想成為 Data Scientist？日本樂天資料科學家 Marcus 的 Amazon 經驗與跨領域歷程

有句話是這樣說的，大學有三大必修學分：「課業、社團、愛情」。學生因為升學而被壓抑了 10 幾年的興趣、自我常常在大學階段大鳴大放。因此，想必大家都遇過這兩類的同學：第一種是非常專注於課業，持續認真唸書、為未來職涯鋪路；第二種是再也無法安靜坐在書桌前，而是四處探索有趣的事物、投注在各式各樣的社團及活動中。

《科技職涯》Podcast 第二季第 19 集的來賓 Marcus，便是屬於後者。畢業自政大資管系的 Marcus，在大學的前兩年花費了非常多心力在熱舞社中，甚至考慮過要此維生。大三才開始認真思索未來的他，是如何在短短兩年內的時間培養自己的 hard skill？如何準備 50 多場面試，最後拿到 Amazon 的 Analyst offer？又是如何在今年六月順利加入日本樂天擔任 Data Scientist？

如果你也對於資料科學的工作有興趣，或是想聽聽 Marcus 充滿啟發性的準備過程，推薦你本集的《科技職涯》Podcast！

從熱舞社活躍社員到 Marketing Analyst

如同許多在台灣的教育制度下成長的學生，Marcus 在入學前其實沒有深入了解自己所要就讀的科系，因而在課程開始後發現自己在銜接上有些困難，也在同儕的氛圍影響下漸漸變得消極和迷惘。大一大二將課業看得次要的他，漸漸把自己的心力和熱忱都投注在熱舞社。

美國打工換宿開啟新的眼界

大學生活就在舞步和音樂中過了一半，Marcus 在大二升大三時去了美國打工換宿，在那段時間中他接觸了許多以前從未想過的認知和故事、體驗了不同的文化，心中萌生了許多想法跟動力，認為自己其實有很多可以做的事，也絕對有能力改變現況、追求更理想的生活樣態。

回到台灣後，Marcus 還記得自己駐足在政大商院一樓的佈告欄前，希望在眾多資訊中，找出自己喜歡、未來能夠做的事。他嘗試了各種範疇，像是行銷、供應鏈管理，最後在專注於計劃和資料處理的商業分析中找到了興趣。隨著相關的課程越學越多，他更瞭解了這個領域的未來趨勢，因此決定往這個方向前進。

線上課程自學與資料科學精進

接著，Marcus 利用線上課程平台 Udacity 、資料科學平台 Kaggle 正式地以技術的角度入門資料科學，每週投入約 4-5 個小時。首先，他果斷地購買了要價不菲的 Udacity 課程，利用來自歐洲與美國顧問公司所合作提供的真實市場調查資料，開始練習寫 project，並在過程中逐漸摸索出自己的優勢。

除了自學，資料科學平台 Kaggle 也提供了 Marcus 不少實用的社群資源。機器學習（Machine Learning）、預測比賽、專案分享、領域討論等等，Marcus 利用 Kaggle 練習自己寫程式和分析的能力，也發現自己的成果有越來越多人按讚、討論，同伴帶來的支持與成就感，讓 Marcus 更能夠持續地累積實務練習的經驗。

50+ 的面試經驗

找到自己想要鑽研的領域後，Marcus 計畫大學畢業後到美國就讀商業分析研究所，卻沒有順利錄取。決定投入職場後，出於對自己的期待和企圖心，Marcus 設立了很高的標準，因而開始了超過 50 場面試、長達半年的求職過程。

在這半年中，其實 Marcus 在前五場面試後就順利拿到了一個 offer，是一家新創公司的 Business Analyst。面試時對方與他聊了商業理解能力、分析方法等，並沒有實作的 coding test。儘管 Marcus 對於這家公司的印象很不錯，但是他看不到個人職涯的未來發展性還有長遠價值，也擔心自己當時的能力與該公司的產品無法相得益彰，因而忍痛拒絕，繼續看不到盡頭的求職旅程。

第一份工作：Amazon Marketing Specialist–Analyst

在經歷了 50 多場面試後（其中光是泰國 Agoda 的 5 個不同職位就包辦了 15 場！），Marcus 終於在不斷正面迎擊自己的劣勢、練習優化面試與白板題表現後，順利拿到了 Amazon Marketing team 的 Analyst 一職。

除了能力上的準備以外，Marcus 也分享自己在 HTC 的 PM 實習經驗對於拿到 Amazon 這個 offer 的幫助。當時他需要在兩個月內 demo 出一個產品，必須同時進行網站架設、 UIUX 設計、資料分析。Amazon 的這份工作需要一個技術背景較完整的人才，正好與 Marcus 的經驗不謀而合。

從 Marketing Analyst 到 Data Scientist

Amazon Marketing Analyst：business sense & reporting

Marcus 所在的台灣 Amazon Marketing team 對於 Analyst 最主要的需求是報表的製作，比起計算銷售數據，更加專注於整個產業的優勢和發展潛力，並解釋數字的成長與需求，期待能夠招募大型的品牌作為賣家，像是 AZUS、Acer。

因為資料分析相關的人力不多，Marcus 有時也會需要支援其他部門的需求，在合作上就會關不不同的重點。像是 Sales team 就會希望將所有資源投注在最有潛力、銷售成績最高的賣家，而 Marketing team 則會希望能夠把握 mass communication 的原則，照顧到所有的客戶。因此，透過溝通兼顧不同組別的期待並爭取到希望的資源，便是 Marcus 在 Amazon 時需要投入的事務。

因為是整個大中華區一起協作，有時還會加入東南亞地區的 office 一起討論，Marcus 也分享，不同市場的優勢產業其實會有很大的不同，像是 Amazon 整體而言表現最突出的產業是衣服、美妝、日用品，但是台灣市場最強勁的產業是 3C 科技，其次為母嬰用品，韓國則是 KPOP 周邊產品、美妝次之。這些有趣的觀察，也會造成不同市場在內容製作以及開發客戶時，會需要提供不同的服務及銷售方式。

Rakuten Japan Data Scientist：technology-driven

相較在 Amazon 時的 Analyst 工作著重商業敏感度與分析能力，Marcus 在日本樂天的 Data Scientist 工作則有更多的技術含量。主要是利用消費者端的數據來協助賣家增加銷售成效，像是製作內容、廣告策略、品牌頁面設計等整套的解決方案，客戶則包括了知名品牌花王、Pinasonic、SONY、聯合利華等等。

舉例來說，Data Scientist 會寫出一個機器學習的 model 鎖定該品牌的熟客、轉換機率極高的客戶，並利用電子郵件行銷（email marketing）、廣告投遞等，促使消費者實際買單，提升轉換率與銷售業績。

除此之外，Data Scientist 也會去爬品牌的官網，把幫助熱門商品銷售的優秀關鍵字、可量化的數據截下，自動形成內容，幫助內部對客戶做 proposal，或是日後實際的行銷操作。

也因為這份工作以技術為主，Marcus 也需要協助將專業的技術語言轉換成客戶能夠理解的說法，讓對方知道這些技術、技術學習能為他們帶來的成效。比起解釋數據在技術操作中的意義，更重要的提供背後的 insight，例如哪個族群對於購買特定商品的決策權更高，以電視為例，可能是家中有大客廳的人、剛結婚的新人。對於賣家來說，可以更了解與樂天合作的價值和可行方向，也可以幫助打造正確的模型、做出正確的商業決策。

如何弭平 Amazon 與 Raketen 兩個工作間的差異

儘管都是資料科學相關，Marcus 的這兩份工作在實作上還是有很大的差異。那麼他是如何減少工作轉換間的差距的？

Amazon 每季都有內部的 machine learning competition，以準確度為競賽標準，也很依賴參賽者的 business sense，讓 Marcus 能夠一起學習資料科學本身的專業及其商業應用。此外，他也上了一門線上課程，主題為「如何解釋機器學習的內容」，剛好是樂天很需要的能力，將技術專業轉譯為可應用的觀察。

雖然已經做了很多努力，加入樂天後，Marcus 又發現了自己的不足。因為身邊的同事都是技術背景，大家有習慣持續閱讀新的論文、討論新的技術應用，這對於半路自學、只有學識背景的 Marcus 來說是稍有挑戰的事情。因此，他會請教身邊有碩、博士經驗的朋友，學習如何讀和擷取論文的精華，以及不停與能力扎實的同事進行 1on1 的請教。

就算是正統學術背景出身，在這個領域仍然不能停止學習。Marcus 也一直都在調整自己的心態和作息，讓自己有餘裕以及熱忱持續吸收新知。

做唯一也努力做第一

熱舞社經驗讓自己與眾不同

會後悔大學時花太多時間在跳舞嗎？Marcus 很坦白地說，剛畢業求職的那端期間，的確很後悔自己沒有花更多時間唸書。但是，跳舞其實也帶給他沒想過的職場體驗。舉例來說，電影中常見的「街舞 Battle」其實會先經歷過一段海選，參加者必須一個一個在大庭廣眾之下先做簡短的表演，才有機會進到實際的 battle 階段。

大學的時候，Marcus 參加過 30 幾場海選，最後才順利進入了 battle，他發現這段經驗對於培養自己的抗壓力、心理素質有很大的幫助。在那 50 多場面試中，無論桌子下的手抖得多麽厲害，Marcus 仍然能平靜、有自信地展現自己。

開始工作後，會跳舞的人難免會被推派負責尾牙之類的活動。今年 Amazon 的上海 office 邀請了台灣團隊一起參與尾牙，Marcus 的表演就讓中國的同事們留下了深刻的印象。以往向不熟的同事請求協助時，難免需要放低姿態，經過那場尾牙後，Marcus 發現大家都會記得他、直接破冰，往後的合作、請教都變得更加輕鬆和順暢。

只專注於人生的成績單

在大學的後半段找到自己熱愛的領域後，Marcus 才開始投注較多心力在學業上。雖然已經建立了一定程度的專業能力，卻也有企業在看了他的大學成績單後，決定取消已經發出的 offer。

會後悔沒有好好維持自己的成績嗎？Marcus 分享，其實也有 Amazon 的同事跟他開玩笑說一定是 hiring process 出了什麼問題，他才能夠以這個學業成績錄取 Amazon。玩笑歸玩笑，Marcus 也很客觀地說，以他目前的狀態和需求，大學成績對他沒什麼影響，但未來如果他想要念研究所，也許又會再後悔一次沒有好好念書。

但是，過去的事情已經無法挽救，Marcus 只要把現在跟未來的自己過好、證明自己有能力，才是他應該專注的事情。當初申請研究所落榜，但是現在他卻發現其實不需要學歷也可以做 data scientist；當初面試泰國 Agoda 15 次未果，現在卻發現不需要先進 Agoda 也能成功錄取日本樂天。

最後，他想鼓勵所有想要跨領域的人，一定要堅持自己想做的事情。「如果遇到很困難的苦難，可能都是對你最好的安排。」

你也對資料科學領域有興趣嗎？不管你是非相關背景、想要轉職，Marcus 都建議可以先從身邊有興趣的數據開始。例如 Content Marketing 可以看 impression、click；Sales 可以看 revenue、conversion rate。

不用馬上投入程式語言，可以先從 excel 開始，從網路、Medium 上面的分享觀察大家在分析時會看哪些數字，熟悉資料分析與資料科學的應用，先明確培養起自己對這個領域的興趣以及 business sense。

再來，你可以選擇一個喜歡的語言，可能是 Python、R，或是 C、C++、工具 Tableau...等等，逐步建立你的分析能力。