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!

Các bài viết khác bạn có thể quan tâm

Bài viết liên quan mới nhất
Về đối tác
thg 10 29 2024

半導體頂尖公司德州儀器滿足年輕人對理想職場的想像:FAE 工作內容、FAE 職涯發展、跨國學習機會完整介紹

德州儀器(Texas Instruments,TI)是知名半導體製造商。為了更了解德州儀器的職涯發展,以及 FAE (應用工程師)的實際工作內容,這次邀請到德州儀器的 FAE 濱謙,一起了解德州儀器如何投資人才以及 FAE 的招募細節!