基於許多理由，當時一心就想去做data方面的工作，後來也幸運地分別錄取了兩家公司，分別是資料分析顧問與數據分析師工作，由於前者的offer較晚給我，所以就在後者做了一年，主要使用的分析工具是SAS與SQL。
由於任職的那家外商，其資料分析部門剛成立，所以其實能夠做的scope很廣，事實上整個台北分公司各部門的數據分析需求都要處理，不管是對於價格的預測模型，還是HR部門要求做組織診斷(因為要設計線上問卷以及分析)，或是營運部門的CRM，預測客戶何時流失等等，工作自由度算很高。
之後因為意外收到某美商銀行的面試邀請，在三次面試後，就過去做Database marketing的工作，隸屬於決策管理處。做了半年後，有感於想要更加精進Data Science方面的技能，就申請出國留學，目前正在哥大就讀該方面的碩士，五月畢業。
持平而論，我個人更偏好第一份工作的內容，因為非常廣泛，而且可以跟各部門的人協調與學習。在美商銀行的工作因為分工非常精細，所以好處是負責的部分可以比較專精，但是工作多元性(複雜度則未必)相對較低。孰者為優我覺得還是看個人偏好。
此外，我認為台灣這1-2年吹起所謂大數據風，至少在我當時，還是有些言過其實，比較像是buzzword。我有注意104人力銀行至少這一年來相關工作職缺的數量，跟我剛去求職時簡直不可同日語。但就自己的工作經驗，我真心覺得一個組織的數據分析能不能做好，或是所謂數據科學部門能否良善建置，問題癥結往往不是在於軟體或是人力，而在於組織文化是否真的有data-driven culture?
沒有這個，花大把銀子恐怕成效仍有效。
至於機器學習，深度學習等等，我目前不認為一般企業會真的做這個，也未必能請到足夠好的人。何況機器學習的範圍太過廣泛，從跑跑迴歸到去做neural network等等都包含在內，實在很難評估組織對其的運用深度。
在兩家外商待過後，其實我發現自己還是比較偏愛有充足的時間來進行獨立研究，因此就申請上哥大，第一學期一邊修課，一邊申請博士班。因為這裡的學費跟生活費昂貴，所以我一去就決定要拚看看兩學期畢業；而為了減輕生活費跟房租的壓力(還有學貸)，就同時兼了TA與RA，以賺取薪資，這幾個月所受到的壓力實在很難形容。常常都是一個多月來每天都2-3點睡。
但是辛苦還是有代價的，今年三月多時，卡內基美隆(CMU)的博士班給了我offer，全獎+stipend，因此八月份就要離開繁華的紐約，去匹茲堡讀博了。未來主要想做的方向是運用數據科學以及網絡分析等技術，研究組織行為與決策理論: 目標是在西方國家的大學找教職，如果時運不濟，希望也能去業界做research scientist。
老實說，我的GPA並不高(< 3.5)，並不是非常優秀的學生，至少不是學霸型如楊凱皓那樣一個人包辦了每一學期的書卷獎。CMU這種夢幻校會收我，我想或許是因為SOP中強調了自己跨領域的學術背景: political science, psychology, quantitative method...，剛好這間學校的博士班設計本身就非常跨領域，或許讓我意外獲得了一些優勢(?): person-organization fit.
雖然我自己去讀博的時間算比較晚，但是有了企業的工作經驗，還是讓我在想題目時，或者在做規劃時，可能會有一些意想不到的方向或作法。事實上，我非常推薦要讀社科博班的學生先去實際的企業組織或公務機關累積"出社會的經驗"，某種程度上，會真正比較理解決策的困難，而非只是學會"批判"與製作"懶人包"而已。
最後，不免俗地還是非常鼓勵學弟妹投入Data方面的工作，因為我本身最喜歡的就是做預測分析以及因果推論，要做的投入就是在學校時最好能努力累積 計量 & 程式設計的基礎。很多同學現在應該或曾經修過李鳳玉教授的應用統計，請務必好好學習。機率統計的概念跟在生活/政治/政策/企業上的可應用程度，某種程度上，可能比微積分更為廣泛(?)
即使要走學術，哥大現在都有computational social science的研究group。如果同時具有行為科學與數據科學的訓練，那將賦予你巨大的優勢。
祝福大家都能夠找到人生的呼召，然後毅然決然投入!
沒有留言:
張貼留言