[Sha la la la Sha la la la la la]星期六,講呢啲。
1. 其實好似唔係好關我事?但就係又關我事。最初收到email 時,都有啲愕然,乜鬼CP Job?我以為係泰國CP(雲吞幾好味的說)
2. 呀,CP,Classified Post,南早的東西嘛。中學燒嘢食最鍾意拎嚟透爐,特別係當年好似有鄰居會掉出走廊。後來發現買份星島抵啲。Classified Post改名多年了,我當然係知的。有用添,否則點會收到個email呢?賣盤了,賣畀Venture Building Group。唔知乜水,不必深究,雖然我唔明做乜Building Group要買米報。
3. 呼,「米報」,真係時代的眼淚。三十歲以下嘅應該唔知係乜,應該以為米埔(定連米埔都冇去過?我估有嘅,要打卡),或者梁柏堅Rice Post
4. 龔耀輝在《國金外望》講過,中環才俊嘅,唔使搵工咯。一係獵頭搵你,一係個客搵你。後者我冇試過,前者有(大把人都有),傾成咗嘅都唔止一次,但最後成功上轎令到人有得分錢嘅,零。
5. 但,總係要有過個程嘛。
6. 埃汾職場生涯,medium有一大堆文講(http://bit.ly/2lmLrLc )。但簡單講(知嘅可以跳下一段),埃汾英國讀Master,01年911時回歸,雙失一年,02年開始返工.我教咗兩間中學,04秋天轉行去蕉行做炒房交易員,06春天年轉到耆英證券做分析員,打後咁多年都係做股票。14年頭耆英證券炒人,本人被炒。同年春天去咗東亞某間子公司,冇耐間公司畀台灣佬買咗。然後17年夏我為咗證明自己實力,去咗坡資星矢圍高達,18年秋證明咗果然係冇實力,自行裸辭。做過短時間嘅中年slash,幫過兩個朋友,然後19年春去咗而家公司。
7. 教書嘅兩份,蕉行,仲有耆英,我都係睇米報搵嘅,就係寄信(後來係email)。耆英之後嘅,就冇經米報搵,米網都冇—我當然有用,但之後每一次都唔係用米報米網而轉到工。東亞某子公司嘅,係耆英高人介紹,真係好似拍戲咁,我走嗰日在星街大排檔,佢同我飲奶茶,忽然塞張紙畀我:「你打話畀呢個人,佢會幫到你」。然後星矢圍高達,係我耆英嘅舊同事引薦。我唔係under佢,但我跳過晒個過程。中年slash嗰半年,幫朋友,就固然係朋友搵我。而家公司呢?就係東亞子公司年代嘅老細搵我。
8. 換言之,你睇到耆英就係轉捩點。可能係因為我叫做「上咗位」,但亦因為做咗好耐,八年,兩者有直接關係。所以咁多份工我最有感情,喜怒哀樂都有,畢竟八年係好長嘅日子。我對我老闆兼師傅老馮,耐過我成世對住我老豆(暫時),日見,夜見,星期六日都見,仆街年初一都見(而你唔知分析員係年初一都有人返工的)。我買樓,結婚,經歷金融海嘯,第一次出花紅,第一次被炒,全部在嗰度。
9. 然後打後幾份,就進入咗一個舊老細/舊同事/朋友搵我過檔嘅年代。值得開心嘅,因為算略有小成(http://bit.ly/2ZhNG1n)。至少證明你個人唔係十分非常極之唔掂。嘔血嘅人老細就算有權力都未必會炒,因為有時炒人都幾煩,但你係唔掂嘅,總唔會分開咗仲搵你返嚟篤眼篤鼻。
10. 唔好意思,講遠咗。其實我係想講,米報。實體嘅米報。
11. 蕉行年代,就係我睇得最多米報嘅年代。原因好簡單,首先當時仲係剛剛米報變米網唔係太耐,雙線並行。二來亦因為我打金融工。之前教書,搵份明報就得啦。咁當然我雙失年代都好似買米報,但真係唔同
12. 點唔同?就要講,當年蕉行呢,係分長短週嘅。咁唔係好出奇,當年好多寫字樓工仲係長短週,所以我當年新聞組有個「邪惡軸心」嘅節目,星期六上午大家就去吹水。
13. 但,本人係做交易員嘛,Treasury(資金部/盤房/炒房),大佬,星期六係冇trade的,你有冇見星期六有HIBOR丫?所以,就係返去玩手指。或者做文書嘢—即係唔做。而Treasury都返星期六,十分反智,當年阿頭標哥個個星期屌,但形勢比人強,都係就範。但後期佢見我正正常常,就唔理了,等我幫佢打卡。
14. 星期六返工有乜做?除咗食早餐—買返公司食咋,而平日唔得的,標哥有潔癖,會屌。就梗係,睇米報啦。當年我就買齊三份,就係Classified Post,Career Times,同埋……一路都諗唔起邊份!(*)
15. 然後食完早餐?就刨晒佢。重點當然係紅筆一支,仲要係粗身紅筆,唔係教書改簿嗰啲。睇啱嘅,紅色圈住佢。好有畫面。冋後來咩clip/save to my jobs真係爭得遠
16. 然後?就梗係print信。唔係你以為公司嘅printer用嚟做乜?星期六最多呢啲嘢,總有幾條盲毛印咗唔記得拎,或者印到一半老婆打嚟咁。就會畀人發現了。當年好似仲係寄信同email並行。當然任何一個人都會學識print 信封,或者label,或者至少Word整個table印出嚟再貼相封。
17. 想講嘅係,當年其實都未係好睇經濟,甚至唔係好睇新聞,財經版唔多睇(而走去做交易員,真好嘢)(**)。但睇米報,就自然知道經濟好唔好。好景時,嘩,厚到極,大把好工(請唔請你一回事),圈足一朝,玩到printer jam紙。唔掂時,得兩叠,仲要唔係保險經紀就Financial Consultant.
18. 而我仲記得,最初仲有個女同事同我一齊返星期六(還不錯的說,但冇搞上,佢大過我人工高過我),嗰時都傾得埋,就直頭米報兩份睇。諗落其實都幾無聊又大愛,大家工作差不多,又不過大我一年,人工可能高我兩千?其實係直接競爭對手。
19. 以上一切一切,對我嚟講,雖然未係彷如隔世。「但是這些簡直就像沒對準的描圖紙一樣,一切的一切都跟回不來的過去,一點一點地錯開了。」
20. 而家,唔好話米報,我懷疑米站都好難做?某程度上都係多得科技,去中介化。甚至連獵頭都上去拎煙,仲有乜嘢講?但,正經諗下,如果個獵頭只係上去拎煙嘅,咁,做乜我公司唔自己上?你仲有乜價值?我自己唔識上?同一個比喻,記者可以網上抄文,但如果係咁玩嘅,咁作為讀者,你仲有乜價值?我自己唔識上?
21. 當然,又唔會話死晒。高檔嘅獵頭咪有得玩,同各種中介(包括媒人,扯皮條,咩都好)一樣,大刁,啲人咪需要一啲純科技畀唔到嘅嘢。即係你見球探呀,足球經理人之類,都仲存在。但,如果係普通小型班嘅,就真係玩「足球經理人」算啦,好似幾舊水之嘛。
22. 當年見過個鬼佬獵頭,堅係pro到一個點,佢pro到可以出newsletter話你知邊個去咗邊。勁到係我同佢傾,佢可以盤完我性格,期望,知完我做乜後,幫我有邊間可以試。佢完全知道同行邊一間行,邊個做緊阿頭,邊個就快走,邊度想開新添請人。真係勁到西飛利。人地呢啲,本行出身,賣嘅係佢咁多年嘅撈烤同叻鑊勁,真係唔會為賺你一兩單佣推條廢柴去做衰自己個名
23. 呢啲就唔係啲英美紐澳加三流大學返嚟嘅小妹妹(sorry)可比了。唔止一次,真係我要教返個小妹妹,咩叫sell side 咩叫buy side。Research Analyst係做乜,點解公司要請。你想像下等於你做球探或經理人,而你唔知前鋒同後防有乜分別,點解要有條友守龍門,咁上下。初期我會當睇女識女咁同佢地癲,後期就真係不要浪費老哥我時間。我寫多篇文好過啦。正所謂,人必自侮然後侯姆斯。
(*)最後發現,呢份嘢叫做Job Market。仲要其實題目嘅嗰首歌,係Job Market 而唔係 Classified Post。唔知係佢失敗定我失敗,廣告本身我好記得,但唔記得係邊間公司。應該係畀錢落廣告嘅惡夢。
(**)真人真事,唔怕畀你笑下。當年美國大選(***)嘛,呀標哥在刨Financial Times,就問我,喂呀埃汾,你熟唔熟美國Electoral College 嘅嘢。我以為佢問升學,結果佢就「屌~~」一聲。呢個故事我會同而家啲小朋友講,話畀佢地知,當年我都係十分蕃薯嘅。
(***)其實唔鍾意星上星,但都係要講。當年另外有個同事,番書仔。美國大選嘛,咁此人唔係好得標哥歡心,後來被炒,但又唔知標哥唔鍾意佢。成日就主動講嘢。例如美國大選live score(當年已有),佢同標哥講:「標哥,布殊輸咗賓洲呀」。標哥就答佢「咩賓周?你嗰條?」
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
financial analyst人工 在 辣媽英文天后 林俐 Carol Facebook 的最讚貼文
在大量資訊化的時代,大數據big data已然變得重要,感謝東吳巨量資料學院胡學長的提供,大家又有好料可以吸收了!
有興趣的孩子,不妨多深入研究哦!
———————————————
💽 胡哥+俐媽英文教室:
{大眾用語篇}
💻 big data 大數據
💻 data analyst 資料分析師
💻 data scientist 資料科學家
💻 artificial intelligence (AI) 人工智慧
💻 machine learning 機器學習
💻 social network analysis (SNA) 社群網路分析
💻 cloud 雲端
💻 internet of things (IOT) 物聯網
💻 fintech (financial+technology) 金融科技
💻 block chain 區塊鏈
💻 information security 資訊安全
💻 statistics 統計學
💻 chatbot 聊天機器人
{進階用語篇}
🤖 programming language 程式語言
🤖 supervised learning 監督式學習
🤖 unsupervised learning 非監督式學習
🤖 reinforcement learning 強化學習
🤖 deep learning 深度學習
🤖 neural network 神經網路 (AlphaGo的重要原理)
🤖 image recognition 影像辨識
🤖 classification 分類
🤖 cluster 分群
🤖 regression 迴歸
🤖 algorithm 演算法
🤖 web crawler 網路爬蟲
🤖 database 資料庫
🤖 text mining 文字探勘
🤖 data mining 資料挖掘
🤖 data engineering 資料工程
🤖 data structure 資料結構
🤖 data storage 資料倉儲
🤖 data visualization 資料視覺化
——————————————
感謝胡哥🙏🏼
這麼棒的領域和分享,真心期待有part 2!
.
#俐媽英文教室 #俐媽英文教室徵稿中 #謝謝胡哥 #東吳巨量資料學院 #大數據 #bigdata #bigdatatechnologies #AI #dataanalysis