【職涯分享】自學成為資料科學家
NTUDAC 的社課規劃不只著重分析能力的養成、商業思維的洞察,也重視未來職涯的展望。「職涯分享」便是以此為核心誕生的課程,同時兼具台大學長姐回校傳承的特殊意義。透過來自各行業的學長姐分享心路歷程,我們有幸一窺各產業與職位的真實樣貌,進而勾勒未來的職涯藍圖。
在第三屆尾聲,我們非常榮幸邀請到在 ASML(全球頂尖半導體設備供應商)擔任全球營運資料分析師的 Preston Yu 學長,分享如何運用自學的力量成為資料科學家。前輩的職涯故事十分精彩,一起往下看吧!
本文目錄一、踏上「資料」這條路二、Preston 的「自學方程式」三、成功轉職數據領域工作四、找工作常見五大問
Preston Yu 學長分享
踏上「資料」這條路
跟許多非本科的你我一樣,Preston 最初是一張白紙,甚至不會任何 Excel 語法。但在求學與職涯路途歷經多樣契機,促使他主動鑽研 Excel、SQL、R、機器學習等資料分析工具。為了理解其中意涵,還會模仿主管寫的 code、一個一個比對商業邏輯,直到可以獨立撰寫。
在這樣一步一步的成長中,Preston 啟發自身對於商業分析師/商業顧問一途的嚮往,為了彌補不足之處,更著重四大技能補強方向:
- 程式:運用在校資源修習 R 語言課程;上網學習 Python 課程
- 數學:學習基本統計學、微積分(以瞭解資料分析背後的數學概念)
- 商業邏輯:麥肯錫金字塔原理、問題分析與解決技巧等
- 職場運用:將學到的程式應用於分析離峰時段的乘車需求等
然而求職過程並非旗開得勝,雖然準備很久、有足夠自信,卻在面試期間發現自己對於市場、職位、數理統計知識等缺乏足夠全面的了解,誤以為過去實習所處理的資料量足以代表分析實力,但實際上業界處理的資料更為困難而龐大。以這個挫折為警惕,Preston 呼籲大家不可輕忽「達克效應」 — 也就是新手易產生的認知偏差。
繼續閱讀|回到目錄
Preston 的「自學方程式」
求職初期的挫折沒有因此打擊 Preston,相反的,他進一步省思自己的不足處,並逐漸開發專屬於自己的「自學方程式」。
1. 深入剖析求職市場:
了解數據職能的要求,也因此發現各家公司 Data Analyst 所須具備技能大不同,在求職前要格外注意並提早做準備。
2. 考取技能證照:
藉由考取證書的過程加強數理統計跳脫 danger zone,以接軌商業應用並增加職場競爭力,並且證照放 LinkedIn 也有打破科系既定印象的效果。
(證照舉例:Google Ads、Google Analytics、Google Data Analytics、Google Professional Data Engineer、IBM Data Scientist、Stanford Machine Learning…)
3. 機器學習馬拉松:
每天下班後花費 3 小時參加「機器學習百日馬拉松」,在 100 天的堅持中奠定機器學習、深度學習知識基礎,了解程式語法及參數設定變化。
4. 參加資料分析競賽:
面對競賽中多變的挑戰、實際的商業個案,不僅可以增加實戰經驗,還能接軌商業應用,增加職場競爭力。
5. 實際應用於工作:
嘗試將學理基礎、程式基礎應用於生活中,熟練之後就能化為反射動作。
在這條奮鬥的路上,很多人問 Preston 為什麼選擇自學,而不考慮轉系/雙主修/讀研?我們將 Preston 的回應整理成以下表格,希望能提供其他面對同樣問題的同學參考。
繼續閱讀|回到目錄
成功轉職數據領域工作
Preston 二次求職成功,除了有自學方程式奠下根基,還因為掌握兩個求職步驟:善用資源、釐清目標。
第一步:善用資源行銷自己
【LinkedIn】
- 開放職場意向,吸引獵頭
- 放上專長關鍵字,提升搜尋
【Headhunter】
- 掌握獵頭人脈,以獲得隱藏版職缺
- 透過獵頭圈轉介,媒合適合職缺
第二步:釐清目標,提升求職效率
釐清自己想從事的工作方向是以下何者,進而擬定下一步戰略。
1. 工程師相關(包含 Data Engineer、Software Engineer)
→ 刷 LeetCode(蒐集超過 1000 題工程師面試題目的網站)
2. 著重商業應用(將數據分析應用多方領域,如營運、產品、行銷)
→ 不能僅關注「Data」開頭相關職缺
→ Kaggle 要多做才能掌握業界應用
→ 累積相關作品、實戰經驗
「轉職成功只是一個開始,建議大家以數據為核心之餘,也要擁有第二專長,發展更多職涯可能性!」
繼續閱讀|回到目錄
找工作常見五大問
演講的最後,Preston 針對找工作常見五個問題,整合自己的心路歷程分享給大家。
1. 這真的跟我想像的工作內容一樣嗎?
投遞職缺前,熟讀 JD 為必要。當自身條件符合 JD 80%~120% 即可嘗試投遞(可多參閱 PTT、Dcard 或是其他網路分享文章,也推薦使用 Glassdoor 查詢職缺資訊)。
2. 選公司?還是選職缺?
兼顧最好,但切記不要為了特定公司,選定與自己目標不相關的職缺。
3. 我在數據領域,算專家等級嗎?
數據分析的技巧和工具隨時都有新玩意不斷產生,與時俱進學習才能不斷豐富自身經歷。
4. 這個職位名稱看起來好初階,我可以不要投嗎?
工作幾年後通常會遇到這個問題!新創公司與大公司給予的頭銜難免會有所落差,千萬不要被頭銜名稱誤導,而錯失難能可貴的機會。
5. 現在工作的產業別會影響我之後的職涯發展嗎?
答案是「會」!以台灣職場不成文的規定來看,第一份工作絕對會影響之後的職涯發展。
第一份工作就像給予求職圈的第一印象,當能力不夠突出時,往往下一份工作會吸引到相同產業的職缺。通常主管要的是即戰力,因此若主動去投遞其他產業的職缺,除非有非常強而有力的理由(或機緣),否則一般不太能接受缺乏相關 business background 的人加入。因此建議與前一份工作的產業有相關性,domain knowledge 比較能有所銜接。