中年再就业，挨捶一百遍（下）

接上篇

4 策略形变

五月份，我彻底歇下来了。每天的常态就是窝在家，重复做几件事：

• 刷职位，丢简历
• 等电话，聊电话
• 配合各家要求做各种测评/笔试
• 盯娃的功课
• 偶尔出门挨顿面捶

说起来每周有七天，但周末基本没什么电话。一般周三开始才有猎头电话（据说周一开会，周二跟进上周事务，所以周三才开始新BD），等HR来沟通，基本得周四周五；如果争取到了面试，往往安排要到下周二三，如是往复……每个线程都有六到八个前后依赖的串行节点，推进速度以周计。黄了两个线程以后，我寻思继续这么下去可不行，offer转化率这么低，猴年马月才能再就业。我得优化一下策略。

并行撒网

数据科学里，最基础的优化策略是矢量化和并行化。既然串行求职不好使，我就增加主动勾搭的线程数。光丢简历不够使，就跑LinkedIn和脉脉发发动态，看看当代的职场皮条算法能不能把我推给潜在的贵人。

我平时不爱social。如今顾不了那么多，虽然姿势笨拙，也得硬着头皮上。

还别说，真有个外资银行的俄罗斯大哥上钩加了我LinkedIn，问「你有兴趣来我团队做数据科学家不」。就还挺离奇的，我从来没接触过银行业：「这也行？我学医的，妹啥金融经验。」毛大哥说：「妹关系，哥以前在美帝做项目时，团队里夜有学医的，都整挺好。我寻思你应该妹啥问题。」我听了挺兴奋：「这么说我也脚着自己能行，那就整起来呗。」不料第二天跟进的HR冷冷地泼我一脸：「你这没啥相关经验呐……工资也有点高，明确跟你讲，肯定得往下降哈……你彆听那谁的，这职位有自己的上级经理，不归他管。技术经理会决定要不要你。你就等他电话吧，薅。」

以上沟通其实都用的英文，也不知怎么的就写出东北味儿了。

最后结果当然是没有要。我怎么会知道他没要呢？因为直到今天，也没有跟进电话打过来。

看来算法拉客这条路也不太靠谱。还是得靠人来居间搭线。

保险

以往我碰到的主要是保险猎头，所以起先我也主要往这个方向找。然而保险年头开门红就吃瘪，全行业哑火了半年，职位也都缩了。难得有猎头帮我找到个对口的大厂，风尘仆仆冲过去聊，大佬笑眯眯地说：「简历看着挺好，但技术说不上顶尖，管理也说不上突出，没啥特色。」我觉得挺困惑，自己就降薪应聘个高级分析师，没说要带人，怎么扯到了管理能力？又到底要多顶尖的技术呢？

大家都知道，国内几个大保司入职前都要做好几套非常妖孽的在线测试。我专门花了两天的时间练行测真题才敢上手，好不容易过了在线测试，结果莫名其妙挨这么一顿捶，心里很憋屈。数据分析说穿了没什么神秘的，工具套路我都熟，我写的包连大学教授都在用，没觉得自己多不胜任。再说，保险和医疗行业的数据应用现状哪有那么理想化，领工钱干活，有毛病解决毛病，犯不着跟同行诈唬这些。

后续发展更荒唐。两个月后，猎头又来电话：「这个职位还没找到合适的人选，要不再去面一下终极大佬？」我犹豫了下，这是什么操作？但还是去了。聊没几句，终极大佬发话了：「你这履历，不太合适啊。我们找的这人，得精通算法原理，最好是计算机博士。这儿招的都是统计学博士。」

行吧，是我又打扰了……要不您试试把JD抬头改成——「高级算法科学家」？黄河里确实是捞不着黄鱼啊。

另外接洽的两个职位，也没过一面。尽管HR联系我时都讲「不限定行业背景」，然而面试起来还是很在意行业实操经历。我尝试推销自己的学习能力、建模嗅觉，但都不太成功。「直接」资源和「相关」经验才是老狗们切实能变现的东西，学习能力不是。

制药

见左路不通，我把目光投向了右路。改写了一下简历，把关键词往制药方向靠一靠，到六月，果然制药猎头的电话也纷纷来了。然而核心问题依然没解决，我没有相关工作经验。尝试了销售支持分析和创新实验室数据科学家，初面之后都没了下文。一个认为我没有表达出强烈的求职意愿，另一个认为我有力的实操项目不多。前者其实只是「气场不合」的委婉版本，难以强求。但后者的确是个问题，药企研发都是高知，追求垂直方向的技术精益。没有镇得住场子的项目成果，很难打动面试官。

说起来，药企（巧的是，招数据科学家的全是外企）招聘流程也很严谨，人事面、业务面、技术面、高管面，一样不少；技术面还要考笔试题。并行跟进两三个药企机会，体能挑战相当大。

互联网

经过我不懈努力（改简历），几个互联网猎头也被吸引了过来。里面不乏做腾讯、字节这类大厂的。聊了聊，纷纷表示运作我的简历颇有挑战。果然，投出去后石沉大海。我猜拿到简历时，HR的内心是崩溃的：

但我也很理解这些猎头。微信里聊，他们都有点沮丧：「年成太差了，连明星独角兽现在也难拿融资。都在收缩。」多拉几份简历，没有功劳，也有苦劳嘛。

——「理解。下次有合适的机会，别忘了联系我。多谢。」
——「一定一定。」
……

瞧这对话多虚伪。哪会有什么下次。下次的话我连老狗都不是了，只能算条老木鱼。难道你还运作灵隐寺的职位？

互联网科技我没报太大期望。投过就算经历过了。

有限扩列

猎头们使出全身解数帮我开路，但迟迟打不开局面。眼看时间一天天流逝，肚腩一点点堆积，offer却遥遥无期。【此处三押✅ 】

算法命不中，生人推不动，那唯一剩下的路，就是熟人引荐了。我的心魔无非是「想靠自己的本事」。但现实是，那只不过是些变不了现的假把式。趁早觉醒，拉下老脸去拜码头才是正经。熟人搭桥，人脉扩列，才能打开新局面。

我还在思想斗争时，老婆先行动了。她帮我联系了一些老同事，争取到几个面试。再然后，我失业两个月的消息不胫而走，在我不大的朋友圈里传开了。老朋友、老同事们伸出援手，陆续内推了好几个机会。这才慢慢出现了转机。

我不爱social，喜欢独来独往。但关键时刻，还是社会关系救了我的命。

老本行

不管在其他战线被捶成什么样，只要回到老本行面试，总能游刃有余。机会在哪儿，坑在哪儿，我都门清。

老本行赛道上，我拿到了两个宝贵的邀约意向。沟通阶段都很愉快，但最后都还是放弃了。过去的阴影太大，实在难以鼓起勇气重蹈一回。

药企

最遗憾的一次历程，是内推药企的数据科学家。既不是SFE分析，也不是生物信息学统计，就是用机器学习解决业务问题，听起来很对胃口。

流程相当严谨，初面后就是笔试，一个小时做10道英文在线简答，难度跟本科生测验差不多。好不容易过了，又发来三个大作业，建模做演示。后面紧跟一个在线视频答辩，俩老外主考。如果技术面能过，后面就比较有戏。

周末花了两天，哼哧哼哧写了三个Jupyter Notebook交上去，顺带复习了一遍模型原理。本以为能控得住场，然而现场还是尽掉链子。

第一个作业，离群值没撸干净。面试官见有破绽，咬住了问离群值影响是什么，损失函数会怎么变化？我就愣了，平时顶多用LOF判断一下，离群点删掉就完了，或者找个离群不敏感的模型，还管它怎么影响损失函数？心里一慌，连「高杠杆点」(high-leverage point) 的英文也忘了（外企十大高频词「leverage」竟也敢忘），完全卡住。

第二个作业，给了一堆病人的数据，问谁更容易生病？我说都没给对照，怎么可能分析得出谁「更」容易生病，只能告诉你这些病人按属性可以聚类成7堆。我会建议给每堆人推送不同的信息流。看反应，应该也不是面试官期待的答案。

第三个作业更夸张。给了一堆盒子的长宽高，要搭个线性模型预测运费。这些数字都是标准正态随机数，画图（如下）一看，运费（颜色深浅）跟长宽高一点线性趋势都没有，$R^2$才0.01。我就下结论说，这个模型不靠谱，得问业务多拿点有用的变量。面试官急了：$R^2$没啥意义，你看平均绝对误差（MAE）比标准差（SD）小了0.2啊，这就说明模型降低了样本误差，这模型带来了改进，有业务价值。

我听得目瞪口呆，这是在考脑筋急转弯？事后，越想越不对劲。所谓「模型有业务价值」，是相对于原先的定价策略「随便什么箱子，都按平均值收费」而言。微改进这么一个「策略」，并不值得称道吧，充其量是粉饰业务缺陷的数学游戏而已。之所以组建专门的数据团队，就是要在项目设计阶段就注入正确的数据思维，而不是坐等尘埃落定（大势已去）再进场擦屁股。假如这么搞法，还怎么得到业务的尊重？

从试题难度看，确实不算太难。可是设定的业务场景我着实没太领会，甚至技术理念也跟面试官有点犯冲，加上考到了知识盲点，结果垮了一地。挺理想的公司，最终没争气，功亏一篑。

科技

尝试了各种姿势想进险企和药企，但都不太成功。复合背景和跨界经验都移植不过去，硬功夫又通不过科班考核。我只能把目光转向保险科技和健康科技方向。

好在近两年金融、医疗、保险都在加码科技，传统产业科技赋能成了新的风口。在这个灰暗的时代，难得还有赛道呈扩张态势。几个机会聊下来，感觉都挺契合。更重要的是，挨了几个月的捶，终于又能得到赏识，找到用武之地，不再是个人嫌狗厌的废物。

从立夏漂到立秋，有幸再度上岸。

5 收个蛇尾

不可避免地豹头鼠尾了，草草收一下工。原先我的计划是，边抖机灵边吐槽，写它一把人间血泪——这事显然办不到，因为我压根也没多惨。硬拗的哭戏未免太矫情。何况，看似难熬的当下，事后再看，其实都无足轻重。

过去几十年我一直走得比较顺，受到多方照顾，过着甲方反动派的生活。难得挨点捶，是件好事。一来，长了见识开了眼：社会是这么玩的啊，失敬失敬。二来，陌生人不用给我留脸，看到缺陷就扎一刀，事后把刀眼数一遍，自己的毛病看得明明白白。把这些经历拢一拢，是笔不可多得的财富。

收获

经过多轮面试，我和猎头、面试官都聊了很多，加起来相当于跑了一圈行业调研。借此了解到不少行业新动向。

1. 明显能感觉到产业链融合在加速。比如以往药企和保险基本老死不相往来，但随着国采深入，药企迫切需要寻找更多的准入入口，就会通过特药险、惠民险等形式做替代渗透。这为保险产品设计提供了新思路，也激活了一些MGA公司横向整合产品和服务，对有野心的DTP公司来说也是机遇。在融合业务领域，会出现未来的巨头。
2. 政学关系极为重要。 内企习惯的模式就是和政府、学界联合订立标准，再带动商业模式。商业层面上，政学两界几乎一毛不拔；但在业务战略层面，它们极为重要，也积累了令人眼花缭乱的丰富玩法。
3. 巨头更青睐赢者通吃。 几乎所有我接触过的巨头都在组建自己的保科、健科子公司，在布局习惯上更接近于阿里而不是腾讯。表面看生态一片繁荣，其实寡头化才是大趋势。像Optum那样对产业链赋能输出的模式，国内恐怕无法实现。但这么庞大复杂的系统不通过纵向整合、横向分工提高效率，而是你做一套我做一套，是很难想象的。但谁知道呢，兴许未来就是一个宁可低效也要割据的内卷化时代。
4. 科技化大势所趋。 以大数据能力为例，银行、险企、药企都在组建创新中心、创新实验室，要用非标方式解决业务问题。技术即业务，已经从概念走入实践。然而医学人工智能的确在进入幻灭期。医院和政府一样，它挣你钱容易，你挣它钱难。
5. 贴地需求先行。 一线业务部门并不很看中高大上的模式和话头。比如众口一词赞赏有加的保险控费，在实践中重要性就并不如渠道拓展、产品创新和两核两拒。尽管很多东西都比五年前大为进步，但整体业态并没有在实质上升级到哪里去，还是那些最传统的贴地需求优先——尤其在疫情打击下，大家面临的是全域消费降级。不能太高估颠覆的力量。

另外，在这过程中，我复盘、研究商业案例和文献，也自学、操练模型实现，这些虽然没有派上很大用处，但也算是一种收获。

教训

我也总结了一些有用没用的教训。

1. 1个月时间不够。 我看到有猎头发文说，高管再就业平均时间是1年，中层平均3-6个月。这还是平常，荒年更难说。校正样本代表性问题，1个月也是不够的。我自视过高，对困难估计不足，是个很大的教训。
2. 准备要有针对性。 不同职位需要不同的简历，要多方打探情报，针对性地准备。这是个常识，但未必能真正做到位。事实上好几个职位尽管当场把我捶了，但两三个月后仍挂在招聘应用上，也仍会有猎头电话打过来。这说明这些职位的设定与市场供给是有偏差的，市场上未必存在这么一个「理想候选人」。如果我准备更有针对性一点，还是很有机会拿下的。
3. 多攒人脉。 猎头也好，朋友也好，平时要维护。「靠自己打基业」是中二幻觉，万万要不得。求职应用上这类悔恨贴我看得太多了。靠人脉，尤其是熟人内推，面谈不必做无效试探，直接聊干货，更容易聊开。生人面试，尤其在面巨头时，面试官似乎更倾向于质疑和先入为主。而在熟人面试时，气氛通常都好得多。
4. ego要小。 求职就是推销自己劳动力的过程，当然包含了定位市场、营销渠道、试产量产、部署交付。站在结果导向的立场，必须把自己的劳动力充分产品化、工具化，自我意识要最小化。我的人文修养拒绝自己这么做，但是社畜理性告诉我这样才是最有效的。
5. 对娃要耐心。 娃一整个学期都居家学习，天天跟我抬头不见低头见。本来挺好的相处机会，被我吼得如临天敌。挺糟糕的一个教训。

当然，最大的教训还是一发马后炮：应该早做筹谋。即使没有大环境的变故，我也在不可逆地变老、变贵，所谓「廉颇老矣，赶紧斩首」，迟早还是得有此一劫。所以，上点心吧。

小结

最后点个题，做点统计。

我把这三个月的求职之路做了张进度图，最后的邀约转化率只有不到15%。其实总共远不止这27个进程，我还投过十来个大跨界职位（零售、快消、咨询），但基本是秒拒或者无应答。转行之难，超乎我的预计。

按渠道和行业归类，看一下结局。毫不意外：

• 转化成功率最高的渠道是「内推」：4个成功机会都来自内推，而「猎头」和「直招」都是零转化。
  • 4个成功机会中，2个来自老婆，2个来自从前的领导。
• 和其他行业相比，「保险」转化率最高，其次是「科技」。

据此能得出什么结论呢？

• 直接人脉里，领导的含金量最高，一定要处好上下级关系；
• 配偶是最重要的人脉，happy wife, happy life；
• 转行跨界越远，失败率越高。

临表涕临，赋诗一首：

[完]

---