想成為 Data Scientist?日本樂天資料科學家 Marcus 的 Amazon 經驗與跨領域歷程

有句話是這樣說的,大學有三大必修學分:「課業、社團、愛情」。學生因為升學而被壓抑了 10 幾年的興趣、自我常常在大學階段大鳴大放。因此,想必大家都遇過這兩類的同學:第一種是非常專注於課業,持續認真唸書、為未來職涯鋪路;第二種是再也無法安靜坐在書桌前,而是四處探索有趣的事物、投注在各式各樣的社團及活動中。

《科技職涯》Podcast 第二季第 19 集的來賓 Marcus,便是屬於後者。畢業自政大資管系的 Marcus,在大學的前兩年花費了非常多心力在熱舞社中,甚至考慮過要此維生。大三才開始認真思索未來的他,是如何在短短兩年內的時間培養自己的 hard skill?如何準備 50 多場面試,最後拿到 Amazon 的 Analyst offer?又是如何在今年六月順利加入日本樂天擔任 Data Scientist?

如果你也對於資料科學的工作有興趣,或是想聽聽 Marcus 充滿啟發性的準備過程,推薦你本集的《科技職涯》Podcast!

Podcast 各節摘要
02:35  Marcus 的大學生活是什麼樣貌?
05:35  是什麼樣的契機讓 Marcus 決心要前往資料科學領域?
07:15   Marcus 為了求職、成為 data scientist 做了哪些努力?
10:30   為什麼 Marcus 會在初次求職時經歷超過 50 場面試?
13:25    白板題該如何準備?
14:55    想要跨領域進入資料科學領域該怎麼開始?該投入多少時間?
18:15     請 Marcus 跟我們分享在 Amazon 的工作內容
21:45    身為 Analyst 要怎麼和 marketing、sales 協作?
22:50   Amazon 的 Analyst 跟日本樂天的 data scientist 的工作差異是什麼
27:45   如何弭平 Analyst 跟 data scientist 之間的能力與工作內容落差
29:45   熱舞社的經歷如何為 Marcus 加分?
34:00   大學成績對於求職的影響?
36:15     目前遠端工作的 Marcus,跟日本樂天的團隊合作起來的感覺如何?
37:20    請 Marcus 給一樣跨領域的求職者一點建議

從熱舞社活躍社員到 Marketing Analyst

如同許多在台灣的教育制度下成長的學生,Marcus 在入學前其實沒有深入了解自己所要就讀的科系,因而在課程開始後發現自己在銜接上有些困難,也在同儕的氛圍影響下漸漸變得消極和迷惘。大一大二將課業看得次要的他,漸漸把自己的心力和熱忱都投注在熱舞社。

美國打工換宿開啟新的眼界

大學生活就在舞步和音樂中過了一半,Marcus 在大二升大三時去了美國打工換宿,在那段時間中他接觸了許多以前從未想過的認知和故事、體驗了不同的文化,心中萌生了許多想法跟動力,認為自己其實有很多可以做的事,也絕對有能力改變現況、追求更理想的生活樣態。

回到台灣後,Marcus 還記得自己駐足在政大商院一樓的佈告欄前,希望在眾多資訊中,找出自己喜歡、未來能夠做的事。他嘗試了各種範疇,像是行銷、供應鏈管理,最後在專注於計劃和資料處理的商業分析中找到了興趣。隨著相關的課程越學越多,他更瞭解了這個領域的未來趨勢,因此決定往這個方向前進。

線上課程自學與資料科學精進

接著,Marcus 利用線上課程平台 Udacity 、資料科學平台 Kaggle 正式地以技術的角度入門資料科學,每週投入約 4-5 個小時。首先,他果斷地購買了要價不菲的 Udacity 課程,利用來自歐洲與美國顧問公司所合作提供的真實市場調查資料,開始練習寫 project,並在過程中逐漸摸索出自己的優勢。

除了自學,資料科學平台 Kaggle 也提供了 Marcus 不少實用的社群資源。機器學習(Machine Learning)、預測比賽、專案分享、領域討論等等,Marcus 利用 Kaggle 練習自己寫程式和分析的能力,也發現自己的成果有越來越多人按讚、討論,同伴帶來的支持與成就感,讓 Marcus 更能夠持續地累積實務練習的經驗。

50+ 的面試經驗

找到自己想要鑽研的領域後,Marcus 計畫大學畢業後到美國就讀商業分析研究所,卻沒有順利錄取。決定投入職場後,出於對自己的期待和企圖心,Marcus 設立了很高的標準,因而開始了超過 50 場面試、長達半年的求職過程。

在這半年中,其實 Marcus 在前五場面試後就順利拿到了一個 offer,是一家新創公司的 Business Analyst。面試時對方與他聊了商業理解能力、分析方法等,並沒有實作的 coding test。儘管 Marcus 對於這家公司的印象很不錯,但是他看不到個人職涯的未來發展性還有長遠價值,也擔心自己當時的能力與該公司的產品無法相得益彰,因而忍痛拒絕,繼續看不到盡頭的求職旅程。

第一份工作:Amazon Marketing Specialist–Analyst

在經歷了 50 多場面試後(其中光是泰國 Agoda 的 5 個不同職位就包辦了 15 場!),Marcus 終於在不斷正面迎擊自己的劣勢、練習優化面試與白板題表現後,順利拿到了 Amazon Marketing team 的 Analyst 一職。

除了能力上的準備以外,Marcus 也分享自己在 HTC 的 PM 實習經驗對於拿到 Amazon 這個 offer 的幫助。當時他需要在兩個月內 demo 出一個產品,必須同時進行網站架設、 UIUX 設計、資料分析。Amazon 的這份工作需要一個技術背景較完整的人才,正好與 Marcus 的經驗不謀而合。

從 Marketing Analyst 到 Data Scientist

Amazon Marketing Analyst:business sense & reporting

Marcus 所在的台灣 Amazon Marketing team 對於 Analyst 最主要的需求是報表的製作,比起計算銷售數據,更加專注於整個產業的優勢和發展潛力,並解釋數字的成長與需求,期待能夠招募大型的品牌作為賣家,像是 AZUS、Acer。

因為資料分析相關的人力不多,Marcus 有時也會需要支援其他部門的需求,在合作上就會關不不同的重點。像是 Sales team 就會希望將所有資源投注在最有潛力、銷售成績最高的賣家,而 Marketing team 則會希望能夠把握 mass communication 的原則,照顧到所有的客戶。因此,透過溝通兼顧不同組別的期待並爭取到希望的資源,便是 Marcus 在 Amazon 時需要投入的事務。

因為是整個大中華區一起協作,有時還會加入東南亞地區的 office 一起討論,Marcus 也分享,不同市場的優勢產業其實會有很大的不同,像是 Amazon 整體而言表現最突出的產業是衣服、美妝、日用品,但是台灣市場最強勁的產業是 3C 科技,其次為母嬰用品,韓國則是 KPOP 周邊產品、美妝次之。這些有趣的觀察,也會造成不同市場在內容製作以及開發客戶時,會需要提供不同的服務及銷售方式。

Rakuten Japan Data Scientist:technology-driven

相較在 Amazon 時的 Analyst 工作著重商業敏感度與分析能力,Marcus 在日本樂天的 Data Scientist 工作則有更多的技術含量。主要是利用消費者端的數據來協助賣家增加銷售成效,像是製作內容、廣告策略、品牌頁面設計等整套的解決方案,客戶則包括了知名品牌花王、Pinasonic、SONY、聯合利華等等。

舉例來說,Data Scientist 會寫出一個機器學習的 model 鎖定該品牌的熟客、轉換機率極高的客戶,並利用電子郵件行銷(email marketing)、廣告投遞等,促使消費者實際買單,提升轉換率與銷售業績。

除此之外,Data Scientist 也會去爬品牌的官網,把幫助熱門商品銷售的優秀關鍵字、可量化的數據截下,自動形成內容,幫助內部對客戶做 proposal,或是日後實際的行銷操作。

也因為這份工作以技術為主,Marcus 也需要協助將專業的技術語言轉換成客戶能夠理解的說法,讓對方知道這些技術、技術學習能為他們帶來的成效。比起解釋數據在技術操作中的意義,更重要的提供背後的 insight,例如哪個族群對於購買特定商品的決策權更高,以電視為例,可能是家中有大客廳的人、剛結婚的新人。對於賣家來說,可以更了解與樂天合作的價值和可行方向,也可以幫助打造正確的模型、做出正確的商業決策。

如何弭平 Amazon 與 Raketen 兩個工作間的差異

儘管都是資料科學相關,Marcus 的這兩份工作在實作上還是有很大的差異。那麼他是如何減少工作轉換間的差距的?

Amazon 每季都有內部的 machine learning competition,以準確度為競賽標準,也很依賴參賽者的 business sense,讓 Marcus 能夠一起學習資料科學本身的專業及其商業應用。此外,他也上了一門線上課程,主題為「如何解釋機器學習的內容」,剛好是樂天很需要的能力,將技術專業轉譯為可應用的觀察。

雖然已經做了很多努力,加入樂天後,Marcus 又發現了自己的不足。因為身邊的同事都是技術背景,大家有習慣持續閱讀新的論文、討論新的技術應用,這對於半路自學、只有學識背景的 Marcus 來說是稍有挑戰的事情。因此,他會請教身邊有碩、博士經驗的朋友,學習如何讀和擷取論文的精華,以及不停與能力扎實的同事進行 1on1 的請教。

就算是正統學術背景出身,在這個領域仍然不能停止學習。Marcus 也一直都在調整自己的心態和作息,讓自己有餘裕以及熱忱持續吸收新知。

看更多資料科學家的職涯分享:

資料科學夯什麼?一窺 Mastercard 分析顧問、新創 Migo Data Lead 到哈佛 PhD 的精彩職涯!(上)

資料科學夯什麼?一窺 Mastercard 分析顧問、新創 Migo Data Lead 到哈佛 PhD 的精彩職涯!(下)

做唯一也努力做第一

熱舞社經驗讓自己與眾不同

會後悔大學時花太多時間在跳舞嗎?Marcus 很坦白地說,剛畢業求職的那端期間,的確很後悔自己沒有花更多時間唸書。但是,跳舞其實也帶給他沒想過的職場體驗。舉例來說,電影中常見的「街舞 Battle」其實會先經歷過一段海選,參加者必須一個一個在大庭廣眾之下先做簡短的表演,才有機會進到實際的 battle 階段。

大學的時候,Marcus 參加過 30 幾場海選,最後才順利進入了 battle,他發現這段經驗對於培養自己的抗壓力、心理素質有很大的幫助。在那 50 多場面試中,無論桌子下的手抖得多麽厲害,Marcus 仍然能平靜、有自信地展現自己。

開始工作後,會跳舞的人難免會被推派負責尾牙之類的活動。今年 Amazon 的上海 office 邀請了台灣團隊一起參與尾牙,Marcus 的表演就讓中國的同事們留下了深刻的印象。以往向不熟的同事請求協助時,難免需要放低姿態,經過那場尾牙後,Marcus 發現大家都會記得他、直接破冰,往後的合作、請教都變得更加輕鬆和順暢。

只專注於人生的成績單

在大學的後半段找到自己熱愛的領域後,Marcus 才開始投注較多心力在學業上。雖然已經建立了一定程度的專業能力,卻也有企業在看了他的大學成績單後,決定取消已經發出的 offer。

會後悔沒有好好維持自己的成績嗎?Marcus 分享,其實也有 Amazon 的同事跟他開玩笑說一定是 hiring process 出了什麼問題,他才能夠以這個學業成績錄取 Amazon。玩笑歸玩笑,Marcus 也很客觀地說,以他目前的狀態和需求,大學成績對他沒什麼影響,但未來如果他想要念研究所,也許又會再後悔一次沒有好好念書。

但是,過去的事情已經無法挽救,Marcus 只要把現在跟未來的自己過好、證明自己有能力,才是他應該專注的事情。當初申請研究所落榜,但是現在他卻發現其實不需要學歷也可以做 data scientist;當初面試泰國 Agoda 15 次未果,現在卻發現不需要先進 Agoda 也能成功錄取日本樂天。

最後,他想鼓勵所有想要跨領域的人,一定要堅持自己想做的事情。「如果遇到很困難的苦難,可能都是對你最好的安排。」

你也對資料科學領域有興趣嗎?不管你是非相關背景、想要轉職,Marcus 都建議可以先從身邊有興趣的數據開始。例如 Content Marketing 可以看 impression、click;Sales 可以看 revenue、conversion rate。

不用馬上投入程式語言,可以先從 excel 開始,從網路、Medium 上面的分享觀察大家在分析時會看哪些數字,熟悉資料分析與資料科學的應用,先明確培養起自己對這個領域的興趣以及 business sense。

再來,你可以選擇一個喜歡的語言,可能是 Python、R,或是 C、C++、工具 Tableau...等等,逐步建立你的分析能力。

更多人才的精彩分享,敬請鎖定 Cake 的《科技職涯》Podcast!

《科技職涯》是由 Cake 創立的 Podcast 廣播節目,專門邀請在科技、數位和新創領域的工作者來分享職涯趣事及觀點,每週三固定更新,目前可以在 SoundOnSpotifyApple PodcastGoogle Podcast 上收聽,歡迎追蹤 🎧

訂閱 Cake 人資週報,獲得:
  1. 雙週一篇趨勢新知
  2. 每季一本電子書
  3. 行銷招募的系統化做法

Resume Builder

Build your resume only in minutes!

More Articles you might be interested in

Latest relevant articles
Cover Letter
Aug 2nd 2024

【推薦信範例】如何請老師/自己寫推薦信?4 步驟完美準備大學與研究所推薦信

申請大學或研究所時的推薦信該怎麼準備?該如何請教授或老師寫推薦信,取得師長推薦函?如果老師或教授請你自己寫好推薦信,有推薦信範例或範本可以參考嗎?推薦信又有什麼格式呢? 花個 3 分鐘閱讀這篇文章,釐清關於推薦信和推薦函的疑惑,打造成功獲得入學機會的推薦信吧!