※ 引述《fmaclmvr (詹姆士)》之銘言：
: 大家好
: 我目前是某個剛合校的大學的統計學研究所在學生
: 最近開始在思考未來畢業後的就業方向
: 大學是念數學系，常用的語言是R，也有自修python、c跟c++，未來幾學期也會去修一些
: 資工系的基礎課程（資結、演算法、資料庫）。
: 但參考過本版的一些文章，底下的討論大概可以看出統研畢業生在求職時的窘境，因為非
: 資工而被質疑背景不符等等。
: 因此我想請教版上的前輩們，統計/數學背景的畢業生若想從事資料分析的相關工作，是
: 否本質上就不適合呢？又或是可以在哪些方向上發展呢？
看到這篇文章就手癢很想回一下
我現在工作大概快六年了，待了三間公司
我自己覺得統計背景是其實滿適合的
我自己是116經濟雙主修統計 後來唸116統計所
在台灣其實職缺不少，只是title都很不一致
從software engineer，machine learning engineer
到BI engineer, data analyst, data scientist
我之前在某公司做資料分析時
應徵的title是IoT engineer（茶
學統計有很多優勢是資訊的人沒有的
但是相對來說也有很多技能缺乏
導致無法去很多公司做資料分析
優勢是知道具體統計數字的意義
舉例來說，很多人都用平均值、標準差來看資料
可是當資料有嚴重偏斜的時候
這要看是否合適？
第二個是做圖能力
大多數統計所老師都會訓練學生做資料探索
畫圖找尋pattern，尋找適合的方式進入分析
在這個步驟中，我真的看過太多人直接模型拿來套
再來批評模型不好用了（攤手
這是一個統計所學生該有的基本能力
好好得看過資料
第三個是數理能力
多數情況下 統計所的學生還是比較擅長數學
在讀懂新的論文時 我覺得對於數學式子抽象化理解的能力比較強
我不確定資工需不需要學線性代數
但是線性代數在統計也扮演很重要的角色
更在現在的機器學習裡面扮演重要角色
這是統計所學生的另一個優勢
剩下的就是實戰了（攤手
至於劣勢部分，不管哪一個公司
基本的軟體能力都要有
起碼R或Python跟演算法都要會
我在某一家的時候還必須自己當data engineer
寫scala用Spark清理資料跟整理資料（菸
還有在機器上做定時工作，則需要一點shell
依照公司使用的工具不同也要會不一樣的雲
我目前用過就AWS跟Azure
一開始真的會不太懂，不過花一點時間看文件
入門應該是不難，或是多問問同事吧（茶
剩下就是SQL、資料庫、虛擬化技術、平行計算等等
這些工作上會用到再學都還來得及
對於統計所學生來說
最困難的就是找到一個純資料分析的地方增加經驗
然後再跳到其他地方點技能樹
不過共同的難題是心態上的改變
工作最重要的事情是解決問題
解決你的使用者遇到的問題
資料分析或是機器學習都不是萬能
但是要必須清楚瞭解怎樣才做得到
要求到適合的資料才做分析
避免埋頭苦幹，最後得到垃圾進垃圾出的結果
也要避免陷入理論 把自己綁死
舉例來說，殘差是不是常態分配，到底影響的是什麼？
什麼場景必須要有這個假設？
出賣強者我同學朋友們
一個在Google做可靠度
一個在艾森澤做DS
一個之前在Grindr做BI
以上都是統計所畢業的（茶
統計怎麼會不適合做資料分析呢（笑
—-
補充一下
國外也有很多機會
例如agoda廣收海外的人
我去年有拿到他們DS offer
給的薪水很不錯
只是後來有台灣的公司給我差不多價碼
我就留在台灣了
為了感謝他們，在文末幫他們宣傳一下（笑
那時候我總共面了七關
只有兩關考演算法（leetcode簡單跟中等）
剩下都問統計、機器學習跟機率
如果自己是做資料分析 應該也很適合
——-
補充二
外文能力請好好加強
我大四的時候多益只有620
畢業兩年後面試新竹外商
面對外國人老闆講不出所以然（嘆氣
就這樣損失了一個機會
工作上也會很頻繁用到英文
像是我之前公司內部信都必須是英文
我現在的公司一半同事是外國人
同team不是印度人就是美國人（茶
英文溝通不可免，不然好工作就飛了