[**:house: Home**](https://hackmd.io/s/rkkDP_l4M) | [:boy: **About**](https://hackmd.io/s/B149Z8v7b) | [**:microscope: Researches**](https://hackmd.io/s/rJPFNKlVz) | [**:rocket: Side projects**](https://hackmd.io/s/H1aS2qe4G) | **:airplane: Life gallery** --- # 【專訪系列｜Gogoro Network 資深資料科學家：Jui-Fa 專訪】 * *from [NTU Data Analytics Club 臺大資料分析與決策社](https://www.facebook.com/NTUDAC/posts/560815715273170)* ![](https://i.imgur.com/f2Z4hrT.jpg) 「耐心尋找看待問題的方式，自然會走上屬於自己的道路。」— Jui-Fa 學長 本次很榮幸邀請到現任 Gogoro Network Senior Data Scientist 的 Jui-Fa 學長，來和我們分享給資料分析學習者的建議。Jui-Fa 學長自台大物理博士畢業後即加入 Gogoro，致力於透過數據持續優化 Gogoro Network 各項服務。 Gogoro Network 是世界最大的智慧電池交換網路，至今已突破四十萬用戶數。Gogoro Network 整合電動機車硬體、軟體與資料串接，數據蒐集、資料分析都能一次到位，已經成功做到消費者無需自費購買大量電池，而宏佳騰、Yamaha 等品牌也都加入 Gogoro Network 生態圈。 Jui-Fa 學長先前曾擔任 DAC 的職涯講師，至社團和第二屆社員們分享能源路網資料科學家日常以及如何與團隊、外部廠商協作。很高興繼上次社課後，能再有機會邀請學長分享。這次Jui-Fa 學長的分享將更著重「學習者」的角度，學長以自身經驗出發，給資料分析學習者學習與職涯方面的建議。此外，學長也與我們分享他在電動車產業擔任資料科學家的工作經驗，讓大家更加了解這個產業與職位。 訪談 Key Takeaways 📍 對 DAC 的想法： 實作專案的難得機會、廣泛探索找出興趣 📍 給資料分析學習者的建議：結合過往經驗，找出自己的特色、判斷組織目標、化繁為簡 📍 Gogoro Network 產業經驗：世上沒人解決過的問題 ▌ 對 DAC 的想法 📌 實作專案的難得機會 DAC 除了社課外，也與企業合作資料分析專案，而企業所提供的資料都是真正存在且需要解決的問題。學長認為，學生能實作真實世界的資料分析專案非常難得，除非實驗室有做類似的企業資料分析專案或是去實習，不然能取得企業資料做專案的機會並不多。以 DAC 專案的規模而言，他認為專案所要解決的問題普遍比實習生會碰觸到的再更深一些，約介於實習生和正職之間，因此對 DAC 社員的履歷和經驗普遍有不錯的印象。 📌 廣泛探索找出興趣 DAC 的社課安排多元，有不同類型的分析工具、職涯講師。學長認為，初學資料分析的大學生多看、多聽、多讀是好事，先走出廣度，再來追求深度。他建議，大學生可以先了解各種不同的領域和工具，再來找出有興趣深耕的地方；到了研究生以上的階段，再專注於一條路上，運用過去的經驗和能力深耕。學長也補充，可以在做專案的過程中，發掘出自己走在資料分析這條路的合適方法，因為透過自己去尋找答案，自然會走上屬於自己的道路。 ▌給資料分析學習者的建議 📌 學習方面：結合過往經驗，找出自己的特色 學長認為，在面對同個問題時，會有很多不同的切入點；來自不同領域的人，在資料分析上也會有相異的思維。不論任何科系都能提供一種解決問題的思維與價值，而過去的一連串累積都會是未來成長的養分。所以學習資料分析，除了該方法所需的背景知識外，（例如：想學好機器學習，就要打好基礎的數學與統計基礎），並沒有一定要修哪堂課或經過哪些歷程，修自己有興趣的課即可，因為都能提供一定的價值。對於過去不是就讀資料分析相關科系的人而言，比起用很困難複雜的分析方式，不如結合自己的 Domain Knowledge 中解決問題的邏輯，加以應用在自己的資料分析技能上，找到自己的特色。加上現在任何領域都需要數據人才，有了 Domain Knowledge 加上數據分析的能力，對求職而言是加分的。 學長舉自己為例，大學時就讀物理系，並沒有學過程式、統計分析等，而是到了研究所才接觸。他從職場觀察發現，在解決問題時，資工背景的同事偏向從演算法和資料結構出發，找到一個能套用的模型；而物理背景的他，則習慣從理論模型出發，探討問題的因子，用數學描述之，然後再透過資料分析來驗證。相較於預測準確度，雖不比深度訓練基礎的模型精準與華麗，但在解決商業決策問題的詮釋上，相對直觀與彈性。這是因為學長的物理背景，讓他習慣創造模型去解釋現象的脈絡，並且能儘量用別人聽得懂的簡單方法解決問題。 📌 職涯方面：數據團隊每種角色雖有不同定位，但共同點都是要判斷組織目標 學長曾在先前社課的分享中提及資料團隊的各種不同角色定位（文末有該堂課的社課精華文章），這次則來談談學長在面試這些職位的新鮮人時，所看重的能力與特質。 📍 數據分析師：相較於資料科學家是更著重在應用統計與資料視覺化上，並提供有效商業連結的數字；但因應職位性質需求，有時也會要求程式能力。針對數據分析師的面試者，學長主要是從履歷上看面試者是否具備該職位的基本功（依職位不同而異，但通常是 Excel、Python 或 其他 BI 軟體）。另外，學長通常也會利用面試，了解面試者在數字上的描述能力、思考邏輯與特質。 📍 資料科學家：通常會申請資料科學家職位的人，對於資料分析技能都有一定把握。除了技能外，學長也會根據過去經歷的複雜度，來檢視面試者是否能勝任大型專案。此外，學長也欣賞具備創造力，且能有效地藉此完成專案的面試者。 學長也提及，每個環境都有自己的企業文化與目標，因此不能空有自己的理想抱負，還要具備觀察公司或單位可能發展方向、了解公司或組織想要什麼的「嗅覺」，如此才能解決公司的痛點。 📌 職涯方面：化繁為簡，說故事的能力很重要 學長曾代表臺大到歐洲核子研究中心（CERN）擔任拜訪科學家，也擁有豐富的學術研究經驗。他認為，學界與業界的資料分析工作差異其實不大，主要是在思考模式以及心態上。 學長提到，科學界往往比業界走得更快更深，許多他以前在研究機構使用的工具與方法，放到現在還是很先進，因此這之中的落差便要靠著說故事的能力來彌補。學長要求自己在每次上台簡報前的演講內容與 PPT 都能讓初學者聽懂，因為他認為科學都是基礎邏輯疊加而成，即便存在技術落差，但若別人能理解其中邏輯，知識傳遞的落差就不太存在了。他提醒，專業知識的發展，難免會期待在成果發表，並展現「肌肉」。不同於實力細節的展現，學長建議把艱深的知識化繁為簡，以點到痛點為主軸，讓「肌肉」變成可口的「美食」，聽眾更容易消化吸收，就可以更讓人理解你想傳達的事情，更顯專業價值。 ▌ Gogoro Network 產業經驗 📌 創新商業模式的挑戰 Gogoro Network 能源網路產是獨特的商業模式，所以常面臨到新的問題與挑戰。「因為沒人告訴你應該怎麼辦，所以要不斷跟老闆討論與確認。」這也是學長在前述所強調的「嗅覺」的重要性。 通常資料科學家在其他公司與機構是放在比較偏研究型的職位，主要負責演算法與模型開發。而學長雖然是資料科學家，但需要更頻繁接觸BI相關領域的工作，研究範疇也著重在應用廣度。舉之前優化充電站部署的專案為例，學長先用外部資源、內部網絡資料評估設站與優化，再思考如何利用網絡內的人流流動進行優化，之後利用數學邏輯思考、建立模型，最後才是資料視覺化。 Gogoro 的詳細介紹與學長先前的職涯分享社課精華，文章Medium 連結在第一則留言處，歡迎點開留言閱讀。 ▲ 第三屆社員招募資訊 ▼ 招募表單、懶人包：見本貼文留言處 招募截止日期：延長至 8/14 (六) 23:59 歡迎熱愛商業分析的你，加入我們一起變強！ --- [:ghost: Github](https://github.com/juifa-tsai) | [:busts_in_silhouette: Linkedin ](https://www.linkedin.com/in/jui-fa-tsai-08ba0a93)