Quello che ho imparato analizzando più di 80 rifiuto di lavoro con Python

Tutti abbiamo ricevuto quelle email in un punto o nell'altro. Sai, quelli che iniziano con "Grazie per il tuo interesse" e finiscono con sogni infranti e insicurezza. Okay, forse è un po 'estremo. Tuttavia, ottenere il rifiuto del lavoro può essere difficile.

Fidati di me, lo so. Nell'ultimo anno ho ricevuto oltre 80 email esplicite di rifiuto del lavoro mentre facevo domanda per uno stage. Diamo un'occhiata alla mia esperienza in base ai numeri per fornire un piccolo contesto prima di approfondire i dati.

  • Applicazioni: 234
  • Risposte: 93
  • Rifiuti: 90
  • Offerte: 3

Vale la pena sottolineare che, almeno per i tirocini, non ottenere alcuna risposta non è raro. In effetti, oltre il 60% delle domande che ho compilato non ha ricevuto alcuna risposta. In molti modi, ciò può causare ancora più ansia rispetto al recupero di una risposta “no” netta. Almeno in quel caso puoi proseguire con la tua ricerca invece di concentrarti su una causa persa.

Come puoi immaginare, dopo aver sentito "no" più di 80 volte, sviluppi una sorta di resistenza ad esso. Questa resistenza unita a un po 'di curiosità è ciò che alla fine ha scatenato l'idea di questo progetto. In breve, volevo indagare su cosa facesse battere queste e-mail di rifiuto automatizzate e su come differissero tra le aziende. Se vuoi saltare al codice stesso, sentiti libero di andare al repository GitHub e farlo.

Per tutto il resto di questo post, analizzerò come ho cancellato le email di rifiuto. Quindi risponderò ad alcune domande interessanti riguardanti i tempi e il contenuto di essi.

Tutto accade per un motivo, giusto?

Raccolta dati

Per prima cosa, otteniamo i dati. Dopo aver interrogato la mia posta in arrivo di Gmail, ho trovato oltre 1.000 e-mail contenenti le parole "stagista" e "applicazione". Ciò ha reso le cose un po 'complicate dal punto di vista dell'automazione.

Ho esaminato e respinto i rifiuti di lavoro da ciascuna società. Ho fornito a ciascuno un'etichetta "Rifiuto lavoro" all'interno di Gmail. Fatto ciò, era tempo di sfruttare la potenza di Python. Sono stato in grado di accedere con imaplib e raschiare parti specifiche delle e-mail con il pacchetto e-mail. Per l'analisi del contenuto, ho dovuto tokenizzare il testo con nltk e rimuovere qualsiasi punteggiatura e parole d'ordine per l'analisi.

Parole e frasi comuni

Hai mai pensato che queste e-mail sembrano usare tutte la stessa lingua generale? Personalmente, ho notato molte delle stesse frasi e linee usate da una compagnia all'altra. Questo non vuol dire che non ci siano tentativi creativi di attenuare il colpo, ma sono sicuramente pochi e lontani tra loro.

Un po 'di ottimismo fa molta strada, grazie AT&T

Diamo un'occhiata alle parole e alle frasi più comuni utilizzate nelle righe dell'oggetto di queste email. Sai, quindi almeno puoi vederlo arrivare.

Come puoi vedere sopra, le scelte di parole popolari includono "applicazione" e "tuo" tra gli altri. Basta dare un'occhiata a questo, probabilmente puoi mettere insieme le intestazioni del soggetto più probabili senza troppi sforzi:

  • Grazie per il vostro interesse.
  • Aggiornamento sull'applicazione [Inserisci ruolo].

Sembra che ci siano piccole variazioni di questi stessi argomenti provati e veri, ma queste parole spesso servono come portatori iniziali di cattive notizie.

Modelli temporali

Facciamo un ulteriore passo avanti e analizziamo il modo in cui i tempi di queste email vengono meno. Questo mi ha ricordato il consiglio secolare di non licenziare mai qualcuno il venerdì, dal momento che non possono davvero fare alcun passo verso una nuova occupazione durante il fine settimana. Sebbene non sia così grave come lasciar andare qualcuno, è ancora affascinante pensare ai processi di pensiero utilizzati quando le aziende scelgono di fornire le cattive notizie.

Seguiamo questa idea e analizziamo la suddivisione del giorno della settimana per le email di rifiuto. In seguito mi immergerò nell'analisi del momento della giornata.

Sembra che "giorno di gobba" sia il chiaro vincitore qui. Il giovedì arriva al secondo posto, con il resto dei giorni feriali piuttosto coerenti. I fine settimana sembrano la navigazione regolare per la maggior parte, a parte alcune anomalie notevoli che sono state inviate sabato. Vergogna…

Per ora del giorno, sembra la normale distribuzione che ci aspetteremmo. Sembra che ci siano picchi nei conteggi del rifiuto alle 9:00 e alle 12:00. Questi orari segnalano l'inizio della giornata lavorativa per i fusi orari EST e PST, rispettivamente. Solo un singolo rifiuto è arrivato dopo le 17:00 PST (ora 20). Ti guardo P&G.

Questo avvolge la parte di analisi del post. Ancora una volta, puoi controllare il codice e l'analisi originale su GitHub o nella sintesi collegata sotto.

Parole finali

Ho trovato questo progetto una divertente esplorazione delle e-mail di rifiuto del lavoro. Inoltre, l'ho trovato utile per riflettere sulla mia ricerca di lavoro e sulla gestione del rifiuto in generale. Non abbastanza persone là fuori apprezzano la capacità di affrontare il fallimento come un'abilità pratica o addirittura un superpotere in qualche modo.

"Ho fallito più e più volte nella mia vita ... ed è per questo che ci riesco" - Michael Jordan

Dopo oltre 80 rifiuti espliciti, inizi ad abituarti alla nozione di fallimento. Mi sono ritrovato a diventare sempre meno riluttante a candidarmi per posizioni presso prestigiose aziende o reclutatori di e-mail a freddo. Questo mi ha permesso di ottenere opportunità che inizialmente non pensavo fossero a portata di mano.

Se stai leggendo questo, cogli queste possibilità, vai un po 'oltre, esci e fallisci. Torna indietro. Quindi fallire ancora un po '. È solo attraverso questo processo che si possono ottenere miglioramenti e, in definitiva, successo. E quando raggiungi il prossimo successo, non dimenticare di guardare indietro a tutti i fallimenti che ti hanno portato lì e dire una cosa:

Grazie per il vostro interesse.

Grazie per aver letto! Se ti è piaciuto il post, vai avanti e mostra il pulsante applauso un po 'd'amore e dai un'occhiata ad alcuni dei miei post correlati di seguito:

  • Decostruzione delle metriche su supporto
  • La grande lista di risorse per interviste DS / ML
  • Python for Data Science: 8 concetti che potresti aver dimenticato

Se sei interessato ad altri post in arrivo, assicurati di seguirmi e iscriviti alla mia newsletter qui sotto per ricevere nuovi contenuti. Per ulteriori informazioni su di me e su cosa devo fare, controlla il mio sito Web.