數據分析轉職 | 為什麼99%轉職數據分析的人都失敗了? | 大幅提升成功率的轉職方法
ฝัง
- เผยแพร่เมื่อ 7 มิ.ย. 2024
- 這部影片是我過去諮詢彙整的經驗，統整了許多轉職者常犯的基本錯誤
目標是讓無法參與轉職諮詢的人，仍能有一個管道獲得正確的訊息
因個人能力有限，不間斷地提供諮詢服務確實是力有未逮
所以希望大家可以從中獲得自己需要的訊息
如果你看完這部影片，你有問題想問我
不要吝嗇，填寫問卷吧：
forms.gle/V3z3RsL5NbiYyx9U6
如果對轉職數據科學家有興趣
下面是課程的問卷，歡迎填寫
forms.gle/8xjHEErub7tksL836
這是數據轉職系列的第三部影片
如果有興趣可以看其他三部
第一部：一輩子的職位規劃
• 數據分析轉職 | 超過50%的人選錯了轉職職...
第二部：十年的職涯規劃
• 數據分析轉職 | 是否要唸碩士? | 規劃年...
第三部：一年的轉職計畫
• 數據分析轉職 | 為什麼99%轉職數據分析的...
第四部：引導架構的履歷
• 學生、轉職者的履歷撰寫技巧，建立架構引導面試...
■-----------------------------------------------
Chapter
0:00 影片導言
1:06 為什麼想轉職到數據分析的人都失敗了
2:20 失敗的第一步，我要學會數據分析
4:00 用最短的時間，取得面試的操作心法
5:33 天下武功，惟快不破，成功的學習途徑
6:24 Step1：熟悉數據分析在python的應用
8:27 Step2：數據分析的基礎
11:13 Step3：有價值的Side Project
14:45 Step4：別跟數學系的比算法，跟資訊系的比程式，面試的準備方法
16:45 結尾，你可以成功的 !
■-----------------------------------------------
影片中的學習資源：
莫烦Python
基礎操作： • python基础 中文
資料處理：
• Numpy & Pandas Python ...
數據分析：
• Scikit-learn (sklearn)...
DataCamp (需要先登入)
基礎操作：
app.datacamp.com/learn/course...
資料處理：
app.datacamp.com/learn/course...
數據分析：
app.datacamp.com/learn/course...
Scikit-learn官網：
scikit-learn.org/stable/
Kaggle "Datasets and Tutorial Kernels for Beginners"：
www.kaggle.com/code/m2skills/...
幾本經典聖經：
An Introduction to Statistical Learning：
www.statlearning.com/
The Elements of Statistical Learning：
hastie.su.domains/ElemStatLearn/
Deep Learning：
www.deeplearningbook.org/
■-----------------------------------------------
片尾音樂：
pixabay.com/music/corporate-c...
封面圖片：unsplash - วิทยาศาสตร์และเทคโนโลยี
最近接觸商管圈子又接觸數據分析，老實說大大的觀點真的很正確。商管的世界和工程很不同，大多數時候硬實力不是決勝負的關鍵，一直執著要打好基礎還是學很扎實真的只是在浪費時間，跟很多管顧相關的人相處後也能感覺到，那些顧問確實厲害，在處理問題上的思維跟手段也不是一般人能比的，但那不是因為他們真的聰明到哪去，而是因為他們有那個環境跟導師讓他們學習，因此如何把自己送進正確的環境真才是最重要的第一步。
感謝回饋~
謝謝Ben的分享! 非常認同影片當中所說: 要轉職數據分析的重點是打造一份履歷 沒有關係的東西不用先學
感謝回饋
謝謝您的指點，不禁感嘆Ben真的腦袋好清晰啊，表達方式也很平易近人！
轉職路上真的很容易遇到一些意外，導致陷入心慌慌。我最近遭遇了兩個朋友的內推職缺，都在拿到Offer的臨門一腳被朋友的公司高層臨時收回職缺不招了…
影片最後的Summary流程超讚，看到自己明確的路真的有比較定心一點。
感謝回饋
太強啦，超級目標導向，又很有策略思維
感謝回饋
Ben,非常感谢这期节目。你解决了我一直以来的犹豫和困惑。大大点赞! 醍醐灌顶! 非常感谢!😊
感謝回饋
身為本科系看這部影片前半段確實有邪魔歪道感，但也不得不讚嘆用有策略的角度去規劃取得一份工作非常聰明，影片本身的節奏掌握也很棒，尤其是結尾的字卡超振奮人心
感謝回饋
這個影片太強了！ 甚至可以應用在如果準備一個履歷的思維上🎉🎉獲益良多
感謝回饋~
思路很棒，出社會後找工作、轉職都是很現實的問題，不像是學生一樣可以光靠努力學習來填上差距。
我認同轉職的學習應該是以目標導向為主，讓自己的累積的時間跟經驗可以更靠近自己想要做的工作。
感謝回饋
謝謝ben，目前畢業滿一年，一直有轉職的念頭，這部影片讓我方向更明確了~
感謝回饋
很精闢 很清楚 超級無敵推推
感謝回饋
4個影片都看完了， 對於真的有轉職經驗，而且轉職後薪資大幅提升的過來人
講得真的很貼切，沒有任何多餘的包裝 或空話
感謝回饋~
本身是非相關科系的應屆畢業大學生，最近對於怎麼準備感到非常迷茫、慌張，但看了你的影片之後找到了一個很明確的目標，希望能夠一切順利，也謝謝你的影片~期待之後看到更多精彩實用的內容!
感謝回饋
很有料的內容~啟發很大 謝謝!!
感謝回饋
這篇教的是面試技巧，很實用。
當初我自己研究的跟你講得差不多。
確實，殊途同歸，我也只是換個角度分享出來，讓大家可以有一些啟發
讚啦！ 期待更多影片
感謝回饋
講得很好!!給推給推
感謝回饋
內容不僅很好 還給想要轉職的人莫大的幫助和清晰的實踐途徑
非常感謝Ben!
一定會按讚訂閱加分享的！
感謝回饋
適用其他行業的轉職技巧，感謝
感謝回饋
內容實在太棒了！ 真心感受到你是從非本科的角度來提供適合且實用的資訊，為我們這種想踏入資料分析、資料科學的人指引了一條明確的路。
敲碗分享更多資料分析的影片🍿️ 祝頻道人數暴漲！
感謝回饋～
真的是非常有料的內容！ 感謝你的分析與分享！
我自己也是非資工本科出身，在傳產的路上半途出家開始自學程式的人。曾經覺得這是不可能的事情，但是靠著運氣與不要臉的多多嘗試，總算轉職到目前的資訊業工作。
因為自己走過自學程式的過程，所以對 Ben 提到的 "先學好再去面試" 導致的無助感，真的是非常能夠體會。想想那時候白天工作已經精疲力盡，結果下班後面對數不盡的 "資料科學必備基礎"，那種一輩子不可能讀完的絕望感，非常的可怕。
好在後來如同Ben所提到的: "天下武功，唯快不破"，我用盡我能達到的最快速度完成莫煩Python與數據處理的課程，只做了一點 tutorial 就開始不要臉的面試，運氣很好的被現在的公司看中我的 [ 專業能力+程式基礎 ]，得到了現在的工作。
謝謝Ben的這個影片，讓我對於當初的成功有了概念，同時也知道下一份工作的規劃，我要再度 Focus 在哪個方面，非常期待之後不同的影片分享，謝謝！
感謝回饋 😁😁
您好，我也是傳產且非資工本科，想請教您當初自學程式到轉職開始面試大約花了多少時間呢? 轉職後會覺得很吃力嗎?
@@bickyyang 我自學程式斷斷續續大概1年半左右，轉職後剛進去公司很怕被別人發現實力不夠，但是其實根本沒人在乎。工作上不管你是不是資工，新人進去就是從0開始學習公司的作法，所以不用擔心，臉皮厚一點就對了
@@m7807031 感謝分享!
很棒！ 多放一些影片吧！
感謝回饋
非常感謝你的分享！
感謝回饋
非常有用，謝謝！
感謝回饋
謝謝寶貴的經驗分享
感謝回饋
講得很好欸受益良多
謝謝回饋
有种醍醐灌顶的感觉，听完你这个视频。我老公是后端developer，他一直跟我讲你说的这个概念，但是我一直都不是特别认同也不懂。但是听完你的分析之后，我终于明白我老公想表达的意思，也更加有方向感。我想看更多你的影片，发现你只有四个，哈哈哈。
感謝支持，主要影片花時間，之後傾向拍短影片，但可能就不能帶出整體概念，變成碎片的知識。
太感謝了 一直處在盲點
感謝回饋
哇 好棒 真的干货满满 感谢分享 🎉❤
感謝回饋
轉職角度來說 有夠中肯！
感謝回饋
策略正確 ✅ 邏輯清晰 🙆
感謝回饋
雖然沒有要轉職數據分析師 但有在思考要轉職
感謝作者提出了轉職者遇到困境以及轉職的技巧
感謝回饋
說得很好 !
感謝回饋
感謝BEN的影片讓我重燃轉職的希望
感謝回饋
作個筆記，謝謝!(這對面試概念也有幫助)
12:40 有價值的數據分析(個人覺得看自已產業，是否可以提供有用的訊息)
那些顧問確實厲害，在處理問題上的思維跟手段也不是一般人能比的，但那不是因為他們真的聰明到哪去，而是因為他們有那個環境跟導師讓他們學習，因此如何把自己送進正確的環境真才是最重要的第一步。
非本科轉職路上來留言，謝謝 Ben 給予很大程度的方向感！
感謝回饋~
非常有用！！
感謝回饋
哇!大感謝，真是乾貨滿滿耶!
特別是數據集和成功者筆記的部份。
以前自學大數據，最麻煩的就是數據集，就算真的爬蟲到一些可能有用的資料，但都還要標示化什麼的，超麻煩。
成功者筆記感覺也相當有助於摸索學習方向，不然面對知識海洋，真的會很難下手，不知從哪開始。
雖然也不知成功可能性有多少，畢竟真的準備進攻，也謹謹是因為興趣。
如果是為了生活，那還不如在防守上再多下點努力，反正現在也算是還不錯了。
感謝回饋。沒有時間壓力、有興趣，唸個在職學位是不錯的選擇，未來也有操作空間。
感謝分享🎉
感謝回饋
好正確心態🥹 最近才自己很有感意識到這件事！
雖然拖了半年多才真的有要開投履歷 但這中間有去比了幾個專案競賽也有得名
11 月會找到工作的❤
感謝回饋，祝你找工作順利
Super helpful!
Thanks a lot for sharing~~
感謝回饋
卧槽好厉害 点赞收藏加关注了谢谢
感謝回饋
內容不錯，很實在，有寫在履歷上的，有在面試講出來的，面試官才有看到，學再多沒表現出來就沒用。
我也給個建議: 收音有點模糊不清楚，可以研究下怎麼解決。跟面試一樣，內容很好但聽不清楚，可能看的就比較少，就可惜了
感謝建議，收音確實沒有經驗，我再研究研究
Summary:
1. 熟悉Python, 程式語言的基礎
2.擁有數據分析的基礎，用經典的資料及目標領域資料練習。
3. 做有價值的 side project
4.準備面試
感謝回饋
簡潔又直接的影片，感謝Ben的分享！
感謝回饋
很棒的觀點 做法很有效率誒
感謝回饋
轉職軟體工程師 看到這部影片很有幫助
感謝回饋
現在競爭激烈
非本科的人機會太少
尤其是沒有碩士，人資或是主管挑履歷就挑掉了
甚至因為做AI ML論文高產出，一堆沾到邊的科系或是實驗室都來做。
感覺市場漸漸飽和，但這只是2023/Q2目前的景氣現況，後續可能就業市場會好一點。
看用什麼角度看這件事情，資訊科系的人，不走AI也能有好工作，很多就是為了畢業寫論文；轉職者，不嘗試就是繼續領原本行業的薪水。一個是為了文憑，一個是為了生活。
至於難不難，轉職一定是難的，但還是有諮詢者轉職成功。
分析的很有道理。
感謝回饋
非常好的内容，感谢
感謝回饋~
大大您真是太優秀了
感謝回饋
一開始只是在工作上遇到簡單的數據分析（傳產的數位轉型），逐漸開始對數據有興趣，嘗試往這個方向發展。但是我利用下班時間學習時卻感到很茫然，不知道要從哪裡入手，甚至看10分鐘的影片就睡著😢... 感謝作者分享點出盲點，頓時覺得豁然開朗🎉
感謝回饋
感谢分享🙏
感謝回饋
我本身也是Data Scientist，
我認同這些的確是快速的捷徑，而且真的講得不錯，都在刀口上，
但對於"先取得面試的機會就可以拿到工作的機會來打基礎"不太認同
開始上工後，可能會因為基礎不夠，不適應工作而快速被打回原形，
可能會花大把下班的時間來惡補這些知識。
感謝回饋。你提到的惡補正是他們需要做的，也是轉職者應該要承擔的，畢竟事實就是實力不如人。
我也是商管學士轉職Data scientist的例子 蠻建議可以直接參加比賽（or sideproject) 然後用做的事來側面闡述自己的能力
非本科轉職數據也是有優勢的 建議對自己領域相關的數據應用多做研究 不要做太廣
感謝回饋。我也會建議轉職者參加黑客松，不過得先做完side proeject在參加，因為轉職者通常沒有從data看任務的思維，就會錯失很多角度。
功德無量🙏
感謝回饋
突然跳出你的影片, 講的很好～👍🏻 準備轉職中，開始加強machine learning
感謝回饋
thx for sharing and fabulous suggestion
感謝回饋
蠻實際的
感謝回饋
感謝
感謝回饋
谢谢分享，建筑师准备按推荐的方法进行实践转行，感谢。
感謝回饋～
本科金融，大学参加很多活动，没认真学习，毕业后通过自学python（基础）。
后来找到相关的IT教学工作，因为有了3年的工作经验，再通过自学数据分析知识，9个月内成功转职为数据分析师。
纯属分享个人经历，希望大家都能找到自己喜欢的工作 😊
謝謝分享，希望大家都能有更好的職涯
謝謝 給了我方向執行
感謝回饋
你得眼神真魔性
我想請問發布影片
是你做的數據分析project之一嗎XD
發佈影片是整個 Side project 的一環沒錯 XD，只是這個 Projct 比較大型，所以會設法在某些階段與工作規畫結合，讓他不是兩件不同的事情，而是一件大事情
謝謝！
感謝回饋～
正在轉職很慌的人⋯看到你的建言真的知道自己做錯很多事情了⋯不知道那邊可以找您健檢履歷🤔
資訊欄下面有問卷，直接發過來
感謝 我愛你
感謝回饋 😂😂😂
非常期待能够专门出一期关于项目组那么做履历怎么写的视频，我作为一个数据分析 Master刚毕业的学生因为自己没有什么实习/工作经验，真的找了很多人改简历但效果都没有很好，这种情况怎么办呀
影片主要還是針對轉職者。如果已經修改到極致都沒辦法，可能是受景氣影響，就先將目標公司的要求降低，累積工作經驗，等之後跳槽；或是弄一個好一些的side project。
讚
感謝回饋
我第一步對了，正在學習python😊
感謝回饋
Hello Ben
謝謝你的經驗分享，如果我在早兩年看到你的分享，我的轉職或許會比較容易。我很幸運在自學後成功找到一份entry level的數據分析師，然後有機會加入公司的機器學習項目。目前在公司的AI項目負責做模型訓練、分析訓練結果然後制度訓練策略，並且包含數據清理與數據標註。我有很多問題關於在資料科學要走的路，本身過去有理工相關的科學研究經驗，會SQL與Python，但是不是資料科學與電腦科學的本科出身。現在做模型訓練的工作可以接受，請問在這個圈子要走得遠一點需要累積MLE相關的經驗或模型開發的經驗嗎？另外，請問有建議考取什麼證照嗎？ 謝謝你的分享 ❤
怎麼走遠一點，要看你的目標是什麼。如果是薪水，那首要可能是怎樣跳到下一個領域、公司。而MLE確實在專業更廣，可以說包了DS。但MLE職位內的各領域也很雜，不同MLE的技能差異也大。但模型開發算是MLE的需要具備的能力。至於證照，可能要看走向哪一種MLE，如果雲端可能需要，但若有實務經驗更好。
感謝分享～想請問一定要照著第一步第二步去試著學習嗎？可以從第二步開始嗎😅有點想先瞭解數據分析
可以，這部影片講的事情是"如何規劃學習"，但前面有一個階段是"評估轉職職位"(第二部影片)，以及 "目標制訂與產業選擇" (第N部影片)。
所以你應該先知道自己想做數據分析、UI/UX、前後端、遊戲開發或其他職業。而你寫了解數據分析是什麼就是這一步
pandas
matplotlib, seaborn
pytorch/tensorflow
斜線代表不一定要會後面的
感謝回饋。套件不同職位需求可能不同
謝謝Ben明快清晰的分析 收穫良多 已訂閱❤
想請問Ben轉職成功與否會跟年紀有關嗎
我是一位商科背景想轉職到UIUX的36歲路人 感覺這個年紀都快比面試管大了啊😅
UI/UX 的領域我不熟悉，但通常是有影響的，並且 UI/UX 的職缺量較少，要多加考量
@@BenHsu501 謝謝Ben 我有同感 我的觀察是台灣的產業發展不均 想要搶到明星職缺 真的對年紀漸長的人不太友善啊 啊嗚
@@tingtingyang4958 我聽到很多是沒有設計科的背景，HR直接刷掉😢
@@emsw4266謝謝你的分享 其實我也發現以台灣的產業來說 擔任UIUX 並不吃香也無法獲得高薪 也許無法轉職到UIUX 是老天對我的一種祝福吧😂
好影片推推，看到太多想轉職的都來亂的
感謝回饋
谢谢分享！可是Kaggle上面如何找到体量够大的商业数据集做项目？好项目不会挑，能教教么
這算是大哉問，比較難回答。
如果完全沒有方向，建議先google你的目標領域可以做怎樣的題目，這時候可能就會有人整理一些數據集供使用。基本的東西也是有用的。
那針對創業相關建議呢
謝謝
本身沒有做過全面性的創業訪談，但可以填寫問卷說明你的問題，我可以提供我的看法。
老师，感谢分享。你觉得data analysis boot camp怎么样？他们的课程设置都是以找到工作为导向的，就是做capstone projects, 填充履历，学需要的知识和技能，绝不学多余的，一般在半年左右就可以搞定。缺点是，不便宜，而且没有学位，如果跟念一个硕士比较。美国有很多。想听听你的看法。谢谢！
我認為是有用的，因為即使是一般碩士，畢業時仍然需要有project展現在履歷上。當然，碩士更多很多是在寒暑假去實習。
當你做這個選擇(DA boost camp或是自己做專案)，如果希望達到與一般碩士相同的職涯水平，那你的project得真是頂尖的。但如果是期望從基礎的公司開始，是沒問題的。有美國的諮詢者就是從基礎BA開始做，就看之後發展
請問可以講一下Java工程師的轉職嗎？
轉職的觀念應該都是差不多的，差異在於要如何做有價值的side project。對於轉職者來說，盡量做可以應用在生活上的、有實際作用的，實際上可以去找線上課程，然後那種線上課程就是帶你做出一個應用，接著你沿著這個應用加強就行了。
請問履歷上的那些project應該要做到什麼程度和表現形式才比較適合放在履歷上呢？
最初一步，就算是練習的也放上去，因為比起你放你做櫃台、餐飲，放練習的也是有幫助的
转了一年多了，还没转成功。从建筑管理行业转 data analyst ，谢谢Ben的影片！
感謝回饋，不過建議填寫資訊欄問卷，說明一下你的現狀，可能能更直面問題。
謝謝大大，雖然不是想轉職數據分析，但其他領域也是殊途同歸，感謝解開盲點
那如果跟這份工作無關的以前經驗，還需要放嗎？如果不放不會對面試官來說有gap year嗎？
我有朋友是中間跑去其他領域5年，這個就非放不可。如果有1、2、3不同工作，2是其他領域半年、一年經驗，可不放，這期間與待業時間差不多。
想請問英文不好的人應該要怎麼開始學習呢
另外本身的目標是希望能有個科技相關產業 先入門
不一定要跟轉職數據分析有關 但希望能夠使用到python做一些自動化測試操作等等的
如果是這樣的需求 除了學好Python的基礎之外還需要具備什麼呢
英文不好還是一樣去找的課程，YT、Udemy上面也挺多中文的課程。學習內容，基本上你學習python、SQL大致就可以了，然後準備好履歷，接著海投。
英文是加分打底項，可以之後慢慢練，先看得懂程式語言上的英語部分就好
乾貨乾貨🎉！謝謝你解惑。很想諮詢相關領域的人，請問可以報名嗎？
下面資訊欄有問卷，可以說下你的問題
@@BenHsu501 已填問卷，謝謝回覆。
分析的真有道理，你到底咨询过多少人？
感謝回饋，近百吧
6:00 空降學習方法
感謝回饋
你好Ben！40+的男性想去加拿大留学念data analyst转职+移民可行吗？之前在企业做会计结算，自学的Excel和Python
沒有特別研究過加拿大移民，並且提供訊息太少。如果你是指留學取得工作簽，以你的狀況是否能取得工作，首先還是要了解加拿大的求職文化，像是美國碩士通常會在今年找明年實習，如果狀況雷同，就變成留學前就要開始準備面試。另一方面，如果你畢業時如同今年初科技業裁員，這種情況下只能回國。
當然這也跟你未來的求職目標、學校、現在的學習程度、自學的能力、還有為什麼要選這條路有關，所以很難以可行或不可行回答。
如果目標是移民，那也不一定要數據分析；如果是臨時起意，就需要多思量一下。
请问你有相关的数据资料证明你的论点吗
有些是訪談經驗，有些是同儕經驗，但不同地區狀況可能不同。
請問一下 那如果把這些觀念做法 放在面試前端也是可以的嗎?
基本上是可以的，面試可以打配另一篇履歷撰寫來看
請問 Ben 哥有臉書或部落格嗎？謝謝🙏❤
哈哈哈哈，Mina 發mail給我吧
請問SQL的部分是必學的嗎,才能跟python搭配使用？
很多面試都會考SQL，所以建議是轉職過程需要學會，如果因為不會SQL被刷掉，很不划算。
SQL不一定是與python搭配使用，SQL也可能獨立使用、或是與其他語言搭配，看公司、團隊的習慣。
好的工作又不是很多
行政院主計總處於日前111年的12月21日公布「110年（2021年）工業及服務業受僱員工全年總薪資中位數及分布統計結果」，其中勞工薪資平均數為67萬元、年薪中位數為50.6萬元，雖較109年增加1.00%，但高、低薪資差距仍自2015年首度擴大，且根據統計：高達68.31%的勞工未達平均年薪，寫下歷史新高的紀錄。
確實挺殘酷的，在台灣要過能養家的生活，估計薪資得到80-90%
很多時候不是努力問題，而是賽道問題，所以轉職就成了更換賽道的一個選擇
我會寫程式，技術沒問題，但是最有問題的是該如何挖掘有價值的數據就是了，目前的資料都是取自政府的公開資料集。
要從一個不了解的數據自行挖掘出價值是困難的，有時候也是莫名奇妙，舉例來說，鐵達尼號數據集可以挖出什麼商業價值？所以從需求開始找資料，會比從資料找應用要來得容易。
在還沒有取得工作前應該專注的是取得工作，而不是能夠在那行業做得多好，大概是這樣
確實是這樣，只是大部分人不知道如何分辨哪些可以幫助取得工作，知易行難這樣
對於想轉職而進台大再修一個資科碩的我，我真的覺得很邪門歪道，這樣的程度進的了怎樣的公司....
感謝回饋。能進怎樣的公司可能不是重點了，有工作經驗後的跳槽才是。也可以關注下一部影片，對你應該也有幫助。
身為會寫程式的數學系深有同感，沒有幾個有價值的side project 真的會連面試的門票都拿不到😂😂
感謝回饋~ 確實，畢竟競爭對手也包含有經驗的從業者
"99%轉職數據分析的人都失敗了 " 是從哪裡看到的? 最有興趣了解是"99%" 和"失敗" 的部分。 不會是你個人經驗的統計吧?
兩個原因，第一個是因為是標題，所以是99%；但機率低這件事情，是在諮詢過程中，訪問其他轉職者得知的，有許多人有參與政府、資策會課程，詢問一下就了解一個班級有多少人轉職成功或堅持下去。
感觉博主举的例子都是机器学习，数据分析应该都是学excel, sql，power bi 这些吧？
有蠻多考慮面向，像是，如果你的目標工作只要 excel, sql, power bi 該如何脫穎而出；還有，市場上的數據分析師，有多少比例需要 python。通常 python 的市場需求在數據分析，還是最大的，即使工作不一定用得上，面試也加分。
請問ben你自己是本科還是非本科，讀碩士對找數據工作值得嗎
"讀碩士對找數據是否值得" 是一個複雜並且會根據個人狀況有不同的答案，我簡答，年紀：大不適合；科系：需要對的科系與學校，而如果你能念資訊，其實不一定要做數據分析；對未來薪資期許：有幫助；是否選擇在職專班：能力更重於是否是在職專班。而我是數據分析相關科系。
@@BenHsu501 請問什麼才算是數據分析相關科系?
比較狹義的說，資工資管、數學統計是比較標準的。但應用領域的，工工、工管、管科、電機、計量、流病也常有數據領域的研究室。
我拍了一支碩士就讀的影片，可以再參考
th-cam.com/video/cPdVWtRFDqw/w-d-xo.html
影片聲音有點小耶，希望可以大聲一點
感謝回饋，之後會再注意
07:40 鏈結 X 連結 O
感謝回饋，確實沒注意到