Member-only story

「修正，面試，工作：我轉行後的三年美國資料科學 經驗分享 」 施美成 HBO Max 內容資料科學家

活動主辦單位： Taiwan Data Science Meetup 台灣資料科學社群

施美成 HBO Max 內容資料科學家 Taiwan Data Science Meetup

 **講者介紹** 施美成，伊利諾大學厄巴納香檳分校土木工程博士。現在在紐約 HBO Max 擔任內容資料科學家，過去曾在貨運鐵路公司 Norfolk Southern Corporation 和電子商務零售公司 Wayfair LLC 任職。專長是媒體內容分析，電子商務訂價，還有大眾運輸系統營運。在資料科學技術領域來說，對時間序列分析，因果分析，和可解釋機器學習有濃厚興趣。希望能早日賺到可以在紐約悠閒看書養貓的錢。 **演講時間：2020/08/21**

本文知識點

1.培養面試表達能力的建議

2. Data Scientist — 美國五大貨運鐵路公司 Norfolk Southern Corporation

3. Data Scientist — 傢俱電商的龍頭 Wayfair （微肥兒）

4. Data Scientist — 紐約HBO MAX

5. 關於尋找職涯導師（Mentor) 與結語

6. 與講者問答精選

商業分析導向的資料科學家轉職的心路歷程：

相信成功的經驗無法複製 但是失敗的經驗可以互相學習

講者的求學跟求職經背景不是典型的資料科學人的背景，因此把這次演講的重心放在他轉行的心路歷程。時間回朔到 2016年二月，講者在讀博士班的時候待的是美國貨運鐵路研究領域頂尖的實驗室，研究的題目是運輸系統中的鐵路，即便研究老師實驗室資源豐富，但是因為不知道未來的職涯方向，所以他感到有些絕望。不過美成在錯誤中學習，轉化了在博士班的研究訓練，還有運用累積的資料分析的工作經驗，成功的轉型成商業導向的資料科學家。從2017 年拿到了美國前五大貨運鐵路公司的資料科學家職位，開始了他的第一份資料科學家工作後，經歷加入離開 Wayfair LLC，2020年現在在紐約 HBO Max 擔任內容資料科學家。

施美成 HBO Max 內容資料科學家 Taiwan Data Science Meetup

找工作的三個階段是一個循環：

1. 積極面試 2.努力工作 3.修正方向

大多數的人是從積極面試開始，然後努力工作，工作後開始修正方向，最後回到積極面試的循環。然而美成因為轉行，由修正或尋找方向開始談論。資料科學家的求職路線很多元，有些人是技術導向（Technical Track) 有些人是是混合導( Mixed Track )還有些人是管理者導向( Management )。講者強調在這個循環中的成功的經驗無法複製，但是失敗的經驗可以互相學習。在演講中，講者講到在三年經歷了50–60個面試，且在工作兩到三年後幫助Wayfair LLC 面試新人，看著剛畢業的學生或新鮮人，也了解到自己當年的問題，最後整理出剛進入資料科學領域的新鮮人在求職還是職場上可能碰到的問題，並提出解決方法。

• 避免跟大家看起來都一樣： 不管是在履歷上或是在面試上的表現，發現大家會的工具或是做過的專案都一樣，講出來的話也相似，解決問題的方法也相同。如果要在眾多的求職者中脫穎而出，要思考如何在履歷還有面試中突顯自己的優勢。
• 分析且詮釋案例的能力不足： 求職者應該要訓練自己，連結過去所學去解決商業問題，像是如何用數學定義一個商業問題並用分析方法解決。
• 表達能力的問題： 不要只偏重硬實力忽略軟實力。求職者不只要重視寫程式還有機器學習模型跟數學運算，更要講究如何解決商業問題跟人合作還有團隊溝通的能力，還有讓別人瞭解自己的思路。因此在履歷上不要過於著重於用什麼數學模型，而是要凸現出做這個專案的重要性是什麼。在面試的過程中，不能只強調會什麼數學模式，而是要說明怎麼運用在實際公司所面對的問題。
• 溝通表達的方法： 要避免單方向的一直講自己領域的知識，而忽略了跟面試官的互動還有溝通。另外，不同於亞洲，歐美的溝通方法是比較線性的。因此在講話的時候要有順序軸從 A-B-C 講到 D，如果講話跳躍講完 A然後跳到 B-1, B-2, B-3 再一次跳到C, 這樣在美國職場上同事跟面試官可能會聽不懂。