「要跨領域轉職的時候，千萬不要慌張，記住：『學多不如學精』，一定要找出你自己的價值，因為跨領域不會是你的劣勢，而是優勢，你不應該把它當作消磨你自信的事。」
你曾經因為在大學或研究所就讀的科系，求職方向比較模糊而感到擔憂嗎？這次訪談，邀請社會學半路出家成資料工作者的 Alyssa 分享他在積極自我探索之後，不但找到滿意的自我定位，更結合在學時期的研究領域，打造出專屬於自己職涯路的故事，以及在轉職艱難歷程中，不被徬徨感打敗的療癒心法。
來賓簡介
（本篇僅節錄部分內容，完整節目請到各大播放平台收聽：https://linktr.ee/creatingourfuture）
✦ 本集亮點 ✦
➤ 9:32 用一句話解釋 data 在企業組織中扮演的角色
➤ 16:12 因為科系焦慮，大學曾經打過七份工？
➤ 18:47 社會學背景，為第一份工作帶來哪些獨特價值
➤ 30:02 從來沒想過，研究所論文可以真的運用在職場上
➤ 36:07 工作沒有十全十美，但一個真心喜歡的點可以讓你堅持下去
➤ 44:49 Alyssa 看 Junior 數據人才履歷時，在乎哪些點？
➤ 48:06 跨領域轉職者的「冒牌者效應」
✦ 本集精彩節錄 ✦
Ray：Alyssa 現在在新創交通科技公司擔任 Data Lead，但是妳其實是社會學背景出身的，可以介紹一下妳的求學經歷與職涯歷程嗎？
Alyssa：我大學到研究所總共讀了七年，都是在唸社會學，包含其中延畢一年。大家都問社會學畢業要幹嘛？我自己當時也不知道，所以就瘋狂打工了解自己適合什麼，因此，在大學階段我總共做過七份打工。
進入研究所階段後，研究主題大部分在探討人群、族群流動、地區定位等議題，也開始學會使用 R 語言寫程式爬梳一些資料，輔助研究。那個時候是 2016 年，大數據滿熱門的，我就想是不是可以趁這個機會找與資料分析相關的工作？
由於不是技術背景出身，找了很久，總算有一間電商願意錄用我！那個職位是大型電商財務部底下的營運分析師。工作內容有 50% 是自主研究，所以當時花了很多時間向主管報告各種研究成果，類似研究所時期，每個月要交小論文給教授一樣。
由於我是社會背景出身，其實社會系的學生在社會經濟的敏銳度是高的。在社會學的訓練下，我們探討一件事的成因，可以溯源到社會和經濟整個大結構，蒐集外部資料（例如：內政部主計處、 Open data等 ）來佐證我的研究，主管比較少看到這種面向的報告，因此也展現出與團隊內其他財務背景的夥伴不同的特長。
由於想把資料數據的的每一個角色都試一遍，所以下一份工作我到了新創公司擔任資料倉儲 PM，增加更多技術背景的知識。後來甚至到中國大陸工作了一陣子，在母嬰保健業擔任營運總監的角色，由於是偏向管理職的工作，學習如何去管理一個團隊，以及和股東、廠商做溝通協調、談價格。接著因為疫情的關係，我就回來台灣擔任電商產業的產品分析師，最後則來到現在交通新創 Data Lead 的工作崗位。
Ray：如果用一句話形容 Data Team，你要怎麼比喻呢？
Aiyssa：很多單位會把資料部門當做仙姑，似乎把問題表達給我們，我們就能「蹦！」變出他們的需求。事實上若要比喻的話，我認為 Data Team 在組織內部比較像醫生的角色，今天當業務單位開出一份需求，我不一定要「直接導出對方指定的數據」，而應該「深入了解他們要解決的問題」，再去導出相應數據。
我之所以形容數據工作者會像醫生，就是因為醫生不該被病人牽著鼻子走，反過來，你如果夠了解病人的病症，你就能運用自己的知識去替病人開藥。所以數據部門就像醫生，根據其他部門的需要給予支持與幫助，甚至能預測將來會發生的問題。
Ray：我覺得醫生的比喻很好，如果沒有對症下藥，在規模不大的專案動用了許多不必要的資源，殺雞焉用牛刀，長時間下來成果的收穫就會比較少。
Aiyssa：沒錯，其實我在擔任資料科學家的第三年時，曾在面試被問一個問題：「你要怎麼樣用資料數據去替公司帶來價值？」
我當時認為，就是繼續學習很多厲害、高超的技術。但後來我被點醒了，其實平常工作的任何一個流程，如果可以透過數據去做流程的自動化、減少人力成本，甚至利用 excel 的巨集這種很基礎的技術，去減少平時要花很多人力去做的運算……，這些對於公司來說，都同時兼具價值與效益，所以身為領導者，我常告訴團隊：「不一定要每次都做大江大海的研究，才叫做厲害。」
Ray：在資料科學這個領域，很多公司的編制都不盡相同。例如：有些公司會把 Data Team 當作一個部門獨立出來（集中式），有些公司則會在各個部門底下都設立資料分析師（分散式），哪一種編制你看過比較多呢？對於資料工作者的職涯發展，分別又能帶來哪些好處？
Alyssa：這個問題很棒，我兩種公司都待過；以資料工作者來說，兩種各有自己的優點，要看個人的職涯發展決定怎麼選。
舉例來說：在集中式的公司，Data Team 必須要承接任何部門的任何資料需求，你會因此了解得廣，例如：你會知道分析資料在營運部門、行銷部門、物流部門的關係，並知道這些資料如何影響決策，想對資料分析了解得多的人，我很建議你去這種公司。
而分散式公司，你只要對自己隸屬的部門負責，因此你會對該單一領域懂得很深。例如：我對物流產業有濃厚興趣，我可能就會去分散式公司的物流業部門擔任物流分析師，鑽研我喜歡的部分。
Ray：妳的讀者群中，應該很多人也想轉職到資料科學領域。他們最常問妳什麼問題？
Alyssa：有趣的是，很多人都是找我傾訴：他們想要跨領域，但沒有勇氣去跨越那條界線。其實在跨領域中過程中，常常會面臨到別人的不看好，因此自信容易萎縮。所以通常我都會鼓勵他們心態上要調整。
另外，我也會分享自己跨領域路上的心路歷程，或是我自己的學習地圖。因為現在學習資源很多，不論是本科系還是或跨領域的人，都想要進來資料科學這一塊，因此進入這行其實更辛苦。雖然有更很多公司開缺資料科學相關的缺，但實際要求的能力卻更高，可能會要你學 R 又學 python。
舉例來說，在我 2015、2016 年進入這個領域的時候，一個 junior 的職位，企業可能就會期待來一位 junior 的人才，但現在公司找 junior，實際上要的程度卻是接近 senior 的人才。
Ray：這樣聽起來，如果想跨領域進入資料分析產業，學習門檻似乎越來越高了？
Alyssa：針對這個，我想分享：常常有人問我是不是要學很多程式語言才行？我會說學多不如學精。假如熟悉一項工具的程度是 10 分，你學 R 和 python 各學了 3 分，我建議你應該單一語言學到 10 分，不然至少學到 6 - 7 分；其實我從畢業到現在都是用 R 去工作，業界通常不會規定你一定要用哪種語言解題，只要你能算出答案就好。另外，程式語言的邏輯都是一樣的，所以要學習後互通學習並不困難。
所以我建議大家要跨領域的時候不要慌張，重點是你一定要找出你自己的價值，因為跨領域不會是你的劣勢，而是優勢，你不應該把它當作消磨你自信的事。
Ray：那妳在看 junior 資料分析師履歷時，會重視哪些要點呢？
Alyssa：我會希望他擁有這三項特質：
一、溝通能力：溝通能力強很重要。因為 Data Team 要跟不同部門溝通協調，要有同理心去感受對方要的是什麼、可以用什麼數據滿足對方需求。
二、好奇心：沒有好奇心的話，做分析洞察類的工作會更容易感到疲乏。
三、喜歡挑戰：我欣賞勇於挑戰，不自我設限的人。在我自己的職涯裡面，幫助我最多的，往往是我一開始不想做的事情。但是過了一段時間，當這些事突然派上用場，你會感謝當初自己沒有抗拒這些挑戰。
此外，身為一位資料工作者，如何在資料科學中找出自己的價值也很重要。現在很多模型、參數都設定好了，軟體會直接告訴你數據該如何調整。當這些硬實力都被機器取代時，我會問我自己：「那妳還剩下什麼？」
以我自己為例，我認為我具有洞察分析的能力，可以去找外部資料佐證的數據研究，使老闆更信服，讓大家相信 Data Team 的存在還是有價值的，能夠幫助到整間公司。
其實我的 Team，有很多夥伴都是跨領域的同仁。想跨領域的人，或許對於自己的能耐仍感到懷疑，這方面我感同身受。無論是聽到讚美還是批評，你都會懷疑自己做得正不正確；因此我常常提到「冒牌者效應」。對於非本科系的人來說，自信心的調整更為重要，擁有足夠的自信，才能讓對方明白你的價值和優點所在。
Ray：Alyssa 最近有什麼 project 想跟大家分享嗎？
Alyssa：如果大家喜歡我的分享，歡迎追蹤我的臉書和 IG，搜尋「社會學半路出家資料科學」。我有時候會舉辦一些讀者回饋活動，教大家使用一些 Data Studio 工具；或是舉辦職涯咖啡廳，找五六個人湊成小團體，每個人分享自己的工作經驗，也分享自己在資料科學的路上遇到的坑，歡迎大家關注我，一起參與！
➤ 想成為更好的資料工作者嗎？也推薦你聽這集：用數據與商業智慧驅動光速成長，專訪台灣蝦皮 BI Manager Aaron
◎想聽到更多職場前輩的第一線分享？快在你最常用的播放器上關注《職涯履行家》！
推薦閱讀：
數據分析師（Data Analyst）面試作品集準備 3 大原則，成為面試官眼中最亮眼的資料分析師！
前端職涯經歷 Meta、Netflix 的他，如何用矽谷思維衝擊台灣房產業？－專訪 FUNWOO CTO Huge
想進新創當軟體工程師，有哪些必備能力與特質？新創 Tech Lead 親口告訴你
