怎样进入一个比较好的猎头公司

怎样进入一个比较好的猎头公司,第1张

到底要不要做猎头?如何应聘猎头公司?

对于一些猎头新人来说,猎头顾问这份工作听起来很新潮和高大上,但是,到底要不要进入猎头行业,该如何应聘猎头公司是大多数人比较想了解的内容,罗勒网作为一个在建筑领域猎头公司从业了10余年的资深老猎头,在这里给那些猎头新人一点小小的建议。

如果一定要做猎头,没有实力选公司,那么就选行业和选老板。

选行业就是选择一些实体的产品类行业。比如医疗汽车IT实业重工快消等等,尽可能别选服务类行业,比如广告市场公关等等,金融也不是一个猎头入门的好行业。

选老板就是带你的顾问。猎头顾问一般分两类,一类是大企业高管跳槽出来的,一类是职业起始就是做猎头一路做到顾问的,目前国内的顾问还是以后者背景资历居多,两类老板特点各有优缺。

前者一般都在超级巨头公司里当合伙人,一般能跟上等于一毕业就有一个CXO级别的前辈当你贴身导师,实在是享福的不得了,但压力也在此,这类人基本没遭受过挫折,从小就顺风顺水,而且聪明的不得了,所以不懂初学者心态,跟着压力很大,而且对于基础的猎头技巧,比如冷电话和寻访技巧等等没什么直观感受,可能给不了你多少指导后者的指导会更贴心,但是对于行业把握就未必有多少。

而后者有个很大的问题在于良莠不齐,还未必能接到单,到时候一个组的人半年喝西北风都有可能。

另外北上广有大量那种两三个人在写字楼里的小猎头公司,很多是公司高管或者资深顾问跳槽出来的私人practice,这类公司其实也可以考虑,做猎头做到最后往往不看公司牌子,只看业绩,业绩多的人走到哪儿都不怕,而且自己单干也可以活的滋润,这个业绩怎么来,刚入行时候的前辈指导和公司资源栽培就很重要,因此一定要慎选。

总的来说就是,面试时候问顾问名字,偷偷上厕所用手机查下他linkedin,如果他有一类公司背景,那么就毫不犹豫的跟,如果没有就再三考虑下。

另外应届生毕业做猎头其实并不是很好,因为对整个行业一无所知,对这个行业机构,公司内部情况,职位设置,人员配比,业务规模,行业秉性都一窍不通,所以经常会说很多傻话,做很多傻事儿。

总的来说不太建议一毕业就做猎头,除非你真的找到了好的顾问好的猎头公司,愿意事无巨细的coaching你的(这种公司现在基本不存在了,猎头公司就像电话销售,进来不会对你培训,只会让你打电话,越打越迷糊)

我个人建议还是去一家实体行业公司做一两年职位,对行业有基本了解再出来做猎头也不迟。

猎头的优点就是来钱快,在外资行业里面工作三年,年入30万的不在少数,30岁前年入百万也不是不可能,缺点就是压力大节奏快死的早,而且除非你入行前就有伴儿了,否则随着工作深入会越来越难找对象,女猎头平时接触的都是优质高薪候选人,对另一半的心理阈值都高的不得了,但是自身情况又没优质到那个程度,所以很难圆满。

具体得失利弊,看自己吧。

最后的最后,英文口语不流利就别做猎头,五年前我不敢说这话,但是现在新生代小孩真的太猛了,竞争越来越激烈,前几年我师兄他们英文都一般,也能做的顺风顺水,现在他们升职了站在行业顶端垄断资源,自己找助理都要求口语流利,时代本身在变,英文不好,做猎头做到最后会有很大的瓶颈,越做越狭窄。

我会毫不犹豫的离职。

一千个读者就有一千个哈姆莱特,那么一千个员工离职,就有一千种离职的原因。拖欠工资绝对是离职原因中最不可原谅的。

大部分人都不可能说辞职就辞职,可能你所在的公司福利不是很好,老板抠门,上级领导是个人渣,但你觉得,忍一忍就过去了,我又不用和他们生活。但是,一旦拖欠了工资,就说明企业已经难以为继,岌岌可危,这跟抠门不抠门,领导是不是人渣没关系。这时候做好日前做好另谋生路的准备。

当然,如果你对公司很有感情,老板也是个好老板,这时候就要谨慎考虑一下了。

自主要跳更高地方,把当下公司做跳板的除外,这种人有明确目标,很少会吃亏。
但大部分都是没主见的,工作中处于被动、弱势群体,他们觉得主动权从来不在自己手里。

数据开发0基础要学得久一些,一般要达到大数据开发初级工程师的水平至少要6个月以上,以下介绍的课程主要针对零基础大数据工程师每个阶段进行通俗易懂简易介绍,方面大家更好的了解大数据学习课程。课程框架是科多大数据的零基础大数据工程师课程。
一、 第一阶段:静态网页基础(HTML+CSS)
1 难易程度:一颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:html常用标签、CSS常见布局、样式、定位等、静态页面的设计制作方式等
4 描述如下:
从技术层面来说,该阶段使用的技术代码很简单、易于学习、方便理解。从后期课程层来说,因为我们重点是大数据,但前期需要锻炼编程技术与思维。经过我们多年开发和授课的项目经理分析,满足这两点,目前市场上最好理解和掌握的技术是J2EE,但J2EE又离不开页面技术。所以第一阶段我们的重点是页面技术。采用市场上主流的HTMl+CSS。
二、 第二阶段:JavaSE+JavaWeb
1 难易程度:两颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:java基础语法、java面向对象(类、对象、封装、继承、多态、抽象类、接口、常见类、内部类、常见修饰符等)、异常、集合、文件、IO、MYSQL(基本SQL语句 *** 作、多表查询、子查询、存储过程、事务、分布式事务)JDBC、线程、反射、Socket编程、枚举、泛型、设计模式
4 描述如下:
称为Java基础,由浅入深的技术点、真实商业项目模块分析、多种存储方式的设计
与实现。该阶段是前四个阶段最最重要的阶段,因为后面所有阶段的都要基于此阶段,也是学习大数据紧密度最高的阶段。本阶段将第一次接触团队开发、产出具有前后台(第一阶段技术+第二阶段的技术综合应用)的真实项目。
三、 第三阶段:前端框架
1 难易程序:两星
2 课时量(技术知识点+阶段项目任务+综合能力):64课时
3 主要技术包括:Java、Jquery、注解反射一起使用,XML以及XML解析、解析dom4j、jxab、jdk80新特性、SVN、Maven、easyui
4 描述如下:
前两个阶段的基础上化静为动,可以实现让我们网页内容更加的丰富,当然如果从市场人员层面来说,有专业的前端设计人员,我们设计本阶段的目标在于前端的技术可以更直观的锻炼人的思维和设计能力。同时我们也将第二阶段的高级特性融入到本阶段。使学习者更上一层楼。
四、 第四阶段:企业级开发框架
1 难易程序:三颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:Hibernate、Spring、SpringMVC、log4j slf4j 整合、myBatis、struts2、Shiro、redis、流程引擎activity, 爬虫技术nutch,lucene,webServiceCXF、Tomcat集群和热备、MySQL读写分离
4 描述如下:
如果将整个JAVA课程比作一个糕点店,那前面三个阶段可以做出一个武大郎烧饼(因为是纯手工-太麻烦),而学习框架是可以开一个星巴克(高科技设备-省时省力)。从J2EE开发工程师的任职要求来说,该阶段所用到的技术是必须掌握,而我们所授的课程是高于市场(市场上主流三大框架,我们进行七大框架技术传授)、而且有真实的商业项目驱动。需求文档、概要设计、详细设计、源码测试、部署、安装手册等都会进行讲解。
五、 第五阶段: 初识大数据
1 难易程度:三颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:大数据前篇(什么是大数据,应用场景,如何学习大数据库,虚拟机概念和安装等)、Linux常见命令(文件管理、系统管理、磁盘管理)、Linux Shell编程(SHELL变量、循环控制、应用)、Hadoop入门(Hadoop组成、单机版环境、目录结构、HDFS界面、MR界面、简单的SHELL、java访问hadoop)、HDFS(简介、SHELL、IDEA开发工具使用、全分布式集群搭建)、MapReduce应用(中间计算过程、Java *** 作MapReduce、程序运行、日志监控)、Hadoop高级应用(YARN框架介绍、配置项与优化、CDH简介、环境搭建)、扩展(MAP 端优化,COMBINER 使用方法见,TOP K,SQOOP导出,其它虚拟机VM的快照,权限管理命令,AWK 与 SED命令)
4 描述如下:
该阶段设计是为了让新人能够对大数据有一个相对的大概念怎么相对呢在前置课程JAVA的学习过后能够理解程序在单机的电脑上是如何运行的。现在,大数据呢大数据是将程序运行在大规模机器的集群中处理。大数据当然是要处理数据,所以同样,数据的存储从单机存储变为多机器大规模的集群存储。
(你问我什么是集群好,我有一大锅饭,我一个人可以吃完,但是要很久,现在我叫大家一起吃。一个人的时候叫人,人多了呢 是不是叫人群啊!)
那么大数据可以初略的分为: 大数据存储和大数据处理所以在这个阶段中呢,我们课程设计了大数据的标准:HADOOP大数据的运行呢并不是在咋们经常使用的WINDOWS 7或者W10上面,而是现在使用最广泛的系统:LINUX。
六、 第六阶段:大数据数据库
1 难易程度:四颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:Hive入门(Hive简介、Hive使用场景、环境搭建、架构说明、工作机制)、Hive Shell编程(建表、查询语句、分区与分桶、索引管理和视图)、Hive高级应用(DISTINCT实现、groupby、join、sql转化原理、java编程、配置和优化)、hbase入门、Hbase SHELL编程(DDL、DML、Java *** 作建表、查询、压缩、过滤器)、细说Hbase模块(REGION、HREGION SERVER、HMASTER、ZOOKEEPER简介、ZOOKEEPER配置、Hbase与Zookeeper集成)、HBASE高级特性(读写流程、数据模型、模式设计读写热点、优化与配置)
4 描述如下:
该阶段设计是为了让大家在理解大数据如何处理大规模的数据的同时。简化咋们的编写程序时间,同时提高读取速度。
怎么简化呢在第一阶段中,如果需要进行复杂的业务关联与数据挖掘,自行编写MR程序是非常繁杂的。所以在这一阶段中我们引入了HIVE,大数据中的数据仓库。这里有一个关键字,数据仓库。我知道你要问我,所以我先说,数据仓库呢用来做数据挖掘分析的,通常是一个超大的数据中心,存储这些数据的呢,一般为ORACLE,DB2,等大型数据库,这些数据库通常用作实时的在线业务。
总之,要基于数据仓库分析数据呢速度是相对较慢的。但是方便在于只要熟悉SQL,学习起来相对简单,而HIVE呢就是这样一种工具,基于大数据的SQL查询工具,这一阶段呢还包括HBASE,它为大数据里面的数据库。纳闷了,不是学了一种叫做HIVE的数据“仓库”了么HIVE是基于MR的所以查询起来相当慢,HBASE呢基于大数据可以做到实时的数据查询。一个主分析,另一个主查询
七、 第七阶段:实时数据采集
1 难易程序:四颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:Flume日志采集,KAFKA入门(消息队列、应用场景、集群搭建)、KAFKA详解(分区、主题、接受者、发送者、与ZOOKEEPER集成、Shell开发、Shell调试)、KAFKA高级使用(java开发、主要配置、优化项目)、数据可视化(图形与图表介绍、CHARTS工具分类、柱状图与饼图、3D图与地图)、STORM入门(设计思想、应用场景、处理过程、集群安装)、STROM开发(STROM MVN开发、编写STORM本地程序)、STORM进阶(java开发、主要配置、优化项目)、KAFKA异步发送与批量发送时效,KAFKA全局消息有序,STORM多并发优化
4 描述如下:
前面的阶段数据来源是基于已经存在的大规模数据集来做的,数据处理与分析过后的结果是存在一定延时的,通常处理的数据为前一天的数据。
举例场景:网站防盗链,客户账户异常,实时征信,遇到这些场景基于前一天的数据分析出来过后呢是否太晚了。所以在本阶段中我们引入了实时的数据采集与分析。主要包括了:FLUME实时数据采集,采集的来源支持非常广泛,KAFKA数据数据接收与发送,STORM实时数据处理,数据处理秒级别
八、 第八阶段:SPARK数据分析
1 难易程序:五颗星
2 课时量(技术知识点+阶段项目任务+综合能力)
3 主要技术包括:SCALA入门(数据类型、运算符、控制语句、基础函数)、SCALA进阶(数据结构、类、对象、特质、模式匹配、正则表达式)、SCALA高级使用(高阶函数、科里函数、偏函数、尾迭代、自带高阶函数等)、SPARK入门(环境搭建、基础结构、运行模式)、Spark数据集与编程模型、SPARK SQL、SPARK 进阶(DATA FRAME、DATASET、SPARK STREAMING原理、SPARK STREAMING支持源、集成KAFKA与SOCKET、编程模型)、SPARK高级编程(Spark-GraphX、Spark-Mllib机器学习)、SPARK高级应用(系统架构、主要配置和性能优化、故障与阶段恢复)、SPARK ML KMEANS算法,SCALA 隐式转化高级特性
4 描述如下:
同样先说前面的阶段,主要是第一阶段。HADOOP呢在分析速度上基于MR的大规模数据集相对来说还是挺慢的,包括机器学习,人工智能等。而且不适合做迭代计算。SPARK呢在分析上是作为MR的替代产品,怎么替代呢 先说他们的运行机制,HADOOP基于磁盘存储分析,而SPARK基于内存分析。我这么说你可能不懂,再形象一点,就像你要坐火车从北京到上海,MR就是绿皮火车,而SPARK是高铁或者磁悬浮。而SPARK呢是基于SCALA语言开发的,当然对SCALA支持最好,所以课程中先学习SCALA开发语言。
在科多大数据课程的设计方面,市面上的职位要求技术,基本全覆盖。而且并不是单纯的为了覆盖职位要求,而是本身课程从前到后就是一个完整的大数据项目流程,一环扣一环。
比如从历史数据的存储,分析(HADOOP,HIVE,HBASE),到实时的数据存储(FLUME,KAFKA),分析(STORM,SPARK),这些在真实的项目中都是相互依赖存在的。

在职场中光努力是没有用,努力也要用对地方,不是你不够努力,而是你不会努力,要不然就会成为无效的努力。

有一些人,自己辛辛苦苦工作了一年,都并没有什么收获,眼睁睁看着别人的职位上升,他却还是待在原地一动不动,看到别人涨了工资,他却还是拿着那点微薄的工资。遇到这种情况并不是我们努力错了,而是因为你的努力并没有达到最大的效益,不是因为你不够努力,而是因为你不会努力。

很多人每天忙忙碌碌,除了睡觉恨不得所有时间都拿来加班赚钱,但是这种人往往忽略了一件事情,那就是一个人的精力是有限的,而我们的的意志力更加有限,平常一天工作8个小时,身体都会被掏空,更何况加班加点的打拼呢。而比较聪明的人,一般来说他们赚钱都不会太辛苦的,这些每天辛辛苦苦工作的人,他们一般都是赚不到钱的。我们可以多关注了解看似不务正业的事情,这样有益于提升我们的思维,寻找适合我们的职业出路。

还有很多人因为不明确自己未来的发展方向,所以就拼了命的一直去考取各种证书:会计证、律师证,普通话证,司法证,计算机证。他们顺利通过之后还在为自己考取了这么多的证书而沾沾自喜,他们大多数人认为这样就可以找到一份好工作。殊不知,你只是在用技不压身的借口来麻痹自己对未来的迷茫,成为了无效努力的考试专业户。

《阿里云大学课程(大数据、云计算、云安全、中间件)zip》百度网盘资源免费下载

4bhs  


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/yw/13226001.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-06-23
下一篇 2023-06-23

发表评论

登录后才能评论

评论列表(0条)

保存