工齡滿三年之際，我升職成為了 “Senior” Data Scientist。慶幸之餘，趁機會反思、總結一下過去三年的經歷。
升職成功，首要因素當然是運氣。否認這一點，就是不誠實。
「運氣」具體來説，是找到了信任自己又合作無間的老闆，成為他團隊的元老級成員。我們兩人都是理工 PhD；他比我早幾年開始工作，早就犯過學術界出身的人在業界職場會犯的錯，因此能身同感受、包容並指出我的短處。
舉個例子：理科博士們例如我，説話時力求精準，希望考慮和解釋到一切技術細節；但有時候職場溝通需要注重技術以外的東西。例如要讓友方團隊打消 reinvent the wheel 的念頭、進而採用己方團隊的數據庫時，就需要展示和強調相關的商業邏輯有多複雜、而己方的流程已經設計周全。
這時候，面對友方的提問（實為質問），就要展現出對己方系統的信心，而不是跟着對方的話頭、像學術研討會那樣認真探討技術問題。
聽起來有點糟糕、有點缺乏 street smart，對不對？老闆能夠包容我，除了因為他自己的經歷，還因為我的長處蓋過了短處。這，就是運氣以外的因素。
畢竟除了 PhD 以外，我還有一個 Computer Science 碩士學位，以及小時候組裝電腦的經驗累積。換言之，我處理技術工作時有着學院派的謹慎和細心，能讓老闆放心；同時，我對運算和數據儲存系統的運作有粗糙但足夠的理解，讓我可以自行解決難倒其他 Data Scientist 的問題，而不需要老闆幫忙想辦法。
隨便舉個例子：訓練深度學習模型的時候，數據量太多，記憶體 RAM 根本裝不下；假設限制了你不能用 Dask 之類的軟件，那怎麼辦呢？
在三個星期內，我實現了一個不完美但可用的解決方案，透過 Tensorflow IO 逐批載入 memory mapped 的數據，並投放模型到我第一次接觸的 AWS EC2。相比下，一個拿着經濟學位的 Data Scientist，可能需要更久才能完成任務。
除此以外，我入職前在三個不同行業實習過，有家具製造商、娛樂公司以及投資機構。應聘最後一份實習時，面試官説覺得我的 “business sense” 商業觸覺比一般的博士生更強；也許，這對我適應全職工作也有幫助。
就這樣，我不是電腦技術最厲害的人，更不是商（戰）場上最聰敏的人；但我過往的經歷和教育，讓我得以快速自學知識和自行解決問題，為公司作出明顯的貢獻。以此為前提，結合遇到官運亨通的貴人老闆，就獲得了升職事宜上的支持。
要成為 Senior 或以上級別的技術人員，看重的是能否「獨當一面，領導年資尚小的同事，解決漸趨複雜的技術問題」。經過三年全職工作以及之前的磨練，看來我往那個境界邁出了一步。
