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

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。

一、什麼是資料科學家?資料科學家工作內容有哪些?

資料科學家(Data scientist)的定義

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。

資料科學家工作內容

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

二、資料科學家薪水是多少?

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:

徵才企業
招募職缺
薪資待遇
職務需求
TSMC 台積電
Data Analyst & Data Scientist
40K+ TWD / 月
1. 具備資工、統計學、數學或相關背景碩士以上學歷
2. 具有 Python、R、SAS、Matlab、C/C++/C# 和 Java 語言的程式開發經驗
3. 具有作業研究、機器學習、人工智慧及大數據分析紮實技能
Asus 華碩電腦股份有限公司
[AICS] Data Scientist 資料科學家
40K+ TWD / 月
1. 具備資工、統計學、數學或相關背景學士以上學歷
2. 具有 Python、Shell 和 SQL 編寫程式技能 
3. 熟悉 MPP/No SQL 資料庫,像是 Elasticsearch, MongoDB, Redis, and Neo4j
FAZZ - 新加坡商迅星金融科技有限公司台灣分公司

資料工程師
Lead Data Scientist for Credit Automation (remote; Taiwan)
120K ~ 180K TWD / 月
1. 具備資工、統計學、數學或相關背景學士以上學歷
2. 使用過 Python 進行機器學習模型開發作業
3. 熟悉 SQL、Python 程式語言和機器學習模型(如隨機森林、梯度提升樹、神經網路和圖分析技術)

三、資料科學家必備 9 技能與求職指南

資料科學家工作必備 9 大技能

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。

資料科學家工作的履歷與面試技巧

💡 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。

資料科學家工作的職涯發展

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!

AI 工作全攻略搜尋完整 AI 職缺

隨人工智慧風潮橫掃各行各業,催生出大量新興 AI 職位和需求。該怎麼找 AI 工作機會、躋身高薪 AI 產業?一覽 CakeResume 完整的 AI 職缺情報,應徵你夢寐以求的 AI 工作

透過 CakeResume AI 人工智慧主題職缺專頁,快速掌握人工智慧相關職缺與求職攻略

延伸閱讀:資料科學家要有哪些技能?精選 11 門資料科學自學資源、求職管道

Resume Builder

Build your resume only in minutes!

More Articles you might be interested in

Latest relevant articles
Interview Skills
5월 21일 2024

【自介範例】吸引人的面試自我介紹怎麼說?3 步驟打造完美自我介紹

面試自我介紹可以說什麼?怎樣的自我介紹才夠吸引人?自我介紹該包含哪些內容?不用擔心!CakeResume 統整了面試時自我介紹的 3 步驟、4 技巧與適合 6 類型求職者的自我介紹範例,不論你是職場新鮮人或是大學申請面試,一起輕鬆完成吸引人的自我介紹吧!