2019 我的資料科學轉職歷程：產業職缺觀察

內容目錄

這篇是以自己的面試經驗（2019/05～2019/08）做市場取樣調查，未必代表整個產業概況，如果有其他面向是我忽略的，也歡迎分享出來一起討論。

系列文列表

台灣媒體曾經宣稱 2017 是台灣 AI 元年，主要是因為大量的募資與新創相繼出現，而其中以 AI 產業居多。

科技部3月31日上午舉辦「2017年臺灣10家最酷科技新創公司發布記者會」評選出 10 家最酷科技新創，其中AI占50%、IoT與生醫各占20%、AR/VR則占10%，估計總募資額達6.08億美元。- 2017年臺灣10家最酷科技新創公司發布記者會-亞洲矽谷創新創業鏈結計畫 TITAN

若是以「募資金額多寡」當做 AI 產業蓬勃發展與否的指標來看，2019 可能要叫做 AI 末年。因為在之後的這兩年當中，不但能明顯看到新創募資的新聞減少，當初主要以 AI、大數據為主的創業風潮也逐漸散去。

的確，AI 作為產品營利的困難逐漸呈現出來，因此投資人相對保守，新創的投資力道也減弱了，但新創募資狀況並非是產業的全部，只是其中一個面向。

我觀察到 AI 的需求並沒有消失，只是轉為更務實的技術層面進入各行各業，最明顯的就是金融、電信、電商等原本就已經擁有資料的團隊。

整體來說，我並不認同 2017 是 AI 元年，自然也就不會有 AI 末年。從技術炒作週期（Hype Cycle）的角度來看，AI 可能已經經歷了第三階段的泡沫化（低谷）期，正在邁向第四階段的爬升（光明）期。

以純技術的角度來說，AI 正漸入佳境，但以台灣產業，或是受僱者（工程師）的角度來看，則未必如此。

我一直相信一件事情，那就是有資料才有 AI，也在媒體大聲疾呼的「AI 元年」就花很大篇幅寫了一篇先有軟體與數據文化；當然，這件事情不一定永遠為真，或許哪一天人工智慧可以發展到不需要資料就做出決策，但顯然近年內還不太可能發生。

這也是為何當初我的 Medium publication 取名叫做《All about data》，而不是《All about AI》或《All about ML》的原因之一。

當我碰到一些公司的職缺是純粹做機器學習演算法（自然語言處理、電腦視覺等等）的時候，會特別謹慎，因為 AI 產品能獲利的比例並不高，即使公司短期經濟無虞，但對長期職涯發展來說，可能只有前往中國才能繼續發展，長期也不是我的目標。

（至於為什麼只有中國能發展，則是因為政府出於集權控制與監控的需要，可以參考我之前在交大科法所給的科普介紹 AI / 大數據 / 法律，這裡不多做說明。）

所以，既然有資料才有 AI，那能做 AI 的不就是那些握有資料的企業嗎？從製造業、醫療業、銷售業、金融業，這些全部都是資料與數據，長期來說 AI 會慢慢地融入到這些各行各業當中作為應用，只有少數的公司能將 AI 作為獨立的技術販賣。

因此廣義來說，台灣跟 AI 有關的職缺變多了，但新創職缺也的確減少了，這些軟體人才中，並非每個人都能適應較為傳統的行業（薪資、文化等因素都會落差很大），所以接下來要往哪裡去，就會是一個大問題。

微軟有一些 CV, NLP 的職缺、Line 有 data engineer 的職缺，FLAG 多數工程研發團隊都還沒進入台灣，唯一聲勢較明顯的 Google，除了相機演算法之外，其他多數職缺目前也停留在硬體相關為主。

這類公司多半位於新加坡（有一定比例是中資），像是 Carousell、蝦皮（中資）、Shopback 等等。

來台灣找的職缺多以純工程（Backend, Frontend）為主，資料科學就相對少見，data engineering 也寥寥無幾，猜想是以新加坡為研發中心的新創，在資料科學領域又需要密切合作，跨國的溝通成本過大。

IBM、高通、Dell、Google（台灣）被我歸在這一類，多半是經由獵頭提供。他們新開的職缺都有 AI 字眼，但因為職缺內容看起來都是以硬體為主，所以我多半都沒有去面試，了解也有限，或許裡面真的有軟體職缺也說不定。

就我所知像是 ASUS、PChome 都有做一些對應的組織調整，是以前所看不到的，主事者也有心想轉型，雖然未必能抵擋人才外流的困境，要面對外商的競爭也很有挑戰，但有投入資源就應該給予肯定。

這些公司的轉型不一定會成功，但投資一些成本也不至於讓公司一敗塗地。

除了科技公司之外，金融與電信公司是下一步（也已經在）導入 AI 的行業（像是國泰或玉山），但這一類型的公司我沒有實際去面試，就打聽來的情況每間也非常不同，雖然文化未必能銜接，但金融與電信最大的優勢就是資金跟資料，這兩項可說是做資料科學最重要的非人資產。

改革最需要時間的往往不是技術轉型，而是文化轉型。如果你是一個像我一樣在新創待習慣的工程師，那有沒有準備好進入體制溝通、妥協，會很大程度決定了你適不適合進去這些公司。

因為 AI 門檻逐漸降低，一些小新創公司已經有能力導入，並轉包出去，雖然不像幾年前那樣大破大立要成為獨角獸，但憑著在台灣產業的人脈與利基，養活一批人並賺錢仍然是很有可能的。

這些職缺通常不會出現在公開頁面（就算有，也可能被多數人忽略），但偶爾透過獵頭會得到不錯的機會。

目前看到國外最適合的國家是新加坡，稅很低、薪資夠高、地理位置、語言文化等等對台灣人來說也相對友善，在加上職缺方面，比起台灣多數被放在工程、硬體的角色，擁有更完整的資料科學生態系（很多新加坡公司的資料科學職缺都沒有放在台灣）。

再來是日本，日本的新創比台灣多，IPO 狀況也比台灣好，有些企業像是 AWS, Google 的軟體職缺也比台灣多（像目前東京就有 Google AI 的Research Scientist 職缺，但台灣沒有），另外生活品質可能會贏不少，這也是不錯的考量。

但日本的問題則是企業文化普遍不優，台灣人要找一些外商氛圍的公司，會需要一點功夫，還有就是存的錢比較少，畢竟稅制很重，消費水平高，轉過去存的錢比台灣少也是有可能的。

以前是有些朋友出國在歐美工作，現在則是亞洲也有不少的吸引力，陸續有幾位朋友出國找到更好的職涯。原因不外乎台灣的軟體薪資天花板太容易達到，以及台北比東京還要高的房價所得比，光這兩個硬傷就足以把人逼出去。

不必我再多說，台灣軟體轉型太晚、也太慢了，因此第一批有競爭力的人才已經大量外流，最近政治局勢的不穩定也會成為一個因素。

接下來幾年沒意外的話，出走的情況會更嚴重；即使人才不出國，外商也已經大量「殖民」了，要如何跟這些外商競爭人才，是台灣產業整體的問題。