Search
【追不到夢想，就創一個！】 #矽谷阿雅的故事
曾經談起自己的工作，阿雅很驕傲地說到自己在《蘋果》工作，對方聽後點頭稱是，提起了矽谷科技業的事情，後來才發現原來對方誤以為她在「蘋果公司」工作。原來她一直以為是「龍頭企業」的蘋果日報，其實對整個世界來說不足為道。
「我的人生就這樣了嗎？自己只能做到這樣嗎？」正逢 2008 年全球金融危機，她卻開始有了走向世界的想法，揹起了 300 萬的學貸進入西北大學研究所，而後一路再以拚勁與毅力進入業界。
她建議年輕人：要有改變世界的抱負，不要小看自己，學會先蹲再跳，初入職場與其在意薪水多寡，不如著重在是否能學到相關技能跟增加歷練。
【2020你的「薪情」如何？疫情下的台灣整體竟是加薪比較多？】#關鍵大數據
證交所近期公布2020年台灣上市櫃公司「非擔任主管職務之全時員工薪資資訊」，其中包含客觀性較高的「薪資中位數」資料。
若我們藉由比較2019與2020年的薪資中位數資料，便可從數據中看到疫情下台灣各產業的薪資變化：
註：滑到文章最下方，可以搜尋不同公司的薪資中位數。
#COVID19 #產業變化 #薪水 #薪資中位數
台灣致死率比全球平均高3.1%，台大急診部臨床副教授李建璋認為，該是「資料科學國家隊」上場的時候了‼
#死亡率 #CDC #致死率 #科學防疫 #英國 #義大利 #大數據 #指揮中心 #中研院 #ICU #台大 #李建璋
⭐️掌握更多訊息，快加入信傳媒Telegram：https://is.gd/a5lUNM
👉美國6月物價指數創30年新高 上班族開始領「負薪水」
https://www.cmmedia.com.tw/home/articles/28732
【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys
【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～8/3(六）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072
【哈克獨門心法工作坊】～穿越迷霧，懂一個人真正的樣子～2019/10/19開課
課程連結：https://www.koob.com.tw/contents/4022
【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8
【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw
桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：
歡迎來到「一天聽一點」，在一年的中間，許多學生畢業的季節，來跟大家來聊一聊「生涯」跟「職場」，似乎是很應景的話題。
但你放心喔，我要跟你聊的不是如何找工作、面試，這一類比較技術性的問題；而是在這個動盪、快速變化的時代中，我們要怎麼樣「安身立命」？
所以呢，我們企劃了三集「過好人生」的專題，要來跟大家分享，如何駕馭那未知的未來？我想不管你是剛畢業的菜鳥，或是已經在江湖上走跳的老手，都會覺得很有幫助。
而在「過好人生」系列的第一集，我要開門見山的，來幫你破解一個思考、一個問題。
那就是喔：「不管你現在幾歲，有工作還是沒有工作、薪水高還是薪水低？你對未來都會有一種淡淡的焦慮，不確定是否繼續往下走，是對的選擇嗎？」
你是不是也感受到，那些過去覺得顛撲不破的保證，全部都一點一滴的在瓦解中呢？
你的焦慮並非空穴來風，在我分享「如何面對這些焦慮」之前，我們先來看看幾個客觀的數據。
首先喔，根據「行政院國發會」最新出爐的一個報告裡，它載明喔，在不遠的未來，大概就是民國150年，我們台灣的人口會比今天少了679萬，只剩下1660萬，回到民國65年的狀態。
這意思是說，我們現在剛好站在一個分界點，接下來每往前走一步，我們的人口數據就會往後退一格；但是不同的是，這次的1660萬的人口結構，會跟以前很不一樣。
首先呢，65歲以上的人口，會從當年的60萬膨脹到730萬，是當年的12倍；但是出生的人口，卻從42.5萬降低到5.6萬，比當年的七分之一還要弱。
聽到這些數字可能沒有感覺，我直接講白話文；現在全台灣有2600多所小學，如果都沒有關門，每間學校就平均只會有25個學生。
你想想看，這樣的狀況底下，有多少教育人員要被淘汰？而周邊有多少的產業會跟著萎縮？
好！就算你不從事教職，也不想生小孩，那個時候每年能繳稅的人，只剩下810萬人，是現在1730萬納稅人口的一半。
但是卻要支應730萬人的退休年金、長照費用和醫療支出；從現在5到6個人，養一個退休人口，到1比1的cover，我們只有40年的時間。
如果講到這裡，你還是沒有感覺，我就直接告訴你，只要你現在小於58歲，你有很大的可能會領不到勞保，甚至於呢，你要繼續工作到75到80歲都是正常的。
當然你也可以說喔，晚點退休沒什麼不好，反正壽命那麼長，繼續工作當練身體。那我再告訴你一些產業的實況，你可以想一想。
所謂的「工作」，你那種覺得想要做一輩子的，它會不會存在？就算你想做，還有公司會要你嗎？
我們來舉幾個例子喔，大家都知道台灣過去一直以來是機車王國，隨便走在馬路上，你都能夠看到不管是綠牌、白牌、黃牌、紅牌…這種各式的機車，滿街趴趴走。
而這樣子高密度的機車使用，就造就了上個世紀的八零年代，台灣機車行隨便開，隨便賺錢。不過同樣的情況到了二十一世紀之後，開始了有重大的轉變。
由於電動機車的技術愈來愈成熟，無論是更時尚的外型，更便利的充電站、加上環保政策的助攻、實際價格的補貼跟補助；它都相較於傳統機車有更好的吸引力對於消費者，它帶動了近年來電動機車的換車潮。
而電動機車就像3C產品一樣，在維修的時候，不管是哪裡出問題，只要把整台電動車接上電腦，就能夠很快的診斷出故障的位置，直接換掉零件。
不再需要那種傳統機車行，老師傅的維修經驗，而且維修價格更透明、更低。在這樣的風潮底下喔，傳統機車行如果不轉型，你想想看生意還能維持幾年？你可以自己想一下。
如果你覺得機車行是「黑手」，是屬於「藍領」的產業，跟身為「白領」的你無關，那你一定不能錯過我接下來要說的例子。
「大數據」的運用，在這幾年來已經是大家都知道的事。你可曾想過所有使用習慣、生活方式、健康數據，都會透過電子化的大數據被記錄之後，所有的產業都能夠針這些數據，去鎖定他要的族群，去設計出更受歡迎的產品。
你想想看，假設你這輩子會得到什麼病，都可以透過「大數據」推算出來；汽、機車全部自動駕駛，大幅降低車禍的機率，你還需要現在包山包海的醫療保險、意外保險嗎？
還是保險公司其實只要針對你所需要、買得起又適合的保單，直接推播到你的手機裡，方便你完成購買這樣就好啦。那麼這個時候，眼下全台灣21萬的保險從業人員，又該何去何從呢？
我們都知道打敗計程車的，不是另外一家更大的計程車行，而是叫車軟體Uber、滴滴打車；而打敗出版業的，不是哪一個強大的作者或者是書商，而是沒出過任何一本實體書的「臉書」啊。
而你可能不知道的是，讓口香糖的銷售量急劇下滑的，不是另一外款零食，而是「社交軟體」。因為當人不用直接互動的時候，口氣清新的需求，也就沒那麼重要了。
在未來，你根本不知道你的敵人會在哪裡？也不知道你的公司還能活多久？就算它現在看起來很大。更何況喔，在台灣的大企業是相對少的，絕大多數都是中小企業。
而中小企業只有七年的平均壽命，它關店的比率非常非常的高；以每個人平均45年的工作時期，你至少要換7到8次的工作，這都是很正常的。
所以談到這邊，你是不是覺得心中那種隱隱約約的不安，其實是很合理的。如果你沒有這樣的焦慮，我還比較擔心你勒！
那麼面對這樣的狀況，我們該怎麼思考？首先，你要知道的是喔，如果你的想法還停留在，找到一個工作安分守己的做下去，只要穩定就好；那恭喜你，你註定被淘汰。
為什麼呢？其實我們有很多人的生涯概念，是來自於20世紀，但卻要應付急劇成長的21世紀。不知道你還有沒有印象，在上個世紀，我們對生涯規畫的理解都很單純，而且單純得很絕對！
就像是讀了醫學院就當醫生，讀了師範學院就當老師，要是你不想讀書就當工人，這種「一個蘿蔔一個坑」的概念。
但你有沒有發現喔，在我們渡過了千禧年，進入了二十一世紀之後，這種精確分工、結果確定的事情，其實早就不存在了。取而代之的是，每三到五年之間，就會有不同的熱門新工作誕生。
特別是近幾年來，最熱門的工作像是YOUTUBER、網路小編、電競選手、居家整理師…這些等等的，都已經不是各大專院校裡，找得到相關的科系的新工作、新職業啊！
而這樣子的「實際產業」，跟「學術」之間的斷層，也老早讓生涯的議題，脫離了「精確分工、確定結果」這樣的途徑。
而更弔詭的是，有一個關於「知識更新速度」的統計數據顯示，現在的大學生，進學校第一年所學的知識，在他升大二的同時，去年所學的就已經過時，形同作廢啊！
這更說明了，要現在的學生從學校畢業之後，帶著所學的專業，去找到一個長期穩定、能夠做一輩子的工作，那幾乎已經是「神話」了！
再加上喔，我們現在所處的時代，是工業革命以來，人口和科技發展最快速，而且達到高峰的階段。現代的人一天的資訊量，已經是18世紀的平凡人一輩子的資訊量。
也就是說喔，雖然我們懂得比二百年前的人，還要多很多；但尷尬的是，我們大部份的思考方式，卻沒有進步多少，還停留在工業時代那種「找個能夠做一輩子的工作」這樣的思考框架裡。
在這裡我邀請你想一想喔，要是你的思想沒有適時的，隨著時代的進步而一起前進，你又偏偏生活在變動這麼快速，對於「未來」是前不著村、又後不著店的狀況裡，那麼怎麼樣會讓人不焦慮呢？
如果你不想要繼續焦慮下去，那麼關於未來生涯的因應策略，就是你最急迫、最需要學習的部份。
但是在開始學習之前，我來說個故事，讓你對於這樣的學習，先有個正確的理解。IBM大型電腦之父「佛瑞德・布魯克斯」。
他在1986年的都柏林IFIP的研討會上，曾經發表過一個關於軟體工程的經典論文。論文名稱叫做《沒有銀彈》，之所以把論文的名稱取得這麼特別，是因為佛瑞德使用了一個隱喻。
在歐美的傳統故事裡，傳說喔可以用銀製的子彈，就可以殺死吸血鬼、狼人或者是任何怪獸；所以呢「銀製的子彈」就會被引申成「解決問題」的最有效方法。
而佛瑞德把論文取名成「沒有銀彈」，就是在強調軟體複雜的本質，並沒有任何一個技術或方法，可以像是殺死狼人的「必殺技」，並沒有那種一招斃命，一用就靈的這種途徑。
而事實上，像軟體工程這樣的挑戰，就跟現代人的生涯規劃是同樣的複雜。過去所有行業的權威，和牢不可破的真理，都在此刻會被推翻，沒有任何的「保證」可言。
因此呢，我們未來將面對的問題、還有解決這些問題的資源跟方法，都會是「史無前例」的，都必須由我們自己親手去開創。
而真正「解決問題」的高手，就像佛瑞德這樣的人，他們老早就參透了「一勞永逸」的方法其實根本不存在。
可以追求的是鍛練自己的「思考能力」，把自己打造成為能夠「靈活應變」，去適應各種的變化，而不斷的更新、持續升級的系統。
如果你還是聽不懂，非得要一個答案，那我只能說，現代生涯唯一的不變的，是「一直在變」啊！唯一的解答就是「沒有絕對」！
而你的腦袋裡那些一成不變、不動如山，企圖想要找一個工作、一個專業，就做一輩子的「舊思維」；如果再不移除，那就會像是當大家都在用智慧型手機的時候，你還堅持使用「call機」，這是一件很荒謬的事喔！
更可怕的是，這些過時的思想如果不即時更新，當生活和工作的壓力越來越大之後，它會變成一種毒素，變成一種「思想的遺毒」。
不知不覺會腐化你的心靈，讓你對生命感覺到絕望，成為自我發展的最大阻礙，這會是你要的嗎？你可以想一下。
所以在下一集的節目裡，我會一一說明，這些「思想遺毒」的具體內容是什麼？及它是在什麼時候，植入你的腦袋裡？
面對「思想」這種無形的對手，你必須先認出它、標定它；才能進一步的打敗它、超越它。
要是你希望自己能夠與時俱進，不讓未知的新科技，消滅你熟悉的工作跟生活方式，那你就一定要鎖定我們的頻道。
除此之外呢，如果你想要更精確的，認出在自己的人生裡，無論是面對工作，還是自我發展的迷思或現象。
並且透過學習掌握具體的方法、找到明確的自我定位，有效的去適應這多變的未來，那麼千萬不要錯過，我們推出的線上課程【過好人生學】。
如果你曾經在生命的任何時刻當中，問過自己：「這輩子，只能這樣嗎？」那這門課就是為你所準備的！【過好人生學】會陪伴你過出自己想要的好人生！
希望今天的分享，能夠給你一些啟發與幫助，我是凱宇。
如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道。別忘了訂閱旁邊的小鈴鐺，按下去；這樣子你就不會錯過我們所製作的內容。
那麼如果你對於啟點文化的商品，或課程有興趣的話，如同今天最後跟你分享的【過好人生學】，期待你的加入；詳細的課程內容在我們影片的說明裡，都有相關的連結。
讓我們一起邁向一個更好的人生，謝謝你的收看，我們再會。
新零售、新製造、新金融、新能源
大數據和人工智慧的發展
它們的時代即將來臨！
我們將迎來最美好的年代
我們應該跟緊時代的步伐
去創造屬於我們自己的事業。
人們常說最好的年代已經過去
現在與未來的競爭會更加激烈
我們再也無法突破重圍創造歷史？
但是，
馬雲卻說最美好的年代才要開始
只要我們把握好即將迎來的事物
我們將能再次創造歷史。
今天Yong會和大家談談《馬雲：未來已來》
這本書的讀後心得
裡邊談及了未來即將出現的『五個新』。
.
獲取我的獨家理財貼士
http://bit.ly/get-spark-financial-tips
.
【免費】股票投資工作坊 - 從0開始學股票
http://bit.ly/join-free-webinar-now
.
🔥點擊連結瞭解更多詳情或購買🔥
https://valueinmind.co/zh/sparks/
.
【🔎更多相关影片】
✔️成功的时间点 | 《通往财富自由之路》
https://youtu.be/Mhx9V64uRgw
✔️金钱已经不是以前的样子了|《跟钱好好相处》
https://youtu.be/Nn1_s6TWiIM
✔️每年10分钟，让你的薪水变成活钱|《下班后赚更多》
https://youtu.be/Nn1_s6TWiIM
【🙋♂关注我们，以获取更多理财知识💰】
Spark的FB▸ https://www.fb.com/sparkliang/
Spark的YouTube▸ http://bit.ly/sparkliang-youtube
Yong的FB▸https://www.fb.com/yungsheng.yong/
Yong的YouTube▸ http://bit.ly/finspark-foreign-stocks
Icon credit to : https://www.flaticon.com/home
#馬雲：未來已來 #讀後感 #阿里巴巴
我有上網看過，其實職缺不多...，薪水大都寫面議，少數有寫薪水的大都都在4-6 ... 科系他們分不清楚只是BA要的知識背景和大數據工程在寫ML和DL的差別, ... ... <看更多>
關於「台灣數據分析師薪水」標籤，搜尋引擎有相關的訊息討論：. 「大數據分析師」找工作職缺－2021年1月｜104人力銀行2021年1月27日－734 個工作機會｜大數據分析 ... ... <看更多>
大數據 薪水 在 [心得] 2018夏_學士畢業數據分析面試分享- 看板Soft_Job 的推薦與評價
各位大神安安
本版上面關於數據分析(data analyst)相關工作經驗分享偏少
前兩個月剛好面試了幾間公司
公司類型為新創居多，沒有保險金融、電信業及製造業
在此分享一下面試經驗，也歡迎大家互相討論
提醒:文長慎入
Medium好讀版:https://bit.ly/2M7dKWF
文章會針對
˙背景及經驗介紹
˙履歷投遞
˙面試過程及結果
˙結論
四個部分分享
˙背景及經驗
私校數學系畢業(非理工強校)，在校成績普通，沒有被當，但有暑修物理。。。
大三開始接觸數據分析，開始學習python及R語言，python學了一學期，大概就是迴圈、
判斷式等基礎語法；稍微了解爬蟲抓取技巧，但不深入。R語言起初也只是自行摸索，對
於資料整理及統計模型並不上手。
大四學校課程，使用R語言，開始了解資料處理及模型使用，大四下在新創公司的數據分
析部門實習，實習期間做過3個專案(包含獨立專案及合作專案)，真正使用R處理資料及分
析。
畢業後，因某些因素，留在學校當助教，負責微積分、統計演習課(非數學本科系)，基本
上沒有產出，只有自己摸索python，主要有看了幾個課程
．政大MOOC課程_成為python數據分析達人的第一堂課(這個是免費的線上課程)
．Hahow_Python 資料分析＆機器學習入門(這個要錢，當時候募資時購入，很詳細還有
medium的課程檔案可以看)
2018上半年，投履歷前3個月左右，有跟朋友合作專案，主要負責爬蟲及機器學習的
coding部分。算是這年來主要的產出……..吧。
◎實際自評
會使用R語言及python完成獨立專案，包含網路爬蟲、數據前處理，SQL搜尋及操作、模型
建立，視覺化報告。
○能夠使用python串接API，每日自動化整理資料，並上傳SQL。
○模型使用上基本的回歸分類、k-means分群、sklearn套件包，都操作過，但並不會DL(例
如tensorflow)。
○分析經驗以數值統計分析為主，缺少文字探勘的經驗。
○視覺化部分，ggplot2、matplotlib都算熟悉。
○對於簡報製作也稍微有點概念。
˙履歷投遞
◎履歷部分
基本的中文履歷，以及硬生出來的英文CV，整理過去製作過的專案(包含大學零零落落的
報告們)放在雲端，還有把部分程式碼上傳至github，最後建立了linkedin，然後就打開
104開始撒履歷了。
◎目標公司
本身對於金融業沒有興趣，對保險投資也沒太大研究，然後不想穿西裝上班。另外傳統產
業(大公司)也不是我首選，畢竟制度規定很死，我也不是很喜歡。所以差不多就剩下科技
業與新創團隊了，主要來說之前也待過新創公司，所以對新創的氛圍比較熟悉。
就這樣打開104，搜尋 數據分析 就會跑出很多職缺，Title是數據分析師、資料分析師都
會點進去看。條件部分，主要就看期望的工作年資，1-3年我都會投。再來看技術方面，
只要有寫到使用python、R就會投。
關於職位內容，求職網都是寫個大概：數據清理、數據探勘、分析報告、視覺化呈現、機
器學習、深度學習，真的要實際聊過才會比較清楚此職位定位在哪，工作內容是啥。
◎其他
除了104以外還有使用Yourator這裡都是新創公司，相對的也比較多外商公司，在這裡就
算是投中文履歷過去，HR或公司回信也都是英文，但相對的幾乎投過去都能得到回信或面
試邀約。
˙面試及結果
(依面試順序寫)
1.傳統食品業(主力在大陸市場)＿數據分析師
○面試
人資接洽後約面試，面試當天先考了30分鐘術科筆試，筆試內容為手寫SQL code(差點以
為我在考資管系期中考xdd)，四大題都是 join 、 group by 等合併資料表，然後
where 篩選條件，最後是SQL計算。老實說，超級久沒有寫SQL，更何況是手寫，就只能憑
著印象瞎寫，勉強把四題掰完。
面試前兩關是一對一，最後一關是部門主管+單位主管兩人，第一關是同單位不同部門的
課長，主要了解我過去的專案經驗，還有我對數據分析的了解及概念。還有介紹了主要這
個單位的工作內容及工作分配。
主要分成兩個部門，一個是商業分析，比較偏重於商業應用分析，對程式能力要求較低，
主要就是會SQL撈資料。另一個是我投遞的數據應用，包括了DB處理、數據分析、數據應
用，三個課。然後大概跟我介紹過去做過的一些專案分析；這部分有談論到機器學習的部
分，得到的回答是，公司高層目前還無法接受，他們過去有嘗試使用ML的分析，但高層比
較相信傳統統計分析方法。(我有朋友過去也去應徵此單位的管理職缺，大約比我早三個
月左右，卻因為對ML較不熟悉，而被砲轟；這件事也讓我們很困惑)
第二關是我應徵的部門主管，主要跟我確認我對哪一塊比較有興趣，也大概聊了一下對於
資料處理、整理的概念；以及講了職位的工作內容，主要是以撈SQL整理資料，做ETL為主
的工作。所以一直跟我強調，會一直進行數據蒐集(可能半年或一年以上)，才會進行分析
；也有提到剛剛術科SQL寫的還不錯(這部分其實超驚訝，畢竟我超久沒寫SQL)。最後有聊
到pay的部分，當下也開給我，但有說，最後核定要以人資公布為主。
本以為面試到這邊告一個段落，結果，第三關，單位主管進來，氣場很強大，主要也是問
我對於資料處理的概念，以及數據分析跟商業模式之間的關係；談話中，了解到公司決策
很注重是商業概念，數據分析是輔助決策。本以為在這邊會被電得很慘，但也頗和平的結
束。
○結果
約莫一個禮拜後，就接到人資打來，稍微了解一下狀況，還有了解可工作時間，就發
offer過來了。
2.軟體公司(主力做校務分析系統)＿大數據資料管理師 (Data Scientist)
○面試
第一次過去，主要看了我的履歷，從中問了一些我的經驗，也讓我問問題了解公司的工作
，模式大概就是互相問對方問題的感覺，大概了解公司是微軟代理商，負責賣軟體，漸漸
往開發公司系統，配合企業需求去建置系統，最後發展到協助大專院校進行校務分析。然
後，也表示，公司主要使用Power Bi ，如果進來之後要學會，還有提到，公司有微軟的
資源，可供學習(畢竟是經銷商)，最後就說會約下次面談。結束後，看名片上網搜尋一下
，才發現是公司負責人(CEO的感覺)面試我，難怪名片上沒有Title。
二面，是由部門PM面試，感覺是香港人，講話口音不像是台灣人，針對我實習時的專案，
大概給了我一點建議，表示做的分析對象都是人，變因很大，對公司來說不會是好的研究
主題。最後有談到會讀大量paper，然後說我的英文能力可能不夠好。
○結果
無聲卡，接近兩周的時間，我還有寄信過去詢問，但也沒有消息。
3.區塊鍊交易平台(台灣的新創公司，混合式去中心化的交易平台)＿ Data Analyst 數
據分析師
○程式測驗
履歷丟過去後，mail寄過來就是csv檔跟測驗說明，資料是給你一間交易所的交易紀錄
(200Mb，差不多170萬筆資料)，請你針對題目分析，並製作報告。題目主要是要看能不能
從中找到高頻交易對手或交易機器人等。
做完之後，丟過去會再決定能不能過去報告分析結果及面試。(但其實看超快，早上寄出
去，下午就打來跟我約面試時間了)
○面試及結果
本來以為要報告，還頗緊張，但因為主管開會，沒有報告到；但有提到報告部分做的不錯
，簡單易懂，也看的出來是有美編過，就由人資主管直接與我面談。公司正要成立data部
門，所以在招聘leader，也必須對區塊鍊有深入研究，大概就知道沒有望了。人資主管也
有詢問，如果是以pt的方式願不願意，也說明人事部分也還在規劃，所以也不排除未來再
通知我。
4.廣告代理商＿資料分析師
面試前有上求職天眼通，稍微了解一下這間公司，負評不少(大概是說公司流動很快，還
有會以罰錢逞罰員工?!)
○面試
直接由部門主管面試，一開始稍微介紹廣告業的運作模式，及資料部門做的工作。就直接
進入專業問題，針對我過去做過的專案開始詢問，問得非常深入，都是統計解釋及演算法
部分；例如：羅吉斯回歸中OR勝算比的解釋、k-means的演算過程、計算中心距離的方法(
歐式距離等等)。沒想到會得如此深入，我回答某些部分也不是很有把握。但最後主管卻
說回答得還不錯，觀念沒有太大問題，然後說這些模型可能不適合公司分析，進來之後會
看其他paper學其他模型，還有一開始進來要學spark、hadoop等分散式計算方法(感覺起
來，應該是蠻能學到東西的吧?!)。最後有聊到pay的部分，並說明試用期會扣3k這樣。
○結果
回去大概兩三天就收到offer letter了，薪資也是當下討論到的。
5.新創行銷平台＿data engineer
○面試
從面試邀約就是CEO直接跟我聯絡，第一次去也是互相了解公司運作方式，也對我過去的
經驗了解，並說明公司主要是以文字探勘為主，另外大多是分析國外論壇及部落格，所以
英文能力相對也很重要。最後就告訴我回去之後會有一個code challenge要回去做。
⊙Code challenge
給了200個網址，要你寫爬蟲程式抓取作者名字及其社群網站聯絡方式。
第二次面試，先大概聊到寫程式的過程及方法，都做出來了，所以應該也知道沒啥問題，
接著就和公司的data scientist了解實際工作內容及分析方法，大概了解之後會做些甚麼
。最後就是和CEO討論我主要可以做的工作及pay；主要來說公司data team 有人負責爬蟲
、有人負責文字分析，而我對數值分析比較有經驗，也希望我之後能處理這一塊，但當然
一開始也要我先熟悉公司分析的流程等。
○結果
二面最後就有討論了pay及on board時間，也有問我什麼時候能給回覆。回到家offer
letter就來了。
6.國內新創影音平台＿大數據分析工程師 (Big Data Analytics Engineer)
○測驗
在面試前一天早上才打電話來，告知我有一個專業測驗，要請我做，然後面試帶過去。有
三題，第一題是設計一份問卷的資料屬性，並針對此問卷看能夠分析什麼、第二題設計一
套推薦系統，並規劃流程，最後寫如何評估成效、第三題問公司發展AI會遇到甚麼難題。
問的問題很有深度，我個人覺得很偏向PM，要規劃流程，也要思考成效。
○面試
先由部門主管面試，主要是我在講我做過的專案及經驗，主管沒有給太多回饋。接著講公
司data部門工作內容，及接下來發展方向。再來是人資的深聊時間，主要針對個人特質的
部分詢問了很多，但就是人資會聊的部分。最後有談到大概2~3周，公司會有一個決定，
但如果沒有錄取，將不會另外通知
○結果
目前正在等待結果中，一個禮拜多過去，還未有消息。(如有消息將會更新
˙結論
先給結論數據部分：
約莫投遞：60間(包含104及yourator)
開信：30間
寄信聯絡：13間(包含回信請你填寫資料表，回傳之後沒有下文；還有二間履歷過去後
，收到感謝信)
面試邀約：6間(上面詳述)
拿到offer：3間
每階段差不多是50%機率，拿到offer是投遞的5%
實際統計下來，我覺得算非常好的結果，畢竟我這一年來的工作，其實並不算可以累計年
資，所以還是以一個新鮮人的身分求職，拿到的offer平均都是現在的N+5~N+7，其實還算
滿意。
實際公司對於技術面的要求，其實也不會因為學歷而有質疑(或許我不是面試金融、傳產
、電信，這幾個比較看重學歷的產業，但其實也有收到金融和電信的面試邀約)，只要有
專案經驗，把專案呈現給公司，其實大概也都能知道能力、技術到哪邊。公司寫要會使用
ML/DL，有可能是公司希望有這樣的技術能導入。以目前來說基本的分類分群回歸預測等
，還有基本的資料整理套件都要會使用(有面試時看github，就說:「你會pandas，我們
也要用到。」但其實這應該算基本的)
在104上打入 數據分析 或 資料分析 就會有很多工作跑出來，都可以投遞看看，能有面
試機會就去練刀，就當作了解該產業或者多去聽聽別的公司如何定義數據分析，或者公司
的數據團隊在做些甚麼；面試下來，每間公司要求的都不一樣，都一樣是data analytics
，但做的事情可能不一樣，又或者不少是要求有文字探勘經驗。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.133.151.104
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1533087743.A.DF6.html
... <看更多>