Видео

感謝回饋，新年快樂🎊

哈哈哈，一段時間的總結，下次發可能也是1-2年🤣🤣，感謝支持

😁😁😁

感謝回饋

可以理解，像我長輩的觀念是，沒工作一週就該死，所以我待業乾脆就不讓他們知道🤣🤣🤣。 因為我們才能判斷怎樣做對未來職涯更好。 如果是我的話，會做出與妳一樣的決定，寧願選擇同公司的相近職位、甚至是其他職位，也不會挑選比較不好的公司，所以我鐵定等開春繼續找，看是否有新年度的擴編。 說實在的，6年經驗的專業者，可能離職兩年都在可接受的範圍，現在還不到向下妥協的時候。

簡報內容是要讓面試過程加分，要衡量你的學歷、工作經驗在這間公司的加分程度。舉例來說，你原本是金融職員，要轉職軟體工程師，那面試金融公司會提，但面試科技業就不會提。如果你是台大農學院，要轉職到任意職位，提應該會加分。如果你原本就是資訊科系，我覺得提不提都可以。如果覺得工作經驗已經是你找工作的關鍵，就不用提。

感謝回饋

感謝回饋

本身是做數據科學、AI相關的，所以舉例是這方向，但影片沒有限定

@BenHsu501 我的意思是工作內容，寫程式為主嗎（資料工程師），應該說實際工作會不會掛數據科學結果都在做資料分析資料工程師的工作。

市場上會不會有資料工程師卻掛分析師的職缺，還真的有，前一陣子我問一家做虛擬貨幣的公司，他們是招DS，不過初期業務上，其實是資料庫、分析師的職位不分家的，所以實際進去可能半年到一年，都是資料工程師。 但除此之外，也跟公司的政策有關，像是美光，會希望開發者能做出更貼近user的產品，所以資料串接、分析到前後端都是一個人。 而即使是職位區分明確的公司，要從junior 進步到資深工程師，接觸上下游的工作內容也是挺正常的。 所以一般都會接觸，比例多少而已。

可以填問卷發給我

感謝回饋

確實，技術性工作需要持續學習的習慣跟動力，並且學習力會隨著年紀下滑。如果多次嘗試卻無果，轉職技術職就不是一條合適的道路，畢竟人生有限。 每個人追求的目標不同，有的人是為了成就，有的人是為了生活。如果是為了生活，賺的比一般人多些，中學學歷能做到的工作也挺多的。 你想找一份需要高知識的工作來提昇薪資，需要1-2年沈澱；或許，找一門手工技術，花1-2年沈澱，也能做到同樣的效果，不需要著力在自己不擅長的領域，你很清楚自己不適合。 我父親年輕時也轉職很多次，從市場、司機、冷氣，到最後轉做清潔的，一直都是單幹，20多年前就沒事去人家信箱塞傳單，早出晚歸，靠勤勞積累客戶，也是養活一家子，現在退休無慮。 條條大路通羅馬，不必拘泥於轉職為時下最火的辦公室職位，傳統職位的選擇也一直都在。但不論是那種，要過的好，靠的是堅持，堅持可能是持續學習、嘗試變化、培養客源、勤勞不懈。祝福你可以找到適合自己的一條路。

@@BenHsu501 若試做了技術性工作需一兩年, 又失業, 重覆了四次, 已8年. 又不停該進修技術之後長期找不到上述工作. 到時再做回非技術工作也不聘請, 嫌棄關下太高學歷. 介時高于成低不就如何找工作及進修下去?

不確定你在哪一個階段，但如果你做了同一種技術性工作 8 年，那不論是自己離職或是被解僱，你都可以稱的上是資深的技術工，理應換間公司就好了。 如果你認為8 年的時間，沒有累積到東西。或是你的情況是學四種技術，四種都被解僱。那此時應該要反思自己被解僱的原因是什麼，是學習能力不行嗎？是人際處理不行嗎？是台灣的就業環境不行？因為同樣的事情發生四次，問題通常會在自己身上，如果沒有更深刻的想通問題的關鍵，即使再來幾次，也是一樣的。 我這邊沒有更多的資訊可以判斷。如果你正結束某種技術工，延續下去就是第 9 年經驗 ( 或是第 3年經歷)，如果你覺得過去的幾年都沒有增加你的技術價值，或者你可以思考，怎樣才能讓我的下一年，增加市場價值。 有時問題的答案往往很簡單，可能是細心、可能是堅持，但要秉持82法則，人的多數問題，其實只要改一個微小的習慣，就能解決，如果想要成為完美的人，事情可能會更糟。祝福你。

​@@BenHsu501 請問什麼工作最穩定?

​@@TEST1-ky9lm 越基礎的工作，越穩定，拿程式工程師講，系統工程、網路工程，每間公司都需要，不說他們薪水多高、技術多難，但穩定大概是沒有問題。 其他領域我非專業，僅供參考，司機可能是一個穩定工作，沒什麼年輕人想做，也看到很多老年司機，看到都是缺人。 而這種職位就是剛需工作，跟維護電腦的一樣，這種職位存在40年以上，未來很長一段時間，還是有很大的需求。其他護理、清潔可能也是類似的職位，不論社會怎麼變，這些職位都是必須的。但DS就不是。

數據分析本身可以是一個獨立的職缺，像是金融業、科技業、廣告都會有對應的工作。 也可以是決策類工作的輔助技能，像是制定下年度的銷售計劃等等。

@@BenHsu501 請問如何做這行業至六十多歲?

@@TEST1-ky9lm 這個職稱的出現，可能還沒有40年 🤣，我也還沒到這個年齡段，所以答案供參考。不論什麼職位，要能做得長久，就是你擁有不可取代的經驗。就數據分析，在 5-10 年的經驗段，會積累出各種案例的處理方式，你做半導體的製程數據分析，你現在做Ａ廠，但你處理過BCDE廠的案例，你對於Ａ廠的考慮就更完善，也因為你能預先點出可能的問題，更容易取得客戶的信任。 我先前工作上的一個培訓，對方是某知名雲服務的資深諮詢師，年齡至少是接近60，是AI雲端部署，工作就是遠端會議進行諮詢、上課，不過以他的年紀，他進入職場時鐵定是沒有雲服務的公司，所以他是原本在自己的專業積累，再加上雲端的學習。 另一個也是一個培訓，培訓人員也是60好幾，他的專業是極複雜的數據清理，他給我們舉的例子，用戶輸入的地址拆分，這個看似簡單，但當你是開放式輸入，就會有許多不同編碼的結果、不同的編寫習慣。所以他的經驗很難被取代。 而考慮到AI的出現，我上面提到的產業化、公司化的經驗，或是結合客戶端、硬體端的經驗是更重要的。因為AI沒辦法幫你去調整鏡頭位置；沒辦法知道各家公司的鏡頭；沒辦法真的成為一個諮詢師，獲得不同企業的部署經驗。

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。

@@Sinhaimin95 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