最近數據工作十分火熱，職缺大增，薪水也因為美國之前大撒幣造成的通膨而近一步推升。獵人頭到處挖人，各大公司幾乎都在大規模招聘數據科學家/數據分析師，是難得一見的勞方市場。我們公司最近也招了很多新數據科學家，其中也不乏是已經拿到終生職的教授們。
來找我諮詢的人很多也都是想轉數據科學，雖然大部分都已經很熟程式語言也會蠻進階的分析，卻常常對自己沒有自信，想像一起來競爭求職的對手都是DS/CS PhD然後自己就會被打趴。他們最常問的求職問題就是：
「我在研究所有統計分析和量化方法經驗，想轉職數據分析工作，需要先上Bootcamp或再拿一個DS/CS碩士嗎？」
我的經驗是，再多拿一個碩士非必要。
我的學位是海洋學，並沒有另外上bootcamp，也沒有再拿一個碩士，第一個數據工作是研究統計員。之後再邊工作看哪裡要再加強，每年都持續進修。畢竟數據領域日新月異，並沒有所謂”學好的“的一天，改掉在學術界，喜歡資料都研讀很透徹，計畫都想得很細了，才敢做實驗的習慣，這樣很容易錯失先機。然再拿一個碩士也不會有害，但所需時間也是要考量的。如果主要本來已經會程式語言，也會統計，通常足以勝任初中階的工作。研究用的分析，學校的作業，都可以拿來佐證你有數據經驗。重點是履歷面試要用業界的語言，抓JD的關鍵字，對方才知道你們在講同一個東西。
理工博士轉行數據科學相對容易
理工博士非常適合轉行數據科學，因為在研究所時就通常已經有寫程式和數據分析，而且難度比普遍商業會用到的深。雖然主題不一樣，但背後的邏輯是相通的。數據科學應用範圍很廣，幾乎各行各類都會用得到，所以不管本來念什麼，都可能找得到相關的領域，用得上自己的專業知識背景。這行也適合女生，因為男女起薪差距小，時間彈性通常可以遠距，也很適合有家庭的人，薪水也夠好可以請得起托嬰和保姆。
以博士來說，需要專業知識的相關產業是最容易的起始點。如我的第一個數據工作是在環境部門，我就比純數據背景更能判斷分析方向還有結果是否有意義。精準選擇你的切入點，會比花很多時間上課更有效率。現在數據市場正在快速擴張，趁早卡位，邊做邊學。先拿到實務經驗，再跳槽。如果是在職進修的話，不止公司通常會補助，也會更清楚產業到底需要什麼。
轉行人可以跟非本科系的人競爭不一樣的東西
就算對手是根正苗紅DS/CS PhD，你們可以競爭不同的東西，尤其如果起點是稍微有相關的領域，那本來的專業訓練就會有優勢。另外，也不一定一開始就要打大聯盟，第一份工作不見得就要投FAANG跟業界最厲害的競爭。也可以先中初階工作開始，如此你的研究訓練就會是優勢，等有半年一年業界經驗就可以跳槽，不是第一份工作就要做到退休。
我在上一份和這一份工作都有得獎，前一份工作的前任都是數學出身，而現在AI小組的同事大多有CS/DS學位。而我能活在其中，就是靠無法用bootcamp短期取代的研究經驗，解決未知問題的能力和邏輯。這是博士求職最大的優勢，要對自己有自信。也因為是半路出家，所以比較容易有新創意，這也是很珍貴的能力，我的兩次得獎都跟能從不同角度思考有關。
條條大路通羅馬
十年前左右軟體工程熱，很多人上bootcamp就可以快速找到初階軟體工程師工作，現在中階以上工程師還是很搶手，但是初階競爭就很激烈。而今，數據科學家就很像當年的軟體工程熱，這產業需求量太大，各種程度都可以找到相符的職缺。我希望我的例子能鼓勵大家，真的沒有你想像的難。如果想要從學界轉職數據科學，如果你想去學校外面試試身手，現在是很好的時機。如果不知道從何開始，歡迎與我聯絡。
