資料科學夯什麼?一窺 Mastercard 分析顧問、新創 Migo Data Lead 到哈佛 PhD 的精彩職涯!(上)

以往說到資料分析,我們大概都會馬上想到功能強大的 Excel。但是隨著網路與行動裝置的普及,企業能夠更精準即時地收集到每位使用者的資料,數據量因此變得十分龐大、複雜,傳統的基本分析不敷使用,此時就需要資料科學(Data Science)的協助。而這幾年討論度很高的機器學習(Machine Learning)、運用人工智能(Artificial Intelligence)及深度學習(Deep Learning)下圍棋的 AlphaGo 等等技術,都有資料科學的參與。

加上近年大數據的話題很夯,資料科學成為炙手可熱的專業,企業對資料科學家(Data Scientist)、資料分析師(Date Analyst)等人才的需求增加。在 2020 年,美國市場對於資料科學家的人才需求成長了 37 %、資料工程師則是 33 %,與資料科學相關的人工智能人才需求更是增加了 74 %。各大企業都在搶人才,薪資待遇自然也十分有競爭力。

今天,科技職涯第二季的第二集,我們邀請到了結合顧問與資料分析背景的 David ,來聊聊他在大公司、新創的職涯歷程,以及決定攻讀博士的重大決定!

Podcast 各節摘要

02:00  請 David 分享加入 APT 及 Mastercard 的過程
07:13   APT & Mastercard 重視的人才特質是什麼 ?
12:39   分析顧問的工作內容是什麼?
16:20   在 APT 和 Mastercard 時期,工作最有趣的事情是什麼?
18:06   擔任顧問時最有挑戰性的事情是什麼?
25:50   為什麼會轉換方向加入新創?
30:37  在新創的資料科學家與大公司有什麼不同?

分析顧問, 顧問, PhD, 博士, 大公司, 新創, 職涯, 大數據, 資料科學, 數據科學

對於資料科學一直都有強烈興趣和熱情的 David ,其實曾於兩年前申請 PhD ,卻因緣際會加入了 APT(Applied Predictive Technologies,2015 年被 Mastercard 併購) ,成為了一位分析顧問,開啟意料之外的職涯。今天將要請 David 來跟我們介紹分析顧問的工作挑戰與成長,以及一位資料科學家在大公司與新創的觀察。

1. 分析顧問是什麼?

分析顧問的日常工作包括整理與分析資料、協助客戶定義需要解決的問題、設計如何進行商業上的實驗等。而作為以資料數據為核心的顧問,David 也會幫助客戶建立企業內部的數據文化。在面對本身就有完善資料團隊的客戶,例如金融業,有時甚至要競爭彼此提出的解決方法,教學相長的過程讓人印象深刻。

David 也和我們分享 APT 重視的人才特質,一如傳統的管理顧問像是 McKinsey、BCG,包含「ABCDF」五點。

  • A-Analytical 數據分析能力:對數字的敏感度、能細心計算、能舒服接受大量數字。
  • B-Business Sense 商業敏感度:是否知道進入新市場需要觀察的數據為何、各產業最重視的項目等等。
  • C-Communication 靈活溝通:內外部都需要大量溝通,需要能找到彼此喜歡、有效的溝通方式。
  • D-Drive/Ownership 抗壓力與領導力:是否有將事情做好的動機,去解決客戶2-30年都解決不了的問題。
  • F-Fit 企業文化:以 MasterCard 為例,企業願景為建造一個不需要現金的世界、隨時隨地都可以安全進行每筆交易,所以一定要對支付有興趣。

David 回憶道,他在應徵 APT 時同樣經歷了顧問業為人所知的個案面試。需要在 30 分鐘內建立架構、整理需要的數據,在現有的資料中找出 insight ,最後再模擬向客戶的 CEO 說明一個完整的故事,是非常高壓的面試經驗。

然而,在正式工作中,一個提案往往要數天甚至數週才能產出,顧問的產業經驗也不可能比得過深耕幾十年的客戶。所以,比起提案結果的好壞,過程中思考的邏輯、判斷所需資源以及主導專案進行的能力,才是面試官想要看到的。有心想要進入顧問業的聽眾,也可以經由練習培養解個案的能力。

2. 在 APT、Mastercard 的收穫與挑戰

David 曾經待過有「資料顧問界 McKinsey 」之稱的 APT 、擁有龐大資源的 Mastercard ,與許多不同的產業、國家以及其他辦公室的同事合作。在這過程中,因為彼此之間的文化差異以及產業成熟程度不同,讓他擁有了豐富的視野及溝通經驗。

身為顧問,不僅內部常與資深的同事、主管合作,客戶的窗口也通常是經理、Director 等級的管理階層,而最終也常有機會向客戶的 VP 、SVP 報告。David 分享,可以觀察到企業高層的觀點及溝通方式,對於新鮮人來說是非常有趣難得的經驗。

要獲得這麼豐富的收穫前,必須先克服挑戰性極高的顧問工作。David 在 APT 時曾經最多同時負責 6 個專案,一天的時間可能除了睡覺以外都在工作。因為時間有限,他必須確保自己專注於有意義、有效率、能夠達成目標的項目。

除了資料分析的本業以外,分析顧問也需要注意各種大小細節。例如,不同產業對於數據資安的控管程度不同,分析顧問必須確保每筆資料都有嚴謹的 security check、資料沒有被濫用。客戶可能因為產業、國家而有不同的工作文化,例如中國希望用詞、做法能夠接地氣;菲律賓則是步調相對較慢等等。以上非資料科學專業的細節,卻可能嚴重影響專案進度、客戶滿意度,也是不能忽略的。

分析顧問, 顧問, PhD, 博士, 大公司, 新創, 職涯, 大數據, 資料科學, 數據科學

3. 大公司與新創的資料科學家比較

儘管擁有精彩的經歷,David 卻因為清楚自己更想要做從 0 到 1 、1 到 100 的事情,決定離開資源豐富的 Mastercard、加入新創 Migo。

David 也向我們分享他如何思考這樣的職涯轉換。除了大公司與新創所在的產品生命週期不同以外,比起支付產業,他對於旅遊、娛樂更有興趣。同時,他也因為過往擔任國際志工的經驗,認為娛樂在任何地方都是一個重要的需求,因此他十分認同 Migo 希望能將數位資源傳遞給每個人的理念。

新創重視彈性,除了常常直接面對臨時的狀況、需要即時處理以外,因為不一定是每位成員都曾與資料科學家合作過,所以只要是與數據有關的事都會直接找上 David。在 Migo 的旅程中,他也曾和不同組別的同事協作,有時參與 UX design,協助調查設計和分析;有時擔任像是 Project Manager 的角色,協助行銷團隊梳理想法。

正是因為其他成員不熟悉如何與資料科學家協作,所以 David 建議有興趣在新創擔任相關角色的聽眾,務必要訓練自己有很強的領導力,不只做好自己的事情,而是同時協助同事了解資料科學的好處、價值、無法解決的問題,以及各階段可以應用的內容。

過去在大公司,資料科學家負責分析資料、做報告、建系統。然而在新創的經驗讓他學習到,為有限的資料庫建立模型不一定有意義,也許基本、簡單的功能才是公司需要的。而與顧問工作不同的是,自己再也不只是提供建議的人,而是從提出到執行一條龍,所以要更精準把握時間與資源。

(下集待續!)

走過成熟的大公司與充滿變動的新創,David 並不是選擇比較喜歡的公司類型開始深耕,而是決定要前往哈佛大學攻讀量化行銷的博士學位!你也好奇他如何從科技管理職轉彎踏進學術領域嗎?身為資料科學家為什麼是選擇商學院而不是電腦科學、統計呢?更多關於 David 的職涯甚至是生涯規劃的細膩思考,都在下週的科技職涯 Podcast!

更多人才的精彩分享,敬請鎖定 CakeResume 的《科技職涯》Podcast!

《科技職涯》是由 CakeResume 創立的 Podcast 廣播節目,專門邀請在科技、數位和新創領域的工作者來分享職涯趣事及觀點,每週三固定更新,目前可以在 SoundOnSpotifyApple PodcastGoogle Podcast 上收聽,歡迎追蹤 🎧


如果想知道更多資料科學的技術與應用分享,歡迎到 David 的 大鼻觀點 facebook 粉專看看;如果你想系統化地開始學習資料科學知識,也可以參考 David 在 Hahow 上開的課程 - R語言和商業分析R語言和文字探勘

延伸閱讀:想成為資料科學家?精選 11 門資料科學自學資源、求職管道

訂閱 CakeResume 人資週報,獲得:
  1. 雙週一篇趨勢新知
  2. 每季一本電子書
  3. 行銷招募的系統化做法

Resume Builder

Build your resume only in minutes!

More Articles you might be interested in

Latest relevant articles
Interview Skills
3월 11일 2024

【自介範例】吸引人的面試自我介紹怎麼說?4 技巧完美活用自我介紹

面試時的自我介紹要說什麼?怎樣的自我介紹才夠吸引人?自我介紹該包含哪些內容?有沒有成功的面試自我介紹範例或範文模板可以參考呢? 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,一起輕鬆完成吸引人的自我介紹內容吧!