從電商到廣告，透過持續學習和挑戰，來發揮職場影響力 — Joseph
Joseph 目前在 Taboola 擔任 Algorithm R&D team lead，上一份工作是 Pinkoi 的 data lead，擁有扎實的推薦系統演算法、軟體開發和團隊合作的經驗，以及許多學習方式和成長思維，都將在這篇訪談文章中和大家分享。
首先，是職涯發展小故事
因 BBS 啟發對軟體的興趣
Joseph 進入軟體世界的起點，是高中時期為了管理 BBS，開始研究 FreeBSD、Linux 等系統，還有 BBS 的軟體和程式開發，也積極參與 open source 社群。
因為這些經驗，大學時期在朋友的引薦下，進入清華大學張俊盛教授的 NLP實驗室，架設 Hadoop 來做資料計算，也因此接觸 NLP、Information Retrieval、data mining 等領域，在研究和嘗試後，發現這些領域很有趣，因此想從事 data 相關的工作。
第一份工作 Pinkoi 的收穫
進入 Pinkoi 後，Joseph 才發現學界和業界是有落差的，學界通常是 one-time pipeline，而業界則是要建立長期穩定的系統，是兩個不太一樣的概念。當時也幾乎沒有推薦系統、資料工程、數據分析等相關知識，作為公司第一個要處理這些領域的人，剛開始著實花了滿多時間嘗試的。
在開始建立推薦系統時，遇到兩大難題，第一是沒有數據追蹤系統，缺數據資料、缺 data warehouse、缺 event tracking，第二是剛從學校畢業，有實驗室的 NLP 經驗，但缺乏電商領域的 domain knowledge，對推薦系統領域的瞭解也不全面。
因為不懂，所以積極學習，在職場前兩年的下班生活，基本是每天2~3小時的學習時間，上 Coursera 和 Udemy 的線上課程、看文章、參加 meetup 並請教類似領域的開發經驗，直到工作上手穩定。也許一開始沒有很好的產出，但能力是磨出來的！
在獲得資料和累積 domain knowledge 後，接下來的課題就是要怎麼跟產品做連結，因為產品團隊很少主動提想要創造什麼體驗的需求，所以有陣子 Joseph 就像 sales 一樣要推廣自己的團隊，直到有機會去負責一個 squad，也就是 cross-functional 的團隊，才讓機器學習和 data 有機會和產品有更深的連結。
轉職到 Taboola 的契機
當初因為有點冒牌者症候群，想要透過面試來測試自己的能力和價值，是否被市場認可，一開始 Joseph 也沒打算加入 Taboola，因為 Taboola 是做 business product，對產品的掌握度低，不像 consumer product，可以設計互動，來做出讓使用者喜歡的產品。
後來 Joseph 決定轉職，是在面試時被說服了，原因有三個：喜歡挑戰，喜歡被刺激和跟聰明的團隊共同成長，還有被美國 LA R&D VP 俞寧寧的真誠和認可，她說「不用對自己設限這麼多」，就決定轉職了。
跨國團隊的挑戰
在新公司當然也遇到一些挑戰與限制：第一是如何在跨時區和文化的環境下，證明自己並發揮影響力，第二是如何透過英文表達來增加說服力，第三是在大公司體制下，只是 Machine Learning 大團隊中一員，對於整個產品的掌握度和影響力變低。
在大公司分工更細，一個小部件可能就是一個團隊負責，就像一台大型飛機，你的責任是讓飛機持續飛，為它加上新的小功能，讓它能飛得更快。而過去建過小飛機的經驗就很有幫助，對整個飛機有基本認識，就更容易找到大飛機中需要修改的部分，這也是剛開始在小公司工作，能夠瞭解更全面的好處。
從 Pinkoi 到 Taboola，Joseph 擁有多年推薦系統與演算法的經驗，接著這一部分是關於推薦系統的應用分享：
根據應用場景設計推薦系統
推薦系統就像中間人，引導使用者找到想要的東西，而在建置推薦系統前，可以思考的四個面向：
- 產品很依賴內容才需要做推薦系統，讓對的內容 match 到對的使用者，讓對的內容有機會有更多的曝光，舉例：Pinkoi 使用者追求更快速找到想要的商品，平台希望新商品和商家能夠曝光，來增加受眾廣度。
- 事先確認推薦系統的目標和長期價值，像是希望客戶能購買或回購、增加受眾或商品的廣度等，舉例：Netflix 的首頁，讓每個人看到不一樣的畫面，才能擴大使用者，並確保受眾有看到想看的內容。
- 根據規劃的使用者歷程，來做合適的推薦系統模型，舉例：使用者在這個畫面是要探索商品、找相似商品、找新的點子等，都要有對應的方法去滿足不同的需求，而不只是追求數字上的成長。
- 同產業同規模的平台對推薦系統的需求可能不同，像是 Pinkoi 是追求設計的平台，使用者有自己的偏好、商家也有自己的設計風格，所以不能做熱門商品，而是讓偏好的商品被看到，但在 momo 這個大眾品牌，比較沒有個人偏好，通常消費者已經確定要買的商品或品牌，只需要搜尋功能，不一定要個人化推薦系統。
推薦系統在對公司和使用者的喜好上會有衝突嗎？
推薦系統通常會追求各個面向的平衡，所以犧牲是有可能發生的，舉例：用戶分買家和賣家，有時增加冷門賣家曝光的機會，會犧牲熱門賣家的營收，同時也可能會犧牲買家看到預期商品的機會。
如何將推薦系統和產品與業務做連結？
推薦系統特別需要和商業策略和產品做連結，有些公司有 product manager 會討論如何透過推薦系統，來創造最大價值，有些公司則需要自己向外推廣，看其他單位是否買單，所以建議工程師要有 product mindset，清楚產品和公司的目標，不限制自己只能寫 code，而是思考如何發揮最大價值。
在推薦系統或 event tracking 開發時遇到的困難？
當初在 Pinkoi 因平台多元，當前後端越來越分離時，會需要專案來瞭解如何透過前端來埋點、如何設計架構、和復原出使用者歷程等，花很多時間研究平台架構，即使埋點成功後，埋點也很容易因系統調整而壞掉，需要再進一步研究如何讓系統更加穩定。
從上述 Joseph 的故事，會發現他是個很喜歡接受挑戰的人，即使一開始沒有足夠的知識和能力，在經過學習後也能漸漸上手，因此這部分是 Joseph 的職涯和個人成長經驗分享：
新鮮人該選大公司或小公司？
看自己的目標和想要成就什麼。小公司比較有機會發揮影響力、獲得較廣的知識領域，容易橫跨多個 function 或部門一起推動事情。大公司比較穩定、有現成的學習資源，分工較細、容易鑽得深，但也容易看得窄與進入舒適圈，所以當成長曲線緩慢下來，轉到能追求成長的小公司，也是不錯的選擇，能夠進一步發揮影像力，累積從無到有創造東西的經驗。
擔任管理職的挑戰
Joseph 提到他在管理職重視的三個階段：
- 早期的 project management：如何做好專案管理和應用 aglie mindset
- 中期重視 people management：如何做 one-on-one、hiring 和團隊成長
- 後期則是 product management：如何讓 engineering 和 data 與產品有更好的連結來發揮價值
其實管理職不一定適合所有人，需要接受對別人的成就負責，讓團隊內的每個人都成功，讓每個人的目標都能和產品和公司一致，也要思考如何幫助 member 發揮最大價值、追求成長。
擔任管理職後會有 hand-on 的技術焦慮？
擔任 team leader 會有更多時間和 member 討論如何規劃和執行，討論的內容也是自己的經驗，其實成長得更快，還能增加決策的能力，就像 leader 是做 BFS，而 member 是做 DFS，high level在廣度上能累積更多。
招募的方式和看重的特質
在招募方面，如何在有限的時間內，獲得最多的資訊來判斷求職者，是否適合自己的團隊，所以需要先有團隊 persona，接著列相對應的特質和面試題目，而 Joseph 滿看重團隊成員的成長和自學能力、反應與接受挑戰能力、思考和積極程度，當然還要有 product mindset 用商業角度來看問題。
有效的學習方法
其實每個人有不同的成長方式，Joseph 分享自己學習新東西時，會先規劃學習清單，排計畫並完成它，或是將學習變成日常習慣，固定每天花一定時間來學習新知，可以是書籍、電子報等等，尋找資源並排序執行。
讀書會又是另一種方式，除了能和人有交流外，組織學習的東西並輸出會更深刻，像是 Pinkoi 的團隊每周要完成兩個學習，一個是深度的學習：每季一本書或課程，每周完成進度並討論如何應用，另一個是廣度的學習：每周一個人分享自己的學習，不限主題。
最後，想來總結這次訪談，從 Joseph 的經驗中發現不管是工作上的選擇，或是推薦系統演算法的方式，都需要先瞭解做這件事的目的，才知道該如何挑選和尋找資源，在追求成長方面，能接受挑戰、發揮自己的價值，而且不要自我設限，才能被看見和發揮更大的職場影響力！
更多活動內容，請關注 TWiDS FB粉絲專頁
審稿和採訪：鈺評
撰稿：Irene
