訪談電腦軟體服務業校友：微軟資料科學家黃建勳

工管四 李鎮宇

前言

在美國微軟Office of the Chief Economist擔任資料科學家的工管系黃建勳學長，除了透過使用者的網路搜索及使用瀏覽器的行為建立內部的交易策略外，亦為當今微軟著重發展的Azure雲端服務，建構深度學習模型，預測微軟各資料中心的顧客使用需求與內部資源供給，以此為數十項雲端服務做動態定價。然而擔當如此重任的學長，升大學那年卻對程式語言一竅不通，甚至因為不會寫程式，而排除電機、資工、資管等熱門科系。他一路走來，如何變成一位稱職的資料科學家？

慢慢找尋自己的方向

正如多數高中生，黃建勳學長當初面對各式各樣的科系也感到選擇困難，但他認為既然一開始沒有明確的方向，就不要馬上急著做決定。管院豐富的基礎課程，讓學生們得以接觸各個領域的內容，待確認興趣所在，再往下鑽研。隨著課程的累積，學長升上大二接觸「統計」後便深感興趣，於研究統計領域出路後，才聚焦在「資料挖礦（data mining）」相關產業。

透過學校的資源，耐心建構自己的基礎能力

然而，當時學校的課程並沒有明確說明「資料挖礦」需要哪些方面的能力，那時產業對於大數據的前景也尚未明朗。學長只知道除了統計之外，還需要機率、線性代數等數學知識，以及一定程度的程式能力。於是學長以工管系的線性代數、統計、微積分為基礎，往外修習經濟系、資工系的相關課程，而在數學方面，甚至輔修了數學系。談及自身經驗，黃建勳學長說，程式能力出社會後也許還可以再學習加強，但數學知識真的就只能趁在校時學習了，尤其某些較為抽象的內容，除了圖書館的資源以外，有教授和同儕指導討論更能事半功倍。

找到方向，持續加強並與業界接軌

有了明確的目標後，黃建勳學長便秉持「哪裡有統計課程就去哪裡修」的學習策略，使各個課程相連，建構完整的統計相關知識。且在大學主修工管輔系數學後，不像多數學生直接邁入職場，他一路進修清大工工所碩士及美國哥倫比亞大學統計所博士。對他而言，出國是種憧憬，他認為臺灣當時業界、學界關聯性不高，在學校中學到的東西常常無法有效應用在實務上，而國外作業與專案雖然佔比很高，但每周分析相關的實務資料，尤其在紐約跟金融業的關聯性很高，很多作業都是以實際的金融數據做建模與分析，因此使自己的資料分析的能力進步很多。

資料科學家在企業中的角色

在這個數據量龐大的時代，要獲得有用的資訊有如大海撈針。所以在開始分析資料前，要從建立假說開始，再思考如何做驗證，中間透過逐步篩選資料、建立統計與機器學習模型或撰寫演算法等進行資料分析。「建立假說篩選資料、分析並推論出因果關係跟結論，其實我們工作性質蠻像管理顧問的，只是更多部分是從資料面切入。」

工作流程看似單一，但工作內容命題卻相當廣泛，其中涵蓋但不限於需求預測、商品定價、交易策略。例如：微軟有相當龐大的資金，財政部門需要找標的物做投資，而上述的資料分析流程便是尋找標的物的方法。文章開頭提到的資料中心的需求預測以及Azure雲端服務費率定價，也都是資料分析的實際案例。黃建勳學長認為，資料科學家工作內容與產品設備雖無直接關聯，然而執行model的結果卻能增加公司的營收、強化客戶的使用經驗、亦可幫忙節省公司的成本。

軟實力，各行各業通用的能力

作為資料科學家，除了統計知識、機器學習、程式能力等硬實力以外，也像一般管院職位一樣，需要具備一定程度的溝通、簡報、storytelling等軟實力。舉例來說，產生了一個假設，需要拿來驗證的資料卻散落在部門，這時候與對方溝通就需要換位思考，因為跟你溝通的人背景可能與你南轅北轍，包裝自己的想法，清楚說明需求，以尋求協助；又或者需要跟高層做簡報、以及需要請求上層給予更多資源已進行新計畫時，怎麼把一個故事講好、把想法賣出去給聽眾，呈現一個亮眼的pitch就很重要。回顧過往經驗，黃建勳學長說，即使大家都很樂意幫忙、高層也願意支持你，但若無法有效地溝通並清楚地傳達需求，會為雙方增加很多時間成本，軟實力在此便顯得更加重要，加強這方面的能力可以透過上台簡報或與同學合作做報告討論中培養。