在我還沒有出去實習的時候，我以為博士就是為了學術研究訓練，所以當教授就是唯一正解，其他都是旁門左道。
在學術經費短缺職位也逐年下降的現在，很多萬年博後和永久兼任得不到好的報償, 只能像學術吉普賽族一樣逐經費而居。但很多博士不敢離開學術界，覺得在自己學術以外找不到工作,或是有誤解，覺得業界工作都是服膺資本主義不會快樂。 所以薪水再低、工時再長、工作再雜、地點再偏遠，都一堆人搶。
博士通常不是一般沒有選擇的基層勞工, 卻覺得自己沒有選擇，只能接受。我希望藉由這篇分享讓紅海中的苦主知道, 你有選擇, 而且很多。
博士研究主題很專門，訓練內容卻很通用
博班研究主題通常很鑽，畢業門檻是創造知識，達到目標的共通訓練是獨立解決問題的能力。「把未知變已知」是從事學術研究的必須，卻不是只能從事學術研究。任何核心任務是「解決未知問題」，還沒有很多人很清楚怎麼做，只有很少指示的工作，甚至很多時候連問題到底在哪裡都不清楚時，有博士訓練都會特別有競爭力。
這篇我分享四個我有親身經驗的選項，並且提供不客觀個人感覺的優缺點分析。希望能想拋磚引玉，鼓勵不想當教授但對追求科學有興趣的人念博班。念了也不是只能當教授，希望給大家更多職涯發展的想像：
1. 科學政策
國家機器很龐大，幾乎各種專長都可能會需有管理規劃和執行的人才。有博士學位做政策方面的工作，除了比較有威信，比較容易服眾，實際上也可以利用統整知識的能力，輔佐有決策能力的人（或自己出來當決策者！）。
要讓政客學科學太難，科學家學政治比較快。你覺得政府總是做無腦的決定嗎？那就去當政府的大腦吧！
優：可以造成大尺度的影響、有貢獻社會的成就感、整體壓力比較小、假多福利好、相對家庭友善、做滿年資有退休俸
缺：薪水偏低（起薪就有差、後面成長幅度差更多）、沒有簽約金沒有配股或員工購股計畫、受政治波動擺盪、除了假多以外的福利貧乏、體制相對僵硬、轉行彈性較低
2.數據科學
STEM研究幾乎都會用到量化分析，所以已經有分析邏輯和方法的訓練，通常也會一些軟體或程式語言，對數據科學不是完全陌生。數據科學是現在大量蓬勃發展的領域，各行各業都有數據相關的職缺，幾乎不管什麼專長都找得到至少入門的職缺。
從事數據科學也很需要溝通和圖像化的能力，這方面通常博士也都有所訓練。一般理工博士切入數據科學的優勢是既有的專業知識和紮實的邏輯分析能力，但會需要補強程式撰寫還有電腦科學等知識才走得遠。
優：市場需求大職缺多、勞方市場薪水好、職涯專業成長和薪水成長的空間都大、通常可以遠距、工作時間地點彈性家庭友善、私人公司分紅配股各種五花八門福利都多
缺：步調快要一直學新語言新知識（但如果喜歡學習就不是缺點，但對喜歡固定一點的人會是壓力）、有些比較偏向工程的任務（如data engineering, data management)需求量很大但對科學家可能比較枯燥、有可能要碰自己完全不熟或沒興趣的數據
3.科技顧問
我個人覺得科技顧問本質就像科學政策+數據科學，需要策略性思考輔佐客戶做決策（但無法直接用告訴的，需要說法引導）。很需要獨立前瞻思考，需要分析能力，需要一直學新東西，也需要執行能力解決客戶問題。像政策工作一樣，有學位客戶比較信你（服眾容易=客戶買單）
優：不無聊，可以一次接觸多種新科技，薪水優，同事多神人，客戶通常也不是泛泛之輩，很適合增廣見識,未來跳槽容易
缺：以客為尊，很吃networking,溝通能力要很強，步調快，無法完全預期工作內容、壓力也比較大
4.自己創業
因為博班本質是創造，做一個新的的東西出來，所以其實很適合創業走出自己的路。不管是發明創造一個東西，一個平台，一個新的解決方法，或是成立自己boutique consulting firm等。
我自己設立niche career的經驗，要學很多法律稅法相關的東西，從來沒有想過的， 當一個法人要付的責任也比當一個員工多很多，有一種又長大成人的感覺。
從這裡開始，自由度最大，責任也最大，天花板就是自己決定了。
優：完全自由、可以自己決定方向方法、收入成長無限、開啟新的金流和資本模式、解鎖資方才能用的各種稅務優惠管道
缺：盈虧完全自負、收入可能是0或負的、福利要自己創造、法律稅務責任大、時間乍看自由但其實是客戶員工的
結論
政策、數據、顧問、創業，這四者也可能有交集，可以依自己個性專長調整比例，就像政策有國會前線的，也有後段支援的，數據也有面客戶端跟後台分析的。
除了上面四個選項外，科技法律（如專利）、科普教育、NGO、金融業、RD 、科技業或新創等也都是常見的選擇。這世界上的職業種類，比科系種類還多，所以真的不需要被自己科系或學歷限制。
我踏出學術界之後發現外面的世界真的很大，跟在研究所裡面好像只有一條路完全相反。現在很慶幸當時很勇敢（或很硬著頭皮？）給自己一次機會。
海上沒有畫線，航道是自己開出來的。如果現有體制內沒有適合的選項，就出去闖吧！
