Видео

感謝回饋，還有下一集

目前都有回覆，若無收到再發

預祝成功轉職

今年頂大統計畢業，就業半年左右，就是純新人。聽你的意思是，你想要走數據分析相關的工作，那現在的這份工作對你而言就是維持生計，對DA的工作不太有幫助。所以可以準備履歷，年後繼續投。 目標應該是上市櫃公司的數據分析人員，一般來說新人待業半年-一年都挺正常的，定位是公司培養新人。如果履歷對實際工作越接近，錄取就是靠實力，反之就是靠學校，如果是靠學校，那就是跟四大四中數學統計所 畢業的 300人競爭。可以把履歷透過資訊欄連結發過來看看。

感謝回饋~

一般來說，可以分為軟體公司跟產業公司，軟體公司就是考代碼能力為主，而產業公司就是有 domain knowledge 會比較吃香。 像是台灣就是半導體製造，所以如果有相關經驗，就很容易跳到更好的公司，但是如果你在半導體，跳到金融就很難。並且因為現在AI當道，有domain knowledge 更不容易被取代。 而如果是從算法來看，通常你以前是作圖像的，之後也很好找圖像的工作，但是如果想跳去作強化學習、LLM就很不容易。

感謝回饋~

感謝回饋~

14:00

14:30 轉職規劃<職位選擇

感謝回饋~

SQL 就是數據分析職位的組合技能之一，只會SQL不會數據分析，或是只會數據分析不會SQL，在求職上都會有短板。 不過比較偏的來說，只會數據分析不會寫code的BA職位是有的，但是反過來可能會是數據工程師。

@@BenHsu501 确实。 我是针对您的视频里面 忽略了最重要的SQL。 对于面试而言 如果不会 SQL 不管是 DA DE DS， 基本第一轮面试都不会过的 基于我目前的经验来看 就算是 BA 基本 数据分析相对工作占比 非常小 大部分时间都是 building data pipeline. DS 的话 基本data cleaning 和 data prep占用时间最多

感謝你的回饋，之後有時間還會分享，如果有問題的話，可以直接問卷詢問，會更有效率 🤣

感謝回饋

分析的目標就是可以讓公司在商業上得到利潤，可以做出一個專案描繪你在未來能幫公司從不同角度發想，也能呈現出你的基礎能力。只是基礎技術雖然重要，但很不容易在履歷脫穎而出。至於DA跟DS的差異，兩者在職務名稱上差距越來越小，但即使有差異，也是某個直接的決策，如分析產品應該用A行銷手法，或是B，這種直面決策的分析；或是輔助的自動化，像是判斷一個人是否容易在信用卡違約。

基本上是可以的，不過需要先考慮哪些項目會被外包，通常有濃厚產業知識的工作，會傾向由內部人員處理，而外包人員處理更技術的工作。 所以相較於偏向產業的數據分析，軟體開發會有更多外包的機會。或者是說，數據分析的外包，通常更五花八門，需要了解的知識雨技能更廣闊。

看你的目的是什麼，如果目的是興趣、自我實現，或是想接觸一個新的領域，幾歲學習都沒有關係。如果是想要提升薪水，則要先考慮你現在的薪水有多少，因為踏入新的領域，薪資一開始可能不如預期，需要時間成長，縱使前瞻性更好，但如果要花5年才能到你現在的薪水，不一定值得。

@@BenHsu501 目的是学一门技术，当作后备，万一现在的工作丢了，至少还有一些技术去找工作。

@@KWs5329 如果你原本是PM，那下一份最可能找到的工作也是PM。軟體技術性工作的問題在不斷疊新，現在學的1-2年後就不靠譜了，所以是如果是找一個後備工作，可能5年、10年後才會用到的話，這時培養軟技能反而更通用。

@@BenHsu501 学爽，有没有相关工作都不重要。我去报读政府提供的data analysis课程一年，之后会有相关文凭,有读好过没有读，没人会知道未来是怎样。

感謝回饋

感謝回饋

視目標而定，有很多諮詢者的目標是在原領域學習足夠了，想換個領域，那什麼時候開始都沒有差別。也有的當作第二專長，搭配原有職能，這在需要數位轉型的公司也很有利。如果是想作為單純的數據分析人員，提升薪資，需要選擇一個與原本職能接近的職位，不然要累積到您現在年資的經驗，時間還是有些窘迫，這種情況內轉是一個好的選擇。

我認為是有用的，因為即使是一般碩士，畢業時仍然需要有project展現在履歷上。當然，碩士更多很多是在寒暑假去實習。 當你做這個選擇(DA boost camp或是自己做專案)，如果希望達到與一般碩士相同的職涯水平，那你的project得真是頂尖的。但如果是期望從基礎的公司開始，是沒問題的。有美國的諮詢者就是從基礎BA開始做，就看之後發展

要從一個不了解的數據自行挖掘出價值是困難的，有時候也是莫名奇妙，舉例來說，鐵達尼號數據集可以挖出什麼商業價值？所以從需求開始找資料，會比從資料找應用要來得容易。

感謝回饋

感謝回饋

感謝回饋

感謝回饋

基本上是可以的，面試可以打配另一篇履歷撰寫來看

有蠻多考慮面向，像是，如果你的目標工作只要 excel, sql, power bi 該如何脫穎而出；還有，市場上的數據分析師，有多少比例需要 python。通常 python 的市場需求在數據分析，還是最大的，即使工作不一定用得上，面試也加分。

感謝回饋~

你說明的也是對的，面試有準備理論知識是好的。但是數學好與會數據應用不一定是同一件事情，很多時候，公司是要可以即時解決問題的人，倒是剛畢業的學生，理論都挺扎實，但就缺了些實作，公司招進去就是長期培養的。

感謝回饋~

感謝回饋~

感謝回饋～

感謝回饋～

感謝回饋～

感謝回饋～

感謝回饋～

確實挺殘酷的，在台灣要過能養家的生活，估計薪資得到80-90% 很多時候不是努力問題，而是賽道問題，所以轉職就成了更換賽道的一個選擇

數學確實是碩士門檻，但數據分析不一定是，或者可以考慮從實務著手

感謝回饋～

如果有個人問題，可以填寫下方資訊欄，進一步討論

@@BenHsu501 不用了，你真的都資訊就只能當參考

@@cat4836 您說的也沒錯，所有人的建議只能當參考，只是多一個資訊的管道。而影片基於普及化，不可能針對個人述說。 也提供一個經驗談，我接觸到的諮詢者，越是準備充分的人，越積極來索取建議，建議有可能沒用，但誰知道呢？ 優秀的人，不一定是有高天賦，許多時候是源自於更多的資源，而有能力尋找、吸收更多資源的人，自然也會更加優秀。 會看這部影片，並留言，大概是內心有些見解，如果有任何疑問，歡迎索取資源。

我會看是yt的演算法推的，我的見解是你把碩士扭曲成職業訓練所，難怪台灣的碩博士自六年級世代開始程度可以說是一個比一個差，六年級以前10個碩博士大概只有3個程度不好，六年級以後100個裡面95個程度都很差，這導致台灣真正的好教授已經越來越稀有了，而你到影片正式造成這個扭曲現象的推手之一。這跟學歷沒有關係，我是研發主的話管我根本不會讓你影片中的這種程度的人進我的部門。

@@cat4836 如你所說，我影片確實有 “將碩士作為職業訓練所” 的嫌疑。 不過念碩士賺錢，是學習知識的副作用，畢竟知識越多，人才越稀有，而人才的需求自然導致較高的薪水，所以吸引大眾將碩士作為提升薪資的手段，也是無可厚非。 但您提到的，因為碩士為職業訓練所，導致台灣碩博士的程度較差，這的論點我覺得是可以討論的。因為“碩士為職業訓練所”這個現象並不僅僅在於台灣，而是全球普遍的行為。雖然不確定您 “60 年代開始，碩博士一個比一個差，導致台灣好的教授很少“ 此論點從何而來，如果真的有這個現象，個人覺得可能是優秀人才往業界前進，而對應到的是台灣的經濟發展的推進，這可能也是 ”大家將碩士作為職業訓練所“ 的另一個副作用。 您提到 “不會讓你影片中的這種程度的人進我的部門”。可能您的職業是學校教授，所以需要非常高的知識背景，但很多中小企業，其實是不需要頂尖大學的學生，這跟知識需求有關、跟員工成本有關。縱然對您而言，這些員工知識水平不夠，但對於整體社會的成長還是有貢獻的。 而這些中小企業的需求，其實大學生的知識水平是不足夠的，但台灣也沒有足夠的技職大學供應，可能因此才尋求一般碩士的員工。而台灣也因此產生了 “產業碩士” 來對應。或許你的問題，其實是台灣的教育問題，如果台灣的科技大學，量體足夠大，企業傾向招募科大的學生，那我的影片自然就會推薦大家去念科技大學，也就不會影響到一般的碩士生，可能就會重現 “六年級以前10個碩博士大概只有3個程度不好”的榮景。

感謝回饋

可以填寫資訊欄問卷

感謝回饋

數據科學家不限自己使用的方法，因為方法都是解決問題的工具，我工作上用的，統計、機器學習、深度學習、訊號算法、啟發演算法等等等。所以會不會用的是看自己遇到的情境，以及看情境下你的選擇。 工統、生統與新DS的界線也正逐漸模糊，像是早些時侯RNA都是用GLM做，後來也出現ML的做法。如果是走臨床試驗，可能是比較不受影響的。 應該說現代需要的都是複合型技能，就拿經典的數據科學家三個組成，數學統計、計算機、專業領域，不論是哪個領域出生的，都不能說有絕對的優勢，都是得去市場累積。 SQL是一種語言，資料庫是一個系統，不是一個概念，SQL寫的好，不代表你需要會調適資料庫，DA只要能查詢資料、萃取分析就行，分析資料庫是另一個專門的職位。

@@BenHsu501 我的資料庫老師是說sql觀念不好容易寫得很差，他說他在業界看到很多程式神人反而sql 看似容易卻寫得跟屎一樣

通常來說，如果有嚴重影響資料庫效率的代碼，如定期執行的script，會被資料庫管理員監測到。此時，資料庫管理員就會對script中的代碼進行優化，降低資料庫的負載。所以在機制完善下，個人寫的跟不佳，對於整體系統沒有影響。 至於是否有神人sql寫的不好，不予置評。如果是個人專案查詢資料，表示SQL是臨時的，對長期系統影響不大，並且通常也會設置查詢上限；如果是申請系統使用的data pipeline，可能會是提交申請，由ETL人員負責編寫。 並且資料庫代碼的優化與調適，涉及公司是否要需要擴充機台，那database部門就會以優化程度當、可以cost down 作為 KPI，所以勢必會設計一系列的防堵措施，所以假設公司裡真的有一群SQL寫的爛的員工，公司下個季度就會開課解決，畢竟開一堂課幾萬元，機台擴充幾百萬。 所以確實可能有人程式很神、sql寫的差，但影響也有限。因為公司很容易系統解決這個問題，他更需要該名員工其他價值。