如何運用自學的力量成為決策科學家
講者：尤順平 Preston Yu｜Global Operational Data Analyst @ ASML
活動主辦單位：Taiwan Data Science Meetup 台灣資料科學社群
前言:
與很多做Data相關工作的人的背景不同, Preston大學時讀的是政治系,一個與Data幾乎完全沾不上邊的科系,也因此在面試時有時會被別人問說”為什麼不去選立委?”但他憑著自己對夢想的堅持,以及不怕困難以及在錯誤中學習的勇敢,最後達成他想要的目標.他的經歷,也讓我看到了什麼叫做”失敗為成功之母!”.相信他過去經歷過的是以及心態間的轉換是目前很多人正在走的路,也希望接下來要分享的內容能幫助到很多人.
講者介紹:
Preston總共有六年的工作經驗,目前在ASML擔任Global Operational Data Analyst,主要的工作內在透過數據分析幫助ASML解決公司內部供應鏈管理的難題,同時由於ASML是個跨國企業,Preston 還跨國協助Data Pipeline優化以及導入自動化流程.在進入ASML之前,Preston還在GOGOX以及Shopee做過Business Analysis的工作,以及Uber擔任Operations Specialist.
講者過去的辛路歷程 — 為什麼會踏上資料科學家這條路?
從無到有,從失敗及工作中不會的地方中學習自己所需的技能,並成功的應用到工作之中
Preston在大學就讀政治系時,發現自己對商業顧問職涯感到興趣,於是故意延畢一年,上了R語言以及大數據及商業分析的課程來學習所需技能.除此之外,他在大學期間還參加了台大創意創業學程同時還進入Uber擔任Intern,也因此開始接觸資料科學.一邊做一邊學,後來在Uber被轉成正職營運專員.
在Uber任職的過程中,從很多東西都不會,到後來不論是SQL, R, Python,或Excel都能在工作中應用自如,同時也因為在工作中接觸到機器學習,對機器學習產生了濃厚的興趣,因此在離開Uber後也希望能找到相關的工作.在離開Uber前Preston本來以為自己已經具備了業界所需要的技能,但在開始找工作時也發現業界所需的人才遠遠不僅於此.而後所幸找到蝦皮的工作, 因此更加痛定思痛決心要把機器學這塊知識補足.
對於過去這段經歷, Preston也用了以下這張圖來形容.相信很多人在看了之後也會有相同的感受.
只要好好學習,不論結果是好是壞,老天爺都會給你回報
為什麼選擇自學？ 如何自學？
不管國內外,現在很多人都在靠自學的方式得到一份數據方面的工作.有些人會選擇出國留學拿學位,有些人會選擇在家上網課.至於哪個比較好?在此Preston也做了一張表來比較兩者的優點以及缺點:
在如何自學方面Preston也建議從以下這幾點著手:
如何實際運用決策科學(Decision Intelligence)於工作中？
相較於資料科學(Data Science)比較著重於運用深度分析技術還有實驗統計全面了解資料，並從資料之間找出因果關係;決策科學(Decision Intelligence)比較重視情境分析以及需要用更全面的視角來看待商業上的挑戰.關於如何將決策科學(Decision Intelligence)應用在工作上,Preston舉例說過去他在Uber工作時,經過數據分析,他發現到商務差旅通常是離峰時段乘車的主要原因,也因為這個原因催生了 U4B 優步企業版來台.同時他們也發現在活躍用戶當中，無工作負擔同時乘車預算高者通常會在離峰時段搭乘Uber去購物,也因為這個原因催生離峰時段特別優惠，刺激原先搭乘計程車(小黃)和大眾交通運輸工具的用戶轉搭Uber,以及與百貨商圈不定期進行聯名活動.
此外Preston還舉例過去他在GOGOX工作時，因當時遇到全球COVID-19疫情爆發，香港總部接到政府委託每日配送唾液樣本至實驗室採檢每個入境旅客是否有被感染，然而當時只有約20名機車司機協助配送每日多達2000份檢體，是個非常具有挑戰性的專案。在Preston還尚未接觸這個專案前，香港同事每天都加班到三更半夜人工手動安排路線。考量路線規劃及時效性，Preston結合地理圖資OpenStreetMap，運用KMeans演算法套用經緯度資料將唾液配送點位分群，再運用Google OR-Tools演算法將每群內的配送點繪製一條成本最低的路線。最終省下香港同事人力安排路線的時間，降低司機取件的不確定性，增加準時送達率。
Q &A
想問講者在從事資料工作的一天工作內容?
A: 大部分的時間(約70%)的時間都是在資料清理，以及想方法詮釋資料，查看資料是否有足夠解釋力，剩下30%的時間多是在準備與荷蘭總部的提案簡報及開會，和擬定與分析insights相關的企劃策略、談判策略
如何應對非本科系於面試時的質疑？
A: 直接以實際工作專案、非工作相關的side project、相關課程與競賽成績、github等實際資源應對面試時所受的質疑
想請問自學方面，建議用什麼方法加強business insight ？ 謝謝
A: 建議可以多看一些與培養商業邏輯相關的書籍，像是麥肯錫的金字塔原理，BCG的假說思考、策略思考等書籍，書中有實際案例教導如何運用不同視角看待同一個商業問題，當透過不同視角看待問題時，同時也就會產生不同business insights。同時也可以帶點批判性思考，嘗試去challenge當前的business logic和way of working是否足夠efficient。更多時候也需要搭配實務經驗和對於domain knowledge的理解，強化自身對於發掘business insight的敏銳度。
