桂冠：科學家和PM看待產品的角度不同，提出不同的方法來解決同樣的問題
採訪：Joanna
撰稿：Julianne Lin
編輯：Jami
選擇進入人工智慧 (AI) 領域的契機？
在研究所時期，因為希望可以和一位很有衝勁的教授學習請教，於是桂冠從系上的教授名單內，先鎖定年紀較輕的教授，並逐一拜訪了解每位教授的專長；其中拜訪某位教授時，他說了一句話，從而打動桂冠下定決心，踏入人工智慧領域當作未來的研究方向。
“Data 是老大，透過Data可以做很多事”
受到鼓舞的桂冠，從此開始針對人工智慧機器學習的領域深入研究，在這過程中對這方面的知識也備感興趣，因此畢業後亦選擇繼續在人工智慧相關的領域工作，發揮自己在這領域所學到的技能與專長。
從資料科學家轉變成 PM (Product Manager) 的心路歷程
畢業後，選擇進入 Appier 擔任資料科學家，因為桂冠本身愛與人交流、互動的本質，了解事情的流程脈絡，梳理資訊並找出解決方案，在公司內部，經常負責與各種角色溝通。隨著公司規模逐漸擴張，桂冠在這轉換的過程中，嘗試擔任 PM (Product Manager) 的角色，想藉由 PM 的視角呈現解決方案，並從中觀察所能獲得的效益。
在剛從資料科學家轉為 PM 的初期，有時桂冠會忘記自己的角色已經轉換，一拿到專案資料內容，就先以資料科學家的思考模式去解決問題，並鉅細靡遺地將整個資料需要處理的工作步驟，做詳細的規劃。直到有一天，發現公司的資料科學家其實已經可以規劃出更出色的內容，這時才體悟到自己尚未跳離資料科學家的慣性思考模式，從此開始重視 PM 這個角色所帶來的效益，以及需要面臨的挑戰。像是跨單位與部門的溝通、產品的競爭優勢特點呈現、工作項目的輕重緩急、時程進度的控制等等。至於其他屬於資料科學與研究的部分，則是讓專注處理資料的資料科學家來執行，並保持高度的互相討論，從中理解資料科學家處理的方式與技巧，並釐清彼此對專案執行的做法。
PM 和資料科學家都是提供解決方案來處理問題，只是因為角色不同，看待事情的角度也不同。資料科學家要考慮的是現在的資料適合採用哪種模型、feature 有哪些需要注意等等的問題；而 PM 是要從使用者角度或是產品的角度切入，著重在最後的解決方案是否有真正的解決使用者或企業的問題。桂冠到現在依然很喜歡擔任 PM ，因為跟以往要思考解決問題的角度不同，隨著接觸的專案越多越廣，就可以了解客戶所面臨問題的各個層面，就像挖寶藏一般洞悉關鍵的細節在哪，並從中獲得成就感。
身為 PM 需具備「非常想要達成目標」的決心
PM 最主要面對的是溝通的問題，若 PM 本身擁有技術知識背景或過去執行專案的經驗可以支撐，對擔任 PM 的工作，有很大的助益。例如：和資料科學家討論時，桂冠可以提出一些想法跟見解，資料科學家們也可以針對這些想法做出回應，一來一往的討論當中，就可以清楚的了解到，目前首要想要解決的問題是什麼，從而找到最關鍵的答案。
身處在不同的企業、組織、產品或專案階段的 PM，要做的事情截然不同。而所有 PM 唯一相同的就是對專案目標的執行決心！身為 PM 一定要具備「非常想要達成目標」的決心，才能堅持克服不同專案或產品階段所面臨的各種困難與挑戰。對桂冠來說，在這個領域的挫折，大部分來自新產品的失敗，此外，在台灣目前較少在 AI 領域的 PM，工作機會相對就較有限，大部分的公司都是先聘請資料科學家，而 PM 這個職務則是到後期才被注意到。企業投入這麼多的資源，目的只為一個，在產品專案初期，若能找到一位能將資料科學家們或是產品專案引導至正確方向的 PM，以降低成本並維持專案按部就班的進行，才是真正能為企業帶來高品質產出的作法。
要進入資料分析領域，實作就對了!
因為資料科學領域正熱門，各產業人才都想從別的領域跨進資料科學產業，而桂冠卻認為其實這不是跨領域，結合各種領域背景是一個很好的養分，將資料科學應用在各種多元的情境。如果已經有某個領域的專業知識，透過應用資料分析的方法，也許可以看到以前沒有人發現的細節。
桂冠同時也提出建議給想學習資料科學或進入這個領域的朋友，在上了許多課程後，最重要的關鍵是實作，資料科學很重視實作的經驗。可以嘗試拿一份資料來執行，從中找出 insight；如果找不到，可以考慮找更多人一起來看這份資料，也許其他人會提出自己沒有看到的見解。在處理資料的過程中，也會發現許多從未見過的問題，透過解決這些問題，就能累積資料分析的寶貴經驗。
想往資料科學家或資料工程師發展的朋友，目前網路上已有很豐富的資源，可以在網路上看到許多人分享已經玩很久的模型方法以及後續的討論，現在的初學者亦可站在巨人的肩膀上，學習的門檻大幅降低。像是：透過 kaggle網站上的資料，學習別人如何訓練模型，或是從哪些不同的角度、feature 去看資料。研究一份資料可以從很多面向去探索，要找出這些面向，除了需要具備基本的領域知識外，更重要的是透過實作所累積的經驗，可以更精準明確地找到答案。
