[2020/06/26]我的資料科學家生涯旅程 — 從計量經濟學到資料科學, 從娛樂媒體產業到科技產業

講者簡介

📍 Danny Wang目前擔任LinkedIn (領英)資料科學團隊主管。曾經任職於AT&T, Walt Disney, Warner Bros, Sony Pictures 資料科學部門資深主管，也曾在美國的大學任教多年, 擁有豐富的職場經驗。先後擔任過資料科學技術(Tech Lead) 與管理(People Manager)的相關職位，有機會近距離觀察美國企業如何將數據轉換為數據驅動(data-driven)的業務應用。特別專注於資料科學, 大數據分析與軟體解決方案在市場營銷, 產品與用戶的應用。美國Vanderbilt University 經濟學(計量)博士, 清華大學原子科學院(Nuclear Science)．人文社會學院(Economics)雙學士。

摘要

📍分享由大學教學研究轉換到產業界工作的心得，以及在科技業(Tech) 和娛樂媒體產業(Media & Entertainment)的實務經驗。 介紹資料科學在這些產業的應用與發展。對於想進入資料科學領域或剛起步的夥伴, 提供職涯成長建議，包含所需具備的技能, 如何準備, 資料科學家如何發揮效益, 以及在不同的資料科學職涯(career path)發展的選擇。

Meetup回顧

 **資料科學家的一天**

• 需要跟很多不同的人合作, 例如產品經理, 設計師, 工程師, 也會跨部門合作, 像是與product, marketing, sales, finance, care, risk 做專案

• 工作上, 除了硬技能(hard skills)外, 更需要很多軟技能(soft skills), 能夠influence without authority

• 資料科學家的優勢是能從大量資料中找到洞察(insight), 解決複雜的商業問題, 幫忙做決策和提供建議, 給用戶帶來價值和好的體驗, 進而幫公司帶來收益

• 跟不同stakeholders合作要用不同的語言，問對問題，釐清大家的目標

• 建立對公司、產品、產業的背景知識(domain knowledge)及直覺(intuition)

• 用諮詢顧問(consulting)的技巧分析問題很有用

• 資料科學家需要很有彈性、解決不同問題用不同技術，所以要能夠快速學習新東西

• 理解data product 和pipeline的上中下游，最後用software solutions去解決business problems

  資料科學家的養成與轉換domain

• 需要在多個地方耕耘 — Domain Knowledge, Hard Skills, Soft Skills, Software Solutions

• 每隔一陣子換個domain是一種可以快速成長的方式，幫助學習新的技能並且釐清自己的目標。這可以是在同一個公司換組或換項目。不一定要轉職，太頻繁轉換公司反而可能會令未來雇主產生疑慮, 也不容易在一份工作累積足夠的經驗

• 許多domain knowleage 是能在不同產業、公司和情境中通用，獲得的domain和經驗可以收斂成人生智慧庫，應付各種職場需求

• 舉例：在Disney Studios 的電影投資分析 v.s. ABC 電視劇的廣告預算優化分配分析, 雖然應用情境不同，但是在做分析及模組中牽涉到的影視產業生態或是行銷經驗能互相back up, 幫助建模

Danny 以自身經歷歸納data scientists所需的軟性技能

 **Data Science Career @ Linkedin**

• 資料科學家在LinkedIn分成三個方向：Insight & Strategy、Inference & Algorithm、Engineering Solutions，各個方向在工作上有不同的側重，需要的技能也不一樣。

• 另外，Danny 也貼心的幫大家整理了面試這三個不同Tracks時所需著重的準備方向：

Meetup Q &A

By 講者 Danny

Q在轉職的過程中如何確保過去的經驗可以持續增加自己未來價值呢？會不會因為頻繁轉換跑道導缺乏每個領域中的domain knowledge？

A如果有明確的生涯目標，建議在轉職時可以思考新的工作是否有朝目標成長的機會，這可以有多個面向(dimension)去考慮，包含role (e.g., data scientist, data engineer, BI analyst), industry (e.g., tech, media, retailing), domain (e.g., marketing, sales, product), 和leveling(e.g., junior, senior, management)之間的轉換。例如你可以在同一個 domain但是轉換 industry，雖然業務和運作(business and operations)不同，但許多domain knowledge 和經驗是可以通用的，有些時候也可以在同個公司內部轉換

除非有特殊原因，不建議太頻繁轉換公司，這可能對未來的雇主造成疑慮，也不容易在一份工作累積足夠的經驗

Q對於美國碩士生找DS實習或是new grads 找DS全職似乎不是很好找，請問有什麼建議讓剛入學的人可以準備來提升自己的競爭力？對於很難找到DS工作這件事請問Danny的看法及建議是什麼？

A 建議剛入學的同學可以從下面著手

1. 了解就業市場和所需的技能和經驗，這可以從招聘的Job Descriptions獲得，然後補足欠缺的部份和加強resume，另外也要對有興趣的industry和domain多下功夫了解，這可以和已經在工作的朋友多聊聊
2. 盡量在校時就有做項目(data science project)的經驗，這可以是學校的項目或是Kaggle之類的項目
3. 透過 networking/referral 推薦去增加面試的機會
4. 充份準備面試和加強面試技巧

Q可以請你分享people management和tech lead track的pros & cons嗎？如果有機會選擇該如何考量呢？

A一般來說在科技公司(tech company)比較會有明確的managerial track 和 technical track的選擇，據我的經驗，成為people manager和tech lead 都需要累積足夠的經驗(hands-on experience as an IC)，和良好的溝通協調與領導能力 (communication, collaboration and leadership)。我認為people manager更偏重於培養團隊和發展組織(develop the organization)，而tech lead則著重於技術的發展和成長(develop the technology)，他們都需要領導團隊，但是具備的核心技能卻不同。至於如何選擇要看個人的興趣和強項，在一般非科技公司，technical track的選擇比較少，往上走基本是往management發展