Розмір відео: 1280 X 720853 X 480640 X 360
Показувати елементи керування програвачем
Автоматичне відтворення
Автоповтор
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~
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 project4.準備面試
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
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
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!
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
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。
太強啦，超級目標導向，又很有策略思維
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
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。
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。
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。
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
謝謝！
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
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!
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。
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。
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。
一針見血的討論 真的好棒喔!!! 感受到您真的很用心 可以多分享影片嗎?? 講得真的非常好😄
感謝你的回饋，之後有時間還會分享，如果有問題的話，可以直接問卷詢問，會更有效率 🤣
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！
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~
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！
適用其他行業的轉職技巧，感謝
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🎉
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。
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
天哪分享的論點都深入淺出，非常易懂謝謝你的分享🫶🏻
很精闢 很清楚 超級無敵推推
轉職角度來說 有夠中肯！
感謝BEN的影片讓我重燃轉職的希望
非本科轉職路上來留言，謝謝 Ben 給予很大程度的方向感！
谢谢分享，建筑师准备按推荐的方法进行实践转行，感谢。
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
太感謝了 一直處在盲點
很棒！ 多放一些影片吧！
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
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
卧槽好厉害 点赞收藏加关注了谢谢
轉職軟體工程師 看到這部影片很有幫助
講得很好欸受益良多
謝謝回饋
很有料的內容~啟發很大 謝謝!!
大大您真是太優秀了
哇 好棒 真的干货满满 感谢分享 🎉❤
講得很好!!給推給推
讚啦！ 期待更多影片
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!😊
非常感謝你的分享！
非常好的内容，感谢
很棒的觀點 做法很有效率誒
謝謝寶貴的經驗分享
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。
非常有用，謝謝！
策略正確 ✅ 邏輯清晰 🙆
說得很好 !
分析的很有道理。
Super helpful!Thanks a lot for sharing~~
pandasmatplotlib, seabornpytorch/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
非常有用！！
thx for sharing and fabulous suggestion
感謝分享🎉
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。
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。
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
我第一步對了，正在學習python😊
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
簡潔又直接的影片，感謝Ben的分享！
功德無量🙏
蠻實際的
感谢分享🙏
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。
謝謝 給了我方向執行
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
6:00 空降學習方法
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。
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。
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
"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。
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。
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
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。
你提到數據分析side project：花朵辨識這個層面，做數據分析要做到這麼複雜嗎？我以為做數據就是學python， excel，sql，tablue拿這些軟件做分析。我想我理解成data analyst 而你說的這個是data scientist。不知對不對
分析的目標就是可以讓公司在商業上得到利潤，可以做出一個專案描繪你在未來能幫公司從不同角度發想，也能呈現出你的基礎能力。只是基礎技術雖然重要，但很不容易在履歷脫穎而出。至於DA跟DS的差異，兩者在職務名稱上差距越來越小，但即使有差異，也是某個直接的決策，如分析產品應該用A行銷手法，或是B，這種直面決策的分析；或是輔助的自動化，像是判斷一個人是否容易在信用卡違約。
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
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。
數學根基好其實轉職機會會大一點 例如你可以講出SVM 算法是什樣做 RANDOM FOREST 中什麼是BAGGING 等等即使你作品不太行機會還是比別人大一點 因為你數學和概念方邊不會真是沒有救 你如果只是解釋PROJECT方邊不行問題不大反正一個PROJECT 是一隊人做 另外學好數學你可以從其他供論文得益加快算法/準確度 加上新方法是每天都會出來即使你面試真的過了到時根不上時代節奏一樣是淘汰你以為讀1至2年數學不行就可以轉職?太天真了吧
你說明的也是對的，面試有準備理論知識是好的。但是數學好與會數據應用不一定是同一件事情，很多時候，公司是要可以即時解決問題的人，倒是剛畢業的學生，理論都挺扎實，但就缺了些實作，公司招進去就是長期培養的。
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
感謝 我愛你
感謝回饋 😂😂😂
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
內容幾乎就是台灣各行各業的縮影...推廣這種觀念真的很不好如果照影片的建議，想辦法整好自己的履歷，然後混進去目標的領域/公司對~你是混進來了~然後呢?沒有扎實的實力基礎~進公司之後無法形成戰力，還要惡補基本工這就是每家公司、每個人在職場都會遇到的三流同事看看現在的工作環境~尤其科技業，一堆沒有自身專業技術的、也不懂管理邏輯的甚至不懂自己公司內部QMS流程的人~充斥在職場環境所以拜託~不管你是念文科的商管、工管、PM、業務、生管...，或是做專業的工程、RD...先學好自己的專業技能在來闖蕩江湖好嗎每個人都有剛出社會、或是專業度還不足的時候你就認真的蹲下來好好紮馬步吧雖然一開始比較辛苦，但是放到10年、15年之後來看...才是讓你能夠在職場上做的有口碑、做的細水長流途徑
我倒是不怕三流同事，畢竟本科系也有混飯吃的，我是怕3年後他還是三流同事 😂😂😂
關鍵在於想做與不想做👍
要不要錄取員工是老闆決定的，要不要進步是員工自己決定的
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
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
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。
請問數據分析適合當作外包接案在家工作的項目嗎？是否也適合此規劃流程？本人為科技業作業員小白😂
基本上是可以的，不過需要先考慮哪些項目會被外包，通常有濃厚產業知識的工作，會傾向由內部人員處理，而外包人員處理更技術的工作。所以相較於偏向產業的數據分析，軟體開發會有更多外包的機會。或者是說，數據分析的外包，通常更五花八門，需要了解的知識雨技能更廣闊。
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。
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
最大原因還是學經歷不對啊，本科系廢物就一堆了真的很難相信非本科的，我到培訓班上完課後還是完全沒面試機會，培訓班說的面試也騙人的，後來跟著網路教學努力了一年還是都沒面試，真的待在家被嗆爆。相反的我在教會的女生，非本科算在辦公室打雜的，只是覺得科技業爽就想跳，這樣就有面試機會了，面試還誠實的說我什麼也不會，主管就講沒關係進來再學就好。另外認識了一個台大研究所女生，這個不會那個也不會，還是當數據工程師了，還說在公司內他算佼佼者。不過聽到他提到的薪資我內心就比較平衡了
感謝回饋。學歷我下一部影片會提到，可以再回來交流。沒有面試的原因挺多的，有景氣因素、學歷因素、履歷寫的好不好等等。而我遇到在培訓班的諮詢者，大致會有幾個問題，1. 課程跟不上放棄；2. 上了還是不知道怎樣做side project；3. 不會寫履歷。課程部分其實跟不上也沒關係，不全上也沒關係，因為培訓班很多內容也用不到，主要還是要將side project弄出來。履歷部分要看了才知道，我8月會講，可以再回來交流。
看個人發展，你如果很在意性別上的優勢，自己也實打實了練了一年都沒啥起色，那我覺得你可以往別的地方轉職我是女的但是我覺得男生在台灣很吃香，有太多藍領或者其他階級的行業可選擇，肯做肯學不怕累直接工地綁鐵木工，裝修冷氣，或去汽機車廠認真做，學到後打好人脈自己出來開店月入幾十萬是基本或者是上個兩年海大考個甲級船員，直接上船拼個幾十年回來開店買房投資也是很好的選項，成功的話直接退休。我也有看過案例是開店後給兒子經營失敗，爸爸50好幾了又去船上把虧的錢全拼回來再不濟直接進國軍拿終生退休俸，中間做好理財規劃買房，40-50歲退休從此高枕無憂不用擔心老了之後的醫療或在台的棲身之所直接躺平到往生最低限度也可以開uber啊，那麼多人都在跑，我看過有人用外送跑車之後自己開店或者把百萬債款還掉的，這個也沒有很嚴格的年齡性別限制吧我只能說要賺錢的方式很多，只會成日怪東怪西仇恨言論不好好努力打拼做什麼都不會成功
请问33岁才学数据分析，会不会太迟？
看你的目的是什麼，如果目的是興趣、自我實現，或是想接觸一個新的領域，幾歲學習都沒有關係。如果是想要提升薪水，則要先考慮你現在的薪水有多少，因為踏入新的領域，薪資一開始可能不如預期，需要時間成長，縱使前瞻性更好，但如果要花5年才能到你現在的薪水，不一定值得。
@@BenHsu501 目的是学一门技术，当作后备，万一现在的工作丢了，至少还有一些技术去找工作。
@@KWs5329 如果你原本是PM，那下一份最可能找到的工作也是PM。軟體技術性工作的問題在不斷疊新，現在學的1-2年後就不靠譜了，所以是如果是找一個後備工作，可能5年、10年後才會用到的話，這時培養軟技能反而更通用。
@@BenHsu501 学爽，有没有相关工作都不重要。我去报读政府提供的data analysis课程一年，之后会有相关文凭,有读好过没有读，没人会知道未来是怎样。
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~
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
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
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
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!
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
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
太強啦，超級目標導向，又很有策略思維
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~
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。
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。
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
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~
謝謝！
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
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
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。
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。
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。
一針見血的討論 真的好棒喔!!! 感受到您真的很用心 可以多分享影片嗎?? 講得真的非常好😄
感謝你的回饋，之後有時間還會分享，如果有問題的話，可以直接問卷詢問，會更有效率 🤣
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～
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
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
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
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。
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
天哪分享的論點都深入淺出，非常易懂
謝謝你的分享🫶🏻
感謝回饋
很精闢 很清楚 超級無敵推推
感謝回饋
轉職角度來說 有夠中肯！
感謝回饋
感謝BEN的影片讓我重燃轉職的希望
感謝回饋
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~
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～
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
太感謝了 一直處在盲點
感謝回饋
很棒！ 多放一些影片吧！
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
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
卧槽好厉害 点赞收藏加关注了谢谢
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
講得很好欸受益良多
謝謝回饋
很有料的內容~啟發很大 謝謝!!
感謝回饋
大大您真是太優秀了
感謝回饋
哇 好棒 真的干货满满 感谢分享 🎉❤
感謝回饋
講得很好!!給推給推
感謝回饋
讚啦！ 期待更多影片
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
非常感謝你的分享！
感謝回饋
非常好的内容，感谢
感謝回饋~
很棒的觀點 做法很有效率誒
感謝回饋
謝謝寶貴的經驗分享
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。
非常有用，謝謝！
感謝回饋
策略正確 ✅ 邏輯清晰 🙆
感謝回饋
說得很好 !
感謝回饋
分析的很有道理。
感謝回饋
Super helpful!
Thanks a lot for sharing~~
感謝回饋
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
非常有用！！
感謝回饋
thx for sharing and fabulous suggestion
感謝回饋
感謝分享🎉
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。
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。
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
我第一步對了，正在學習python😊
感謝回饋
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
簡潔又直接的影片，感謝Ben的分享！
感謝回饋
功德無量🙏
感謝回饋
蠻實際的
感謝回饋
感谢分享🙏
感謝回饋
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。
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
6:00 空降學習方法
感謝回饋
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。
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。
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
感謝
感謝回饋
"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。
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。
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
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。
你提到數據分析side project：花朵辨識這個層面，做數據分析要做到這麼複雜嗎？我以為做數據就是學python， excel，sql，tablue拿這些軟件做分析。我想我理解成data analyst 而你說的這個是data scientist。不知對不對
分析的目標就是可以讓公司在商業上得到利潤，可以做出一個專案描繪你在未來能幫公司從不同角度發想，也能呈現出你的基礎能力。只是基礎技術雖然重要，但很不容易在履歷脫穎而出。至於DA跟DS的差異，兩者在職務名稱上差距越來越小，但即使有差異，也是某個直接的決策，如分析產品應該用A行銷手法，或是B，這種直面決策的分析；或是輔助的自動化，像是判斷一個人是否容易在信用卡違約。
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
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。
數學根基好其實轉職機會會大一點 例如你可以講出SVM 算法是什樣做 RANDOM FOREST 中什麼是BAGGING 等等
即使你作品不太行機會還是比別人大一點 因為你數學和概念方邊不會真是沒有救 你如果只是解釋PROJECT方邊不行問題不大反正
一個PROJECT 是一隊人做 另外學好數學你可以從其他供論文得益加快算法/準確度 加上新方法是每天都會出來
即使你面試真的過了到時根不上時代節奏一樣是淘汰
你以為讀1至2年數學不行就可以轉職?太天真了吧
你說明的也是對的，面試有準備理論知識是好的。但是數學好與會數據應用不一定是同一件事情，很多時候，公司是要可以即時解決問題的人，倒是剛畢業的學生，理論都挺扎實，但就缺了些實作，公司招進去就是長期培養的。
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
感謝 我愛你
感謝回饋 😂😂😂
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
內容幾乎就是台灣各行各業的縮影...推廣這種觀念真的很不好
如果照影片的建議，想辦法整好自己的履歷，然後混進去目標的領域/公司
對~你是混進來了~然後呢?
沒有扎實的實力基礎~進公司之後無法形成戰力，還要惡補基本工
這就是每家公司、每個人在職場都會遇到的三流同事
看看現在的工作環境~尤其科技業，一堆沒有自身專業技術的、也不懂管理邏輯的
甚至不懂自己公司內部QMS流程的人~充斥在職場環境
所以拜託~不管你是念文科的商管、工管、PM、業務、生管...，或是做專業的工程、RD...
先學好自己的專業技能在來闖蕩江湖好嗎
每個人都有剛出社會、或是專業度還不足的時候
你就認真的蹲下來好好紮馬步吧
雖然一開始比較辛苦，但是放到10年、15年之後來看...才是讓你能夠在職場上做的有口碑、做的細水長流途徑
我倒是不怕三流同事，畢竟本科系也有混飯吃的，我是怕3年後他還是三流同事 😂😂😂
關鍵在於想做與不想做👍
要不要錄取員工是老闆決定的，要不要進步是員工自己決定的
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
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
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。
請問數據分析適合當作外包接案在家工作的項目嗎？是否也適合此規劃流程？本人為科技業作業員小白😂
基本上是可以的，不過需要先考慮哪些項目會被外包，通常有濃厚產業知識的工作，會傾向由內部人員處理，而外包人員處理更技術的工作。
所以相較於偏向產業的數據分析，軟體開發會有更多外包的機會。或者是說，數據分析的外包，通常更五花八門，需要了解的知識雨技能更廣闊。
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。
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
最大原因還是學經歷不對啊，本科系廢物就一堆了真的很難相信非本科的，我到培訓班上完課後還是完全沒面試機會，培訓班說的面試也騙人的，後來跟著網路教學努力了一年還是都沒面試，真的待在家被嗆爆。相反的我在教會的女生，非本科算在辦公室打雜的，只是覺得科技業爽就想跳，這樣就有面試機會了，面試還誠實的說我什麼也不會，主管就講沒關係進來再學就好。另外認識了一個台大研究所女生，這個不會那個也不會，還是當數據工程師了，還說在公司內他算佼佼者。不過聽到他提到的薪資我內心就比較平衡了
感謝回饋。學歷我下一部影片會提到，可以再回來交流。
沒有面試的原因挺多的，有景氣因素、學歷因素、履歷寫的好不好等等。
而我遇到在培訓班的諮詢者，大致會有幾個問題，1. 課程跟不上放棄；2. 上了還是不知道怎樣做side project；3. 不會寫履歷。課程部分其實跟不上也沒關係，不全上也沒關係，因為培訓班很多內容也用不到，主要還是要將side project弄出來。履歷部分要看了才知道，我8月會講，可以再回來交流。
看個人發展，你如果很在意性別上的優勢，自己也實打實了練了一年都沒啥起色，那我覺得你可以往別的地方轉職
我是女的但是我覺得男生在台灣很吃香，有太多藍領或者其他階級的行業可選擇，肯做肯學不怕累
直接工地綁鐵木工，裝修冷氣，或去汽機車廠認真做，學到後打好人脈自己出來開店月入幾十萬是基本
或者是上個兩年海大考個甲級船員，直接上船拼個幾十年回來開店買房投資也是很好的選項，成功的話直接退休。我也有看過案例是開店後給兒子經營失敗，爸爸50好幾了又去船上把虧的錢全拼回來
再不濟直接進國軍拿終生退休俸，中間做好理財規劃買房，40-50歲退休從此高枕無憂不用擔心老了之後的醫療或在台的棲身之所直接躺平到往生
最低限度也可以開uber啊，那麼多人都在跑，我看過有人用外送跑車之後自己開店或者把百萬債款還掉的，這個也沒有很嚴格的年齡性別限制吧
我只能說要賺錢的方式很多，只會成日怪東怪西仇恨言論不好好努力打拼做什麼都不會成功
请问33岁才学数据分析，会不会太迟？
看你的目的是什麼，如果目的是興趣、自我實現，或是想接觸一個新的領域，幾歲學習都沒有關係。如果是想要提升薪水，則要先考慮你現在的薪水有多少，因為踏入新的領域，薪資一開始可能不如預期，需要時間成長，縱使前瞻性更好，但如果要花5年才能到你現在的薪水，不一定值得。
@@BenHsu501 目的是学一门技术，当作后备，万一现在的工作丢了，至少还有一些技术去找工作。
@@KWs5329 如果你原本是PM，那下一份最可能找到的工作也是PM。軟體技術性工作的問題在不斷疊新，現在學的1-2年後就不靠譜了，所以是如果是找一個後備工作，可能5年、10年後才會用到的話，這時培養軟技能反而更通用。
@@BenHsu501 学爽，有没有相关工作都不重要。我去报读政府提供的data analysis课程一年，之后会有相关文凭,有读好过没有读，没人会知道未来是怎样。