2019 Girls in Tech-曼陀號計畫-Data組

在第二屆招生後我就開始關注這個活動，並在第三屆順利申請上，我們這屆大約有接近400人投履歷申請，申請成功的機率大約是20%。

填寫申請表並附上履歷，我認為在回答主辦單位的問題要認真回答，像是申請動機和工作上遇到的困難，我認為這是評估申請者意願滿好的方式。

請到業界工作10年以上的導師，以去年和今年的陣容，老師待過的公司都很有名，例如：Google, Yahoo, Amazon, Appier, 趨勢科技等。

我認為曼陀號跟其他導師計畫最不同的地方是除了導師(船長)與學員(水手)外，還多了工作經驗約4–6年的學姊(海航士)，課程助教(TA)，所以學員不只可以從導師身上學習到知識，還可以透過學姊的工作經驗分享，讓自己對於職場的未來規劃更加明確，覺得曼陀號計畫可以讓你對了解職涯短中長期的各種可能性與規劃。

而課程助教的工作除了幫老師印講義、發通知信，我私下有跟助教們聊天，發現他們大多是前一屆的學員(或其好友)，雖然來自其他職能，但可能在工作的某部分會跟Data接觸，因此他們透過當助教的方式來旁聽。我也有跟其中幾位助教交流，覺得跟不一樣的產業或職能接觸真的可以拓展視野，並思考自己沒有想過的事。記得其中一位助教來自Asus，是車用面板的UI/UX設計師，她會想來當助教的原因是希望可以更知道如何分析使用者反饋回來的數據(使用時點了那些按鈕、那些功能最常用…等)，當下我也向她請教車用面板與手機在UI/UX設計上的差異，覺得收穫很多。

活動主要有開業式(第二次篩選)*1、月會*4、跨組交流會*1、結業式*1，共7次的交流

每月的第一個禮拜六下午2–5點，我覺得有點像大學修課，但又多了更多互動性以及氣氛必較輕鬆。以下是單元列表

課程內容大概為數據視覺化。每周船長為準備教材給大家回去閱讀，閱讀完教材後回答一些小問題。

第二次討論的主題為商業實驗，先假想一個想要進行實驗的主題，再依照教案中的商業實驗流程設計整個實驗流程。

第三次討論會的主題為數據分析工作上遇到的問題。

我們這組一共有4位航海士，主要有的職場經驗分別如下

A學姊：尼爾森數據分析師

B學姊：目前自行創業(接案)，過去曾服務於奧美公關

C學姊：瓦城營運管理

D學姊：國泰世華銀行數位行銷，過去曾服務於微熱山丘、博客來

每組自行找一個數據分析的主題，做一個完整的數據分析專案，從數據取得、清理、計算、視覺化到發表，每組成果發表30分鐘。

暗黑料理：該拍什麼類型的國片?(分析包含政府公開資訊、電影預算、各電影粉絲專頁數據)

泰式料理：泰式餐車要開在哪?(分析結合人流、交通、餐廳數據)

酒精中毒：製造業預測分析?(內容較偏數據科學)

彩虹餐車：全球電影業投資趨勢(部分內容偏財務分析)

我覺得最大的收穫倒不是用多強的技術清資料、做預測，而是如何思考問題與用數據解決問題，最後講一個大家都能快速聽懂的故事，泰式料理的報告得第一名當之無愧。

我自己覺得最受用的部分是小組討論與航海士職場經驗分享，以下整理最有啟發的幾點

這個問題討論的引爆點應該是任職於國泰世華銀行數位行銷的學姊提到國泰的做法是一個行銷搭配一個分析師，再以產品線劃分。這部分讓很多的同學聽了十分的羨慕，很多公司的作法是將數據分析劃歸在RD單位或IT單位，或是直接獨立一個單位，但實際執行後常發生溝通上的困難，後端不了解前端的需求，前端不了解為什麼數據單位生東西生這麼慢。

承如小組討論第三周所討論的內容，我把當周討論到的幾個狀況列在這邊。

提出這個問題的同學本身任職於金融業，金融業因有相當龐大的交易資訊(像是大家各種的刷卡資料)，可分析的素材可以說是比很多行業多非常多。但過多的資料也造成分類上的困難，像是資料到底要分多細 ，這可能會影響計算結果。

以共享機車或單車的車輛閒置率來說，多久算是閒置呢? 一天還是兩天算車輛閒置呢? 對名詞定義的不同跑出來的數據結果可能大不相同，進而影響公司評估行銷活動的成效。

活動流程如下

會後跟其他水手討論活動心得，大家一致認為Gipi的演講是本次活動最大的亮點，我覺得Gipi的演講時間雖然很長，但主軸很明確，聽的人可以很清楚的抓到演講的核心概念，並且搭配他分享的實際案例，更容易吸收消化。

至於大家原本於本次活動中希望獲得的跨組交流，很可惜在這次的活動中並沒有達成目標。我認為主辦團隊在設計活動時如果可以提供與會者的自我介紹，在事前可以先進行簡單的媒合，我想可以讓同學更容易找到交流的對象。我自己在參加活動前就明確知道要跟誰交流，透過加入曼陀號群組時的自我介紹，我找到任職於HP的採購經理，並與她交流硬體供應鏈相關知識，覺得收穫良多。

另外一個意外的收穫是開場前與其他同學閒聊，剛好有一位是去年Data組的同學(去年Data組比較偏資料科學，今年偏資料應用)，曾在國泰金控做人資部門的機器學習實習專案，主要是透過機器學習快速篩選履歷(或排序履歷)，減少人工篩選履歷的時間。履歷資料大概分為2類，結構化(有欄位)與非結構化，出生年月日、學歷屬結構化資料，自傳和過去工作的敘述屬非結構化資料。他主要負責的是結構化履歷的部分，而我和其他同學提問多圍繞在結果的部分，像是最後哪樣的履歷會被選中，學歷重要嗎?怎樣篩選出有創意的人? 這位同學回答這個專案只先以IT類職缺作為實驗，因此機器學習的素材只有IT類職缺履歷，他們將有錄取的履歷以及沒有率取的履歷分別標記，進行機器學習，什麼樣特質的履歷會被選中就要看過去哪類的履歷有被錄取，因此也反映用人主管對人才的主觀想法。

因水手(mentee)的工作經驗僅1–3年，滿多人都處於一種對於目前職場狀況不明的焦慮與不安，像是對熱情的不明、對自己長項的不明、與主管溝通的情況、公司政策文化的不明等。而這樣的交流究竟是好是壞真的很難說，好的部分是至少找到有同樣狀況的人可以一起找解方、互吐苦水，但有時候可能會有集體負面情緒的共振，導致想換工作。(記得在活動結束的那天聽到滿多人已經準備離職換工作)

我認為在這樣的情況下旁人無法給你正確解答，因為當事人的說詞帶有很多主觀的成分下，那些缺少的資訊(也就是你現在並無法感知到的)，旁人只能推測。自己也曾經經歷過那樣的狀況，很多的時候跟外界的交流反而造成內心更大的震盪，發現最有效的方法是培養自己的判斷與思考力，去思考這些事情發生背後的原因，自己為自己尋找出路。

參加曼陀號讓我享受一下好久不見的青春的氣息，有很多同齡的人可以互相交流，聽聽不同產業(尤其本組多為行銷廣告業)的想法，接觸新事物，我認為是這個活動可貴的地方。回歸到自己，接觸公司以外的世界，反思自己目前選擇的產業與職涯規劃大致上還是滿意的，但還有很多東西需要繼續學習，希望明年可以換組多學些東西增廣見聞。