想成為資料科學家？資料科學家（Data Scientist）薪水、工作內容、面試技巧整理

隨著大數據時代的開展，網路上充斥著許多資訊，而從眾多資料中分析並萃取見解，便是數位時代的關鍵能力之一，也就是資料科學家（Data Scientist）的核心工作內容。《哈佛商業評論》更在十年前指出資料科學家（Data Scientist）是「21 世紀最性感工作」。

資料科學家都在做什麼？薪資待遇怎麼樣？如果想應徵資料科學家需要具備什麼能力？本篇文章將和大家分享資料科學家工作內容、需具備的技能及相關工作資訊。

資料科學家顧名思義，實驗對象針對「資料」本身，尋找商業問題並落地解決。不過一個數據團隊中的資料工程師、資料分析師跟資料科學家乍看之下十分類似，三者其實具有不同工作內容。

資料工程師（Data Engineer）工作主要以架構並維持資料庫平台為主，方便公司儲存繁雜資料，資料分析師（Data Analyst）負責數據分析，利用 SQL、Excel 等工具針對一串資料解釋，而資料科學家（Data Scientist）像是資料領域的組長，需從資料中分析、處理及建模數據，同時具備統籌資料、發現問題、著手解決問題的能力。

資料科學家的工作領域橫跨多面向，先是制定資料分析的策略，從網路、手機、感測器中找到需要解決的問題，此過程也稱作資料驅動（Data Driven），再用 Python、R 程式語言把數據建模，最後將模型部署，應用於日常工作中。因為繁複的工作量，資料科學家可以說是集結統計學、程式設計及機器學習知識於一身的職位，同時需要大量跨部門工作，和團隊夥伴溝通工作事項。

具體來說，資料科學家在執行專案時，工作步驟大致如下：

1. 與客戶溝通資料分析目的，尋找資料分析的需求及目標
2. 規劃資料搜集方法，定義資料清理的邏輯
3. 拆解問題並提出假說，進行驗證
4. 建立資料模型，更新與優化
5. 安排專案的優先順序

資料科學家的薪資待遇與工程師相似，剛從大學畢業的資料科學家，起薪約每月 40k 至 50k，不過各公司規模起薪不一，年資 1 至 2 年以上，月薪能達到 80k 至 90k，如果年資為 5 年以上，年薪則可能破百。職場資訊社群平台 Glassdoor 有數據顯示，2022 年台灣資料科學家的平均年薪為 116 萬，而目前資料科學家職位仍屬於新興職缺，人才供不應求，為未來時代的重要工作之一。

以下簡單整理 CakeResume 上 3 間不同公司的資料科學家職缺待遇，給所有讀者參考：

如果看完上述介紹，對於資料科學家感到興趣，以下為應徵資料科學家時，需要具備的 9 大技能，分成硬實力和軟實力兩種類別：

💡 硬實力分為以下 7 項：

1. Python 與 R 程式語言（Python Coding／R Programming）
   資料科學家雖然主要工作並非程式撰寫，但需要整理大量數據資料，因此須利用 Python 與 R 程式語言，作為統計運算、整理數據資料的輔助工具。
   
2. SQL資料庫管理系統操作能力（Database/Coding）
   資料科學家有 60% 皆在清理數據，由於工作內容涵蓋清理大量資料，因此具備 SQL 技能、程式語言技能，才能幫助自己在茫茫大海的資料庫中，快速準確找到需要的訊息。
   
3. 數據分析及處理能力（Data analysis）
   清理完數據後，資料科學家需從數據中萃取提煉有用的資訊，解決最初資料分析的商業目標，所以對數字須具備一定程度的敏銳度與洞察力。
   
4. 資料視覺化能力（Data Visualization）
   為了方便解釋數據分析完的結果，資料科學家須把資料視覺化，由淺入深地解讀給公司高層主管以及客戶，讓他們能理解數據分析產出後的資訊意涵。
   
5. 機器學習與人工智慧技術（Machine Learning and AI）
   資料科學家有時候也會利用機器學習與人工智慧模型，包括選取演算法、微調超參數等工作，檢驗模型是否能解決商務問題。
   
6. 高級數學與統計學知識（Mathematics and statistics）
   不管是在做統計分析還是機器學習的模型，資料科學家都會用到大量的微積分、線性代數、機率論，因此高級數學與統計能力也是資料科學家必須掌握的能力之一。
   
7. 行銷理論與實務經驗（Marketing theory and practical experience）
   由於資料科學家最終產出的模型與解決方案，將直接影響公司的營運和行銷方向，所以具備行銷基本概念，對於公司後續的行銷策略能大大加分！

💡 軟實力分為以下 2 項：

1. 跨部門交流與溝通能力（Communication skills and Teamwork）
   由於資料科學家工作涵蓋的範疇大，需要與資料分析師、資料工程師，還有各部門團隊夥伴多方溝通需求並優化模型，因此若能有效率且順利地跨部門溝通，能幫助推動業務進度。
   
2. 具有喜好洞察數據、觀察商業問題的特質
   資料科學家的工作無不圍繞在數據本身，每天工作需要長時間清理、建模數據，因此面試官在提問時，也會在面談中觀察求職者是否具備強烈好奇心，對於數據抱有熱情。

💡 資料科學家履歷 3 大加分要件

1. 過去經驗朝「結果導向」撰寫，而非「任務導向」
   由於許多資料科學家皆具備 R、Python 等程式語言技能，因此在履歷上，不用太著墨利用這些程式語言所執行的專案，而是把專案的成果寫出來，展現定義及解決問題的能力。
   
2. 在專案中提及「非結構化」資料
   非結構化資料指的是語音檔、影像檔、PDF 檔案等沒有固定欄位及形式的資料，比起結構化資料，較難以分析清理。求職者若在描述過往從事的專案中，放入處理非結構化資料的說明，能夠展現出自己不僅能處理一般資料集的能力！
   
3. 強調自己的「溝通技能」
   因資料科學家需進行大量跨部門溝通工作，建議求職者可於過去經驗中，提及與其他部門合作交流的經驗，彰顯溝通表達能力。

💡 資料科學家面試 3 大技巧

1. 經驗題：利用 STAR 原則，強調 Situation 的挑戰性及量化 Result 數據
   面試官可能詢問求職者，過去在資料科學領域的專案經驗，此時，求職者便能利用 STAR 原則：Situation（情境）、Task（任務）、Action（行動）及 Result（結果），並且在描述情境時，講清楚問題的挑戰性，最後將結果以數字量化，反映出具體的商業目標。
   
2. 行為題：面試前整理好「故事庫」，失敗經驗也沒關係！
   為了確保求職者具備「溝通」能力，面試官可能會問「過去有沒有和資料分析師遇到衝突？當時如何解決」、「如果對方看不懂數據，如何說服他並採取你整理的結果？」等問題。建議求職者預先準備多則故事，遇到問題時直接以實戰故事分享，即便是失敗經驗也無妨，可從失敗經驗中提取學到的事情，增強說服力。
   
3. 機器學習技術問題：多網羅面試題庫，精簡扼要描述 
   碰到「為何在某場景使用 A 模型而不用 B 模型？」這類問題時，建議求職者在回答時，把自己選擇的機器模型亮點提出，濃縮成2至3個句子即可，清楚讓面試官知道你選擇的理由及策略。

資料科學家的專業可應用在 5 個層面：具有「大數據分析」、「資料科學自動化」、「雲端和資料科學」、「自然語言處理」及「物聯網」產品或服務的產業中。如果是社會新鮮人剛踏入資料科學家領域，剛開始的工作目標較著重於你開發的演算法能否讓工作流程更順暢、優化公司數據指標，接著進入較資深的資料科學家職位，目標漸漸朝向決策性質，像是如何用資料科學讓公司的商業風險降低等問題。簡單來說，資料科學家的職涯有點像是打怪的過程，會從一開始處理較為簡單的單一問題，漸漸轉變為解決集結各種小問題的核心風險、價值問題。

舉例來說，假設你在某 SaaS 產品工作，剛開始會先預估產品成效或實驗優化成效等，最後可能會逐步進階至產品週期成效預估、各國續訂率，甚至是整體產品風險等跨領域問題。因此建議對於資料科學家有興趣的求職者，除了進修程式技術，也可增強專案經理、行銷知識、用戶體驗等方面的跨領域視野，結合技術與知識解決商業問題。

不管是還在大學或研究所學習，抑或是社會新鮮人，正思索職涯目標的你，相信看完這篇文章之後，可以讓你更了解資料科學家需要的軟硬實力，掌握資料科學家的工作內容，順利應徵上理想職位！