今天早上的教育單元邀請到逢甲大學 李秉乾校長，與大家聊聊《國際教育趨勢以及全新留學模式》以及《逢甲大學2+2國際專班》
📻聽重播按這裡！ https://youtu.be/agK7mTtYWIM
▶飛碟聯播網Youtube《飛碟早餐》頻道 http://bit.ly/2QVQsFh
▶網路線上收聽 http://www.uforadio.com.tw/
▶飛碟APP，讓你收聽零距離~ http://www.uforadio.com.tw/app
◎內容簡介：
近年來台灣出國留學人數逐年銳減，然而業界對國際經營人才需求卻因產業國際化而逐年增加，因此國內大學陸續推出與國外知名大學合作的創新學制，幫助學生以更加值的方式取得國外大學學位。逢甲大學於2014年成立國際科技與管理學院，開設2+2國際專班，學生2年在逢甲，2年在國外，四年後可取得兩校雙學士文憑。
相較4年留學海外，這種嶄新的留學模式大約只需要原有經費的三分之二，而逢甲在選擇合作學校的過程中，除了重視專業領域需符合全球趨勢，更考量所在地的生活環境、文化教育、就業機會、以及對國際學生的友善度等。學生留學兩年期間，逢甲大學也會透過合作學校共同進行輔導，同班同學一起留學，彼此在生活起居互相照應，讓父母更加安心。目前國際學院與美國普渡大學、美國聖荷西州立大學、澳洲皇家墨爾本理工大學合作，分別推出電機、資工、商業大數據分析、經典商學等學程，涵蓋範圍從工程到商管領域。其中，國際學院也與皇家墨爾本理工大學合作「商學與創新專班」，與美國聖荷西州立大學（SJSU）合設「商業大數據分析專班」，呼應全球大數據趨勢。國際學院院長曾明哲教授也指出：「在美國，大數據分析師薪資比他行高出70%，前程大好。」
國際學院不但提供創新的留學形式，同時也提供專業領域的選擇彈性。以逢甲大學與澳洲皇家墨爾本理工大學合作的「商學與創新專班」為例，大一、大二著重培養學生商管核心專業知識，出國前再選定主修，經由多方探索自己的興趣，學生不用擔心選到不合志願的學系。與逢甲大學國際合作辦學的學校，皇家墨爾本理工大學的商業及管理、會計及財務、電腦資訊科系，皆躋身全球科系排名百大之內，國際能見度高。聖荷西州立大學是加州州立大學系統創始學校，位於加州矽谷，是為矽谷提供最多專業人士的大學。
逢甲大學 Feng Chia University
大數據分析師薪資 在 [心得] 2018夏_學士畢業數據分析面試分享- 看板Soft_Job 的必吃
各位大神安安
本版上面關於數據分析(data analyst)相關工作經驗分享偏少
前兩個月剛好面試了幾間公司
公司類型為新創居多，沒有保險金融、電信業及製造業
在此分享一下面試經驗，也歡迎大家互相討論
提醒:文長慎入
Medium好讀版:https://bit.ly/2M7dKWF
文章會針對
˙背景及經驗介紹
˙履歷投遞
˙面試過程及結果
˙結論
四個部分分享
˙背景及經驗
私校數學系畢業(非理工強校)，在校成績普通，沒有被當，但有暑修物理。。。
大三開始接觸數據分析，開始學習python及R語言，python學了一學期，大概就是迴圈、
判斷式等基礎語法；稍微了解爬蟲抓取技巧，但不深入。R語言起初也只是自行摸索，對
於資料整理及統計模型並不上手。
大四學校課程，使用R語言，開始了解資料處理及模型使用，大四下在新創公司的數據分
析部門實習，實習期間做過3個專案(包含獨立專案及合作專案)，真正使用R處理資料及分
析。
畢業後，因某些因素，留在學校當助教，負責微積分、統計演習課(非數學本科系)，基本
上沒有產出，只有自己摸索python，主要有看了幾個課程
．政大MOOC課程_成為python數據分析達人的第一堂課(這個是免費的線上課程)
．Hahow_Python 資料分析＆機器學習入門(這個要錢，當時候募資時購入，很詳細還有
medium的課程檔案可以看)
2018上半年，投履歷前3個月左右，有跟朋友合作專案，主要負責爬蟲及機器學習的
coding部分。算是這年來主要的產出……..吧。
◎實際自評
會使用R語言及python完成獨立專案，包含網路爬蟲、數據前處理，SQL搜尋及操作、模型
建立，視覺化報告。
○能夠使用python串接API，每日自動化整理資料，並上傳SQL。
○模型使用上基本的回歸分類、k-means分群、sklearn套件包，都操作過，但並不會DL(例
如tensorflow)。
○分析經驗以數值統計分析為主，缺少文字探勘的經驗。
○視覺化部分，ggplot2、matplotlib都算熟悉。
○對於簡報製作也稍微有點概念。
˙履歷投遞
◎履歷部分
基本的中文履歷，以及硬生出來的英文CV，整理過去製作過的專案(包含大學零零落落的
報告們)放在雲端，還有把部分程式碼上傳至github，最後建立了linkedin，然後就打開
104開始撒履歷了。
◎目標公司
本身對於金融業沒有興趣，對保險投資也沒太大研究，然後不想穿西裝上班。另外傳統產
業(大公司)也不是我首選，畢竟制度規定很死，我也不是很喜歡。所以差不多就剩下科技
業與新創團隊了，主要來說之前也待過新創公司，所以對新創的氛圍比較熟悉。
就這樣打開104，搜尋 數據分析 就會跑出很多職缺，Title是數據分析師、資料分析師都
會點進去看。條件部分，主要就看期望的工作年資，1-3年我都會投。再來看技術方面，
只要有寫到使用python、R就會投。
關於職位內容，求職網都是寫個大概：數據清理、數據探勘、分析報告、視覺化呈現、機
器學習、深度學習，真的要實際聊過才會比較清楚此職位定位在哪，工作內容是啥。
◎其他
除了104以外還有使用Yourator這裡都是新創公司，相對的也比較多外商公司，在這裡就
算是投中文履歷過去，HR或公司回信也都是英文，但相對的幾乎投過去都能得到回信或面
試邀約。
˙面試及結果
(依面試順序寫)
1.傳統食品業(主力在大陸市場)＿數據分析師
○面試
人資接洽後約面試，面試當天先考了30分鐘術科筆試，筆試內容為手寫SQL code(差點以
為我在考資管系期中考xdd)，四大題都是 join 、 group by 等合併資料表，然後
where 篩選條件，最後是SQL計算。老實說，超級久沒有寫SQL，更何況是手寫，就只能憑
著印象瞎寫，勉強把四題掰完。
面試前兩關是一對一，最後一關是部門主管+單位主管兩人，第一關是同單位不同部門的
課長，主要了解我過去的專案經驗，還有我對數據分析的了解及概念。還有介紹了主要這
個單位的工作內容及工作分配。
主要分成兩個部門，一個是商業分析，比較偏重於商業應用分析，對程式能力要求較低，
主要就是會SQL撈資料。另一個是我投遞的數據應用，包括了DB處理、數據分析、數據應
用，三個課。然後大概跟我介紹過去做過的一些專案分析；這部分有談論到機器學習的部
分，得到的回答是，公司高層目前還無法接受，他們過去有嘗試使用ML的分析，但高層比
較相信傳統統計分析方法。(我有朋友過去也去應徵此單位的管理職缺，大約比我早三個
月左右，卻因為對ML較不熟悉，而被砲轟；這件事也讓我們很困惑)
第二關是我應徵的部門主管，主要跟我確認我對哪一塊比較有興趣，也大概聊了一下對於
資料處理、整理的概念；以及講了職位的工作內容，主要是以撈SQL整理資料，做ETL為主
的工作。所以一直跟我強調，會一直進行數據蒐集(可能半年或一年以上)，才會進行分析
；也有提到剛剛術科SQL寫的還不錯(這部分其實超驚訝，畢竟我超久沒寫SQL)。最後有聊
到pay的部分，當下也開給我，但有說，最後核定要以人資公布為主。
本以為面試到這邊告一個段落，結果，第三關，單位主管進來，氣場很強大，主要也是問
我對於資料處理的概念，以及數據分析跟商業模式之間的關係；談話中，了解到公司決策
很注重是商業概念，數據分析是輔助決策。本以為在這邊會被電得很慘，但也頗和平的結
束。
○結果
約莫一個禮拜後，就接到人資打來，稍微了解一下狀況，還有了解可工作時間，就發
offer過來了。
2.軟體公司(主力做校務分析系統)＿大數據資料管理師 (Data Scientist)
○面試
第一次過去，主要看了我的履歷，從中問了一些我的經驗，也讓我問問題了解公司的工作
，模式大概就是互相問對方問題的感覺，大概了解公司是微軟代理商，負責賣軟體，漸漸
往開發公司系統，配合企業需求去建置系統，最後發展到協助大專院校進行校務分析。然
後，也表示，公司主要使用Power Bi ，如果進來之後要學會，還有提到，公司有微軟的
資源，可供學習(畢竟是經銷商)，最後就說會約下次面談。結束後，看名片上網搜尋一下
，才發現是公司負責人(CEO的感覺)面試我，難怪名片上沒有Title。
二面，是由部門PM面試，感覺是香港人，講話口音不像是台灣人，針對我實習時的專案，
大概給了我一點建議，表示做的分析對象都是人，變因很大，對公司來說不會是好的研究
主題。最後有談到會讀大量paper，然後說我的英文能力可能不夠好。
○結果
無聲卡，接近兩周的時間，我還有寄信過去詢問，但也沒有消息。
3.區塊鍊交易平台(台灣的新創公司，混合式去中心化的交易平台)＿ Data Analyst 數
據分析師
○程式測驗
履歷丟過去後，mail寄過來就是csv檔跟測驗說明，資料是給你一間交易所的交易紀錄
(200Mb，差不多170萬筆資料)，請你針對題目分析，並製作報告。題目主要是要看能不能
從中找到高頻交易對手或交易機器人等。
做完之後，丟過去會再決定能不能過去報告分析結果及面試。(但其實看超快，早上寄出
去，下午就打來跟我約面試時間了)
○面試及結果
本來以為要報告，還頗緊張，但因為主管開會，沒有報告到；但有提到報告部分做的不錯
，簡單易懂，也看的出來是有美編過，就由人資主管直接與我面談。公司正要成立data部
門，所以在招聘leader，也必須對區塊鍊有深入研究，大概就知道沒有望了。人資主管也
有詢問，如果是以pt的方式願不願意，也說明人事部分也還在規劃，所以也不排除未來再
通知我。
4.廣告代理商＿資料分析師
面試前有上求職天眼通，稍微了解一下這間公司，負評不少(大概是說公司流動很快，還
有會以罰錢逞罰員工?!)
○面試
直接由部門主管面試，一開始稍微介紹廣告業的運作模式，及資料部門做的工作。就直接
進入專業問題，針對我過去做過的專案開始詢問，問得非常深入，都是統計解釋及演算法
部分；例如：羅吉斯回歸中OR勝算比的解釋、k-means的演算過程、計算中心距離的方法(
歐式距離等等)。沒想到會得如此深入，我回答某些部分也不是很有把握。但最後主管卻
說回答得還不錯，觀念沒有太大問題，然後說這些模型可能不適合公司分析，進來之後會
看其他paper學其他模型，還有一開始進來要學spark、hadoop等分散式計算方法(感覺起
來，應該是蠻能學到東西的吧?!)。最後有聊到pay的部分，並說明試用期會扣3k這樣。
○結果
回去大概兩三天就收到offer letter了，薪資也是當下討論到的。
5.新創行銷平台＿data engineer
○面試
從面試邀約就是CEO直接跟我聯絡，第一次去也是互相了解公司運作方式，也對我過去的
經驗了解，並說明公司主要是以文字探勘為主，另外大多是分析國外論壇及部落格，所以
英文能力相對也很重要。最後就告訴我回去之後會有一個code challenge要回去做。
⊙Code challenge
給了200個網址，要你寫爬蟲程式抓取作者名字及其社群網站聯絡方式。
第二次面試，先大概聊到寫程式的過程及方法，都做出來了，所以應該也知道沒啥問題，
接著就和公司的data scientist了解實際工作內容及分析方法，大概了解之後會做些甚麼
。最後就是和CEO討論我主要可以做的工作及pay；主要來說公司data team 有人負責爬蟲
、有人負責文字分析，而我對數值分析比較有經驗，也希望我之後能處理這一塊，但當然
一開始也要我先熟悉公司分析的流程等。
○結果
二面最後就有討論了pay及on board時間，也有問我什麼時候能給回覆。回到家offer
letter就來了。
6.國內新創影音平台＿大數據分析工程師 (Big Data Analytics Engineer)
○測驗
在面試前一天早上才打電話來，告知我有一個專業測驗，要請我做，然後面試帶過去。有
三題，第一題是設計一份問卷的資料屬性，並針對此問卷看能夠分析什麼、第二題設計一
套推薦系統，並規劃流程，最後寫如何評估成效、第三題問公司發展AI會遇到甚麼難題。
問的問題很有深度，我個人覺得很偏向PM，要規劃流程，也要思考成效。
○面試
先由部門主管面試，主要是我在講我做過的專案及經驗，主管沒有給太多回饋。接著講公
司data部門工作內容，及接下來發展方向。再來是人資的深聊時間，主要針對個人特質的
部分詢問了很多，但就是人資會聊的部分。最後有談到大概2~3周，公司會有一個決定，
但如果沒有錄取，將不會另外通知
○結果
目前正在等待結果中，一個禮拜多過去，還未有消息。(如有消息將會更新
˙結論
先給結論數據部分：
約莫投遞：60間(包含104及yourator)
開信：30間
寄信聯絡：13間(包含回信請你填寫資料表，回傳之後沒有下文；還有二間履歷過去後
，收到感謝信)
面試邀約：6間(上面詳述)
拿到offer：3間
每階段差不多是50%機率，拿到offer是投遞的5%
實際統計下來，我覺得算非常好的結果，畢竟我這一年來的工作，其實並不算可以累計年
資，所以還是以一個新鮮人的身分求職，拿到的offer平均都是現在的N+5~N+7，其實還算
滿意。
實際公司對於技術面的要求，其實也不會因為學歷而有質疑(或許我不是面試金融、傳產
、電信，這幾個比較看重學歷的產業，但其實也有收到金融和電信的面試邀約)，只要有
專案經驗，把專案呈現給公司，其實大概也都能知道能力、技術到哪邊。公司寫要會使用
ML/DL，有可能是公司希望有這樣的技術能導入。以目前來說基本的分類分群回歸預測等
，還有基本的資料整理套件都要會使用(有面試時看github，就說:「你會pandas，我們
也要用到。」但其實這應該算基本的)
在104上打入 數據分析 或 資料分析 就會有很多工作跑出來，都可以投遞看看，能有面
試機會就去練刀，就當作了解該產業或者多去聽聽別的公司如何定義數據分析，或者公司
的數據團隊在做些甚麼；面試下來，每間公司要求的都不一樣，都一樣是data analytics
，但做的事情可能不一樣，又或者不少是要求有文字探勘經驗。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.133.151.104
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1533087743.A.DF6.html
... <看更多>