧性的。我第一个 offer 是新加坡虾皮的产品经理，和我所学的专业完全没有任何关系；我美国的第一个 offer 是亚马逊的 BIE，他是我第一个校招、第一个 Onsite 面试，而我就顺利拿到，可以说是非常幸运的。
求职历程各阶段拆解
接下来的篇幅将会以美国找工作的程序出发，分不同阶段分享身为一个 MSBA 的研究生，要怎么在心态面上跟硬实力面上如何进行调整与准备。
履历
经历过此关卡的公司：所有
在时间轴的第一个事实，我讲到我有很长一段时间尽管投递了很多，但都没有收到面试机会，我归纳出几点心得和调整的作法：
1.Refer 的效益比海投高上数十倍，但也不要完全放弃海投 我进到 24 个电面关的职缺，只有 8 个是海投而来的，比例上可谓比海投低上许多(8/170) Refer (16/33)，但对我来说维持每天投递 7-15 间的数量有助稳定自己求职的心态，要找到人愿意内推也不是一件太容易的事情，与其把希望完全放在他人那里，能掌控自己海投的量，我觉得有其必要。
2.针对职缺客制化履历
我一直想要成为一个产品分析师(product analyst)，我在求职前期也主要以此为投递标的，但我在一开始拿到的几个 phone screen 却都是 marketing analyst 的职缺，他投射出另外一种不同的沮丧：我过去的经验的确是比较偏向行销分析，我难道真没有机会可以跨足产品吗？
这种时候我的作法是：我开始将履历分流成三种版本，由于面临这个难关时我已经有足够投递工作的量，我把我过去投递的职缺叙述全部调出，开始进行分门别类：marketing analyst/product analyst/data scientist，我用列表统整出不同职缺常见的几个关键字，例如marketing analyst 比较常出现 user acquisition/channel/funnel；product analyst则会出现 metrics/product feature；data scientist 则有 model 等字样。
接下来，针对过去的经验，挑选几个比较符合这些关键字的条目进行撰写过去的经验和成就。同时也别忘记要调整 skill 的栏位，像是产品分析就不用放类神经网路等技能，因为你放了对于人资审核你的履历也没有太多的帮助。
3.如何有效率的找 refer
这块我是自己没有掌握得太好的，也因此错过一些蛮好的机会，我这边分为深度、中度、浅度的技巧。
深度：过去一年你的 connection/联络过的学长姐同学朋友。你已经花很多时间和他们聊天、经营感情，也透过电话、见面的方式他们了解你的特质和经历，这时候就是你丰收的时候，但这种关系通常是看缘分与机会，如果对方公司刚好有缺，你会处于一个很好的位子。一个跟我很好的学姐就有跟我说，他们公司即将开 analyst 的职缺，她也跟老板讲过我是很适合的候选人，等缺开出来，就直接飞我过去 onsite；也有我的朋友他们组上有缺，透过她 refer，但那个缺的人资一直 pending，所以到头来我还是没有听到任何消息。只要坚信，你做的努力跟花的时间没有白费，以平常心看待，你一定会从 networking 的历程中找到很好的机会。
中度：他人提供机会和职缺或表达意愿协助 refer，这边提供几个管道。
第一，LinkedIn connection 释放出的职缺，有些时候你的 connection 或是网络里面的人会有职缺机会，所以就简单写个 note 给对方，请他协助你转履历。
第二，半路出家硅谷工程师，在他的网志里有一篇详列了公司和公司内部愿意协助转履历的台湾人，我会密切关注这几间公司的职缺，一有职缺释出就写信给联络人，请求对方帮我内推。
浅度：暴力式联络法。这是我朋友教我的，我有试过一两间公司，但完全没用，但可以给各位参考。如果你看到 A 公司的职缺，你就在 Linkedin 上调出在这间公司工作的员工，一个个发同样的讯息询问是否有意愿 refer，我朋友的经验是大概敲十个会有一个人有意愿回复（可以先以华人为目标）
4.每天都要调整履历
把每天调整履历视为一个代办事项，就跟每天要海投多少间公司一样。自己改，可以让文句更顺畅，每天都会有如何让句子更精简扼要的新发现，都是一种进步；给学校职涯中心改，这是我觉得最无效的，但就是定期去拜访，求个心安；给在业界公司的前辈和学长姐改，这是最耗费成本但也是最有效的，而这也完全是靠着你这一年累积下来 networking 的成果，他们往往能指出什么是他们公司看中的特质和项目，并且指引出应该强调什么、应该削弱什么，让你的履历更臻完美。
5.不要心慌，相信自己，让子弹飞
将拿到电话面试当作履历是否符合市场需求的基准点，在没有拿到面试前就不断调整，调整到你开始拿到第一个电话面试为止，途中会产生很多自我怀疑，但除了自己的经验不够亮眼外，也要考虑其他因素，包含你是否太早开始，产业是需要及时上班的人才等等；海投的处理时间也会比内推晚，我很多二月底投的职缺，四月底甚至五月才联络我要电面，因此我建议就是稳扎稳打的投，不要自己吓自己，让子弹多飞一会，心慌反而会压缩你复习和准备其他面试关卡的时间和心神，别得不偿失了！
人资电话审核
经历过此关卡的公司：Carousell, Shopee, Agoda, Google, Jamf, Ancestry, Hubspot, CapitalOne, Facebook, Remity, Pepsico, Sonder, Neustar, New York Times.
如同前述，拿到人资电话审核代表你的履历已经可以开始被市场所接受，接下来即正式进入面试的pipeline，人资审核是所有关卡里面最最最简单的，绝对不能容许自己在这关铩羽而归。
人资电话审核无非是两个面向。
第一，你的 Behaviorquestion/star question，如果你在秋季就开始用 small group、career coach 的时间精炼你的故事，你在这关就可以轻松应对，我在接到第一二个人资电面的时候，我会在面试前一天约教练或是校友练习应答；同时，我也开始编写该公司的应答文件，查阅glassdoor/google search 上过去面试者碰过的问题，条列在纸上，并撰写回答，等人资打来，完全可以照着文件上所撰写的背诵，可以避免紧张感。
第二你对公司和产品的了解，准备好 why A company? Why me?的答案，这基本上必问，一定要对你面试的职位、公司有全面的了解，并把你的特长套进去回答里面，让你可以在众多面试者中突出。
HR Screen 不难的原因是人资通常不会是刷人的人，他们只是要确认你的时程、你这个人是不是怪人，抱着平常心就没问题了！
Online & Offline Assessment
经历过此关卡的公司：Grab, Jamf,Wayfair, Ericsson, Shopee, Amazon, Capital One.
这边的 assessment 的定义，于我来说是，没有面试官监督，在一段时间内，请面试者完成测验。我归纳出我经历过的几个测验有以下几种类别：SQL 是大宗、Python 也有、也有简单的资料分析和申论题、也有演算法的题目。
在形式上有直接在 code pad/codility/hacker rank 写答案，可以试错，系统会告诉你是否通过，然后在递交；也有就是给你一份 excel 表格充当 data table 或是一个 word 表格，让你直接在没有办法测试代码的前提下把 code 写出来，寄给 recruiter 后，再由专人批改看是否进到下一关。
我觉得这个关卡完全是考验申请人的硬实力，SQL 在面试中出现的频率比 Python/R 高出太多，我们在秋季学期有三学分的 SQL Course 我觉得是完全不足的，得透过大量的刷题、复习、练习网课才能到合格的水准，尤其要注意无法让你试错的 excel/word 之 SQL 题。
我觉得如何准备这块，最好的方法有：
第一，如果你知道该公司会有 assessment，建议先上论坛查查看有没有面经，面经里面通常会有人分享题目的表格 column 是什么，就此你可以自己出题目考自己，然后试着手写 query，想像你写的 query 能否回答你自己出的题目。
第二，找人练。这完全吃人品，你可以找朋友练习或是像我一样找一个和我很好的 mentor 对练，我的 mentor 好到她会自己创建一些表格和假的 data，我们每周就是用半小时，他会先出好题目，然后我们共同开一个 google 文件，直接当场写，并且口述我的逻辑，他协助我修正。
另外，我觉得 SQL Assessment 和平时学校学的最大的差异是，学校用的 data base 很多都是一些免费、Mysql 提供的资料库，其实完全没有 business value，很多 assessment 用的表格资料就是你面试时公司平常会使用到的数据和表格。Shopee 就是用各国的订单资料、网路公司就是用使用者浏览行为的资料，所以如何写出可以回传正确结果的 query，你必须要有一些domain knowledge，并且越快从样板资料库中跳脱出来，进入到真实商业情境应用思维，会对解决这种 assessment 加分很多。
至于 Python，把pandas/numpy/matplotlib 练至精熟，应该就没有太大的问题。
简单的资料分析和申论题准备方式为：1）运用你在商业分析学程裡面分析资料的流程，进行完整的论述。2）多累积产品知识，产品的概念其实都是殊途同归，只要能搞懂逻辑，基本上就能以一招应万变。
Online assessment with the interviewer
经历过此关卡的公司：Carousell,New York Times, Houzz, PepsiCo.
这个关卡和上一个关卡的形式雷同，但难度却高出数倍，我认为，这是商业分析师所有面试关卡里面最难的一个，我的面试历程里面，有四间公司有这样的关卡，我 Houzz 的面试在这关止步。
通常 online assessment 搭配面试官的版本都是以 SQL 为主，Carousell 有加考 Python，Houzz 有考一题统计，但 SQL 一定是必考的，形式我整理出有三种：
1）第一种为我最喜欢的一种，题目出在 Google Big Query 上面，作为 google cloud 的云端资料库，面试官会在面试前将资料库寄给我，我跟面试官接上视讯/语音通话，我当场写 query，然后面试官则能透过我分享的荧幕观察我写 query 的过程，并且我可以 run query 的结果看我跑出来的结果是否正确，并且对结果进行解释和分析，面试官进而评分和给我feedback.Carousell 和纽约时报是采取这种方式。
2）第二种为 code pad，面试官和我进入到 code pad 的系统，面试官出好题在 code pad 上，通常就是几个 column name 和 table 的特色，因为我们在一个系统中，我打什么对方也看的到，但 code pad 通常无法回传结果，也无法透过结果进行侦错。Houzz 采取这种方式。
3）最后一种，Google doc，面试官已经将题目出在 google doc 里面，我们接上语音通话，直接在 google doc 里面进行 query 撰写，同样的，面试者也看不到 query 的结果，只能靠想像力去推测自己写的 query 是否为真。
这个关卡的练习方法和上一个关卡相同，我仍然强烈推荐找人对练，以模拟第三种为主，因为第三种是最难最刻苦的题型，必须对 SQL 有一定的掌握度，而且要有处变不惊的能力，如何在短短两三分钟内掌握面试官提供给你的 table 和 column，进而写出回传正确解答的 query 绝对是需要练习的。
这边还有一个建议，找人对练除了要练写 SQL 的能力，更重要的是要磨练如何问问题的能力。面对这种关卡，最忌讳的就是看到题目和表格栏位就默默不出声的猛写，这种关卡最有趣也最富挑战性的就是你要掌握跟面试官的互动。
把它想成是顾问业面试那种 case interview，看到问题，多跟面试官理清问题的意思、重述你对于题目的理解。看到表格，也可以和面试官理清你不懂或是想要多了解定义的栏位。这个过程可以展现你的思路和你解读问题的能力，同时也可以帮助争取思考时间。
理清完问题，别忘记可以先说出你的思路，比如说你想 Join 哪几个表格、你要用什么 aggregate function、你怎么 filter 资料，当对方说 make sense，才开始撰写 query，这种关卡和前面的 online assessment 最不同的是面试官存在这个半小时、四十五分钟的时间里，考量他的存在，带着他加入你的思索过程，engage him、bring him on，让他观赏你展现你思路的过程。
最后，如果 query 是可以跑的（第一种形式），最重要的，别忘记你是在面试商业分析师，资料有结果出来，一定要做诠释，可以做事实的阐述，提供合理的推论，最后讲讲根据结果，你可以简单做一些建议，告诉纽时或选转拍卖你可以在 deep dive 哪些资料、怎么根据这个资料更优化产品、更了解使用者等等。到这时候，才是一个完整流程的完成。
Data Challenge
经历过此关卡的公司：Agoda、Capital One、Carousell、Sonder、6 Sense.
Data challenge 是挺难缠的一个关卡，我得在这边声明我并不是一个最适合分享怎么准备 data challenge 的人，在五个公司的面试里，我做了四个 data challenge (Capital One我最后放弃没有做)，我只有通过一个(Sonder)，并且进到下一关，这关基本上是我的克星，所以以下我简单分享我碰过 data challenge 的类型。
1.公司准备一个 data set，并且给予问题，请面试者用四天到一周的时间完成，最后递交程式码与投影片。Carousell 是针对程式码和投影片决定是否会进下一关到 presentation，我没有进到下一关；Agoda 则没有筛选，直接在递交之后安排视讯，和三个面试官 present 发现，我在这一关败北。
2.公司准备一个 data set，请我建立机器学习模型，我最后提供一个 excel，标注每个 ID 分类的结果，通过后，在一关面试和面试官讲解我建模的过程。(6 Sense)
3.公司准备一个 data set，针对 data set 建立 Tableau Dashboard，递交后由面试主管审核，通过后，安排电话面试进行 dash board 讲解。(Sonder，成功过关拿到 onsite)
Hiring manager / Team member phone interview
要走向最后的 Onsite 和 offer，在度过 data challenge、assessment 的淘选后，面试者必须在被电话另外一头的主管、团队成员拷问一轮，才能最后拿到 onsite 的邀请卡。以下，我在将这些漫长一关关的电话面试归纳成几种问题类型，每一轮里面按照面试官的背景、他们想要测试你的面向，或多或少会融合以下几种类型的题目，我会简单的做一些介绍和分享我是如何准备的！
Behavior questions
含有此种问题的面试：Shopee、Carousell、Visa、Neustar、NY Times、Google.
和 recruiter screening 雷同，基本上准备好 STAR Story 应该就没有什么问题。这种问题通常会是在一个 30-45 分钟的面试里面最前面出现的问题类型，有暖场的效果，不要紧张、稳定的回答即可。
Data Project experience
含有此种问题的面试：Carousell、Agoda、Google、Capital One、Sonder、NY Times、Visa、Shopee、Neustar.
既然是面试资料分析师相关的职位，这种要面试者分享自身做过的资料分析专案的题目一定是大宗。这种类型的题目挺多元，有浅层者如询问你是否有用程式语言执行资料分析专案的问题、也有深层要你从头到尾讲述你怎么完成一个资料分析专案，并且对于使用者/利益关系人带来什么样的影响。
面对这种问题，我会建议仍然以 STAR 的架构进行回答。先用言简意赅的语句阐述商业问题、滞碍难型的现状，再来解释使用的资料集 (资料大小、表格栏位、所含资料等)、再者点出你的解决方案，通常这边我都会用三个决策目标、一句话一个目标先画出轮廓，最后深入每个目标，我用了什么技巧、模型和工具得到什么结果，最后带出什么样的成效做结束。
面对这种类型的回答，我会建议回答时间不要超过三分半钟，所以这样类型的题目一定要事先练习，可以把答案书写下来，再来进行删减，提炼出最精华的内容。
另外还有一点非常重要的是，一定要熟悉你在专案里面使用的模型、统计概念、甚至是替代方案，大多数 MSBA 的学生都会分享在这一年学程里面所做的专案，且通常都是分组专案，有些分析可能不是面试者所负责的，但如果你打算讲，一定要熟悉其他人所作的内容和资料分析模型，不然一旦面试官深入询问，很容易就露馅且讲出零落的回答。我在 Visa onsite 前的一关电话面试，面试官极深入的和我讨论在我期末专案中不是我负责的项目，我的回答不尽理想，整个搞砸，结束后不到一小时就收到感谢函了。
Product Question/Scenario question
含有此种问题的面试：Google、Carousell、Sonder、NY Times.
这种问题是身为志在产品分析师职位的我最喜欢也最享受的类型，而会出这种问题的当然就是以产品为本位的公司。
这种问题通常包含大量的假设性问题或是情境题，面试者往往会拿手上的专案或是现阶段团队碰到的一些产品问题，直接请你提供解决方案、设计实验或是找出合适的 metrics。面试者不会期待你给出正确无误的答案，因为他们自己也还没有解答，他们期待看到你的逻辑展现、对于他们产品的理解、使用这项产品的使用者流程，怎么在每个流程定义出好的指标，并且设计出测试的实验。
面对者这种问题，有三个面向我会建议读者好好准备跟充分内化成自己的思维逻辑。
第一，一定要了解面试公司的产品，不管产品是一个网站、应用程式还是服务，尽管可能是要付费，还是要亲自体验、使用过，把自己当作一个初次使用的使用者，每个按钮、页面都要尝试，已完成一次使用者体验为目标。举例来说，NY Times cooking，试着下载、试试看 free trial、阅读内容、分享内容、储存食谱；旋转拍卖可以试试看浏览商品、加入我的最爱、加入购物车、最后购买，记下你觉得好用、惊讶的功能也记下难用、觉得可以改善的功能，并且想想，如果你是产品经理，哪一个行为你觉得对于这个产品来说是最有价值的。对于 NY Times cooking 来说，最有价值的就是订阅；对于旋转拍卖来说，最有价值的对买家来说就是购买、对卖家来说是创造第一笔Listing。这个准备是至关重要的，如果你不了解一个产品、进而喜欢他，你怎么能期待面试官对你有好的印象呢？
第二，metrics.这块完全可以在以一篇新的文章去讲述，如何培养对 metrics 的思维，我这边推荐购买且阅读 Lean Analytics 这本书，只要能融会贯通本书内容，应该七成的产品问题就能轻松以对。
第三，A/B Testing。A/B testing 也是一个以不变应万变的准备模式，在网路上搜寻 a/b testing 有很多资源，做实验有一个逻辑性，只要把这个逻辑顺序搭配产品 metrics 阐述清楚，这部分即可迎刃而解。
Statistics/machine learning/programming /data base question
最后这一块简单归纳就是所谓的 technical interview，我在这边的建议为多线马车进行准备。
1.跟着学程进行学习、复习、整理重点。
2.找到网路上的资源整理，安排复习进度。
Onsite/Final Round
Onsite 经历过此关卡的公司：Amazon、Neustar、Best Buy. Final round 经历过此关卡的公司：New York Times、Carousell、Shopee.
最后的最后，经历过血泪的拒信和各种关卡，当你收到 recruiter 的信件说，要邀请你到最后一关的时候，那种感觉应该是超级无敌复杂的，既有种旅程走到终点的感觉，但又同时要上紧最后一根发条，拿出最好的表现，攻下最后一城。
最后一关分为两种，一种是会在当场，和多个面试官面对面，这考量地点、公司财力和规划；另外一种是全程都是视讯完成，也是成本和地点考量，像是虾皮和旋转就在新加坡，所以公司不太会飞候选人过去。
以下我就简单讲一下这六间供 onsite 和 final round 的形式，让大家有个概念。
Amazon: 校内面试，四关，每关 45 分钟，两关纯 behavior question、两关混合 behavior question 和 technical question. Neustar: 旧金山办公室面试，五关，每关 30 分钟，九成都是 Behavior question 和 data project question，一点点 technical question. Best Buy: 明尼阿波利斯办公室，四关，每关 30-45 分钟不等，多数为 behavior question，少数情境题，看我怎么解决冲突。 New York Times: 两次面试，每次面试都 2.5-3 小时，总共和九个面试官面试，一个面试官半小时，大量的 behavior question、产品题目，面完非常非常喜欢这个团队 Shopee: 和主管面试一关，45 分钟，behavior question. Carousell: 和创办人与 PM 面试，45 分钟，behavior question.
我觉得最后给读者的建议就是，对于 final round，因为你已经在前面的关卡做好充分的准备，只要在 Onsite 前把考古题、先前面试比较会被强调的题型多看几遍、多准备好，以自然放松的态度迎接最后一关，基本上就不会有太大的问题，通常越放松、表现会越好，也别忘记用 Linkedin查找面试官的背景，设想这样背景的团队成员会问出什么样的问题，并且依此准备。
最后一关通常最后的关键是看候选人有没有跟团队的文化和氛围切合，这很玄，但走到最后，真的是看团队成员、你的老板喜不喜欢你，他们能不能跟你一起共事，而同时，你也是透过这个机会观察你会不会想要跟这个团队一起合作、发展你的职涯。面完，走出办公室或者挂上电话，长吁一口气，走进阳光里，好好的犒赏自己，不要太忧虑结果，因为相信自己已经展现出最好的一面，然后耐心等待。
小小的结尾，在这篇漫长的旅途和文字之后， 这是一篇拖了无比久的稿件，最近在亚马逊的工作挺崩溃的，每天回到家就想要躺在沙发上摆懒想死，很多求职的细节也不复记忆，但我尽可能的找了一条我能掌握的经纬把经验撰写成文，当作这一年不算太波折的求职的收尾。
但我们总在路上，就像高中毕业，我们以为上了大学就可以玩乐四年；大学毕业找到一份工作就可以一帆风顺，其实不然，出了社会就想要出国，忙着申请，申请到学校才发现艰难才正式开始，怎么在美国找工作、如何在异国的土壤挣扎着求生，而最后落地一份工作，或许会发现工作不符预期，挑战才正式开始，关卡之后还是关卡、烦恼之后连着更多的烦恼。
我始终在路上，但我学习到不管怎么艰难，每个当下都要怀抱感谢，也要提醒自己要转换这些感恩成帮助别人的力量，尽管自己一个人，身旁还是很多无形的援手递向我，在我艰难的时候拉我一把，而我也期待能成为这样的存在，拉人一把。
也希望读着这篇文字的你，能从我的经验里获取一些方向，提早开始，抓住机会，然后等功成名就之时，也别忘了帮助一样是来自岛屿的年轻灵魂们，让他们有所成长，最后得以回馈我们的土地。
--------------------------------------
原文引自：
https://forum.chasedream.com/thread-1349739-1-1.html
参与讨论及查看更多的相关文章请访问【商学院Master申请区】
https://forum.chasedream.com/forum-14-1.html
京公网安备11010202008513号