日志
请教：工程背景转行到市场分析或者大数据，需要补哪些？
热度 33 ||
下个星期就要换到新的工作了，彻底转行。觉得既期待，又有点不安。
过了30岁才来转行，虽然之前咨询过本行业师兄师姐和未来行业的人，新工作钱多而且更有职业发展前途、以后因为家庭原因换工作也方便，但还是有点忐忑。不知道自己的决定，20年后看是否正确。
恳请做市场分析或者大数据或者统计的朋友指点一二。如果短期之内因为家庭原因不回国，就在美国就业，根据我的背景，哪些技能或者软实力需要加强？可能因为家庭原因，最终会落户 SFO, Austin，Phoenix, Boston， san Diego 这几个城市。
详细背景如下：
以前我一直学的工程，但是方向比较杂，项目和论文一直偏优化、数理模型、数据挖掘什么的，用来解决复杂的工程问题。
但是和纯粹的计算机或者统计的科班出身的人比编程和数据分析，我就是二把刀啊。
毕业后在美国的第一份工作做的和念书期间做的项目很类似，在一个工程咨询公司，做编程和数字模拟的项目。
但是感觉公司业务不景气。而且地点太偏、离家太远，决定转行。补了2个月统计和数据库的课程，找到下一个公司，还是编程+数据库+统计模型，但是在市场部，和工程已经不沾边了。
我从小到大，数学还行，物理很差。国内本科和硕士，美国工程博士。就这么稀里糊涂念下来了。
我觉得自己编程挺水的，和软件人家的老兵帅客他们比，简直提鞋都不配。虽然写了10年程序，但都是解决自己项目问题、能用就行，缺乏规范性。
统计就囫囵吞枣补了2个月，把sas大致练了练。远谈不上精通。
市场分析，我是一点不懂，就靠 @ 老马丁 的营销课，和 @ 煮酒正熟 的帖子，现炒现卖，面试时候硬着头皮吹～～多谢老师们！也多谢爱坛～～
自己未来想做大数据，big data 或者data scientist. 因为觉得发展前景不错，也还比较适合我。
因为单论编程或者统计，我都没法和科班出身比。换工作时候也试过，如果工作要求是纯粹要求计算机或者统计背景，面试时候考当场写程序，我马上就歇菜了。我觉得任何一个美国计算机的本科生都比我写的简洁、逻辑清楚。和他们抢developer的饭碗，我死定了。
上班之余正在补mapreduce. 但是就像专家说的，不搭个集群上机操作，光靠看书，学不会。希望新工作能给我这方面更多上机实习的机会。
但如果要求什么都懂一点，编程和统计都要沾边，我还算有优势，能忽悠住。几个offer都是面试第二天就发给我了。
所以我初步考虑，自己得扬长避短，想着big data 或者 data scientist，下班再补点机器学习的内容（以前论文用过几个，但是停留在应用阶段，比较浅）。估计比较适合我？
恳请懂行的朋友指点一二～～
@ 煮酒正熟
@ 不爱吱声
@ 老马丁
@李根
@ 老兵帅客
@ 意广才疏
@ 江城如画里
@ 绿葱头
全部作者的其他最新日志
发表评论 评论 (31 个评论)
- 回复 李根
- 不敢说懂行，只想说编程真不难，绝大多数时间都是在干泥瓦匠的活，把现成的功能组装一下而已，砖头基本上都不是自己烧的，而是别人给你做好的。只要把工具和环境熟悉了，做一个项目立马就能上手。
大数据和data scientist应该有搞头，毕竟现在是一切数据化的年代，但是俺这方面很小白。坐等懂行的人来讲讲。
- 回复 不爱吱声
- 我不是干这行的，具体指导说不出来啥。但是从个人喜好及以后发展来说，我觉得你转行是对的。data scientist的工作适用性更广泛一些，而且可以预见以后会越来越有用。而且，以你的工程博士背景，又是搞优化，数值计算的，不算完全的转行，你博士学的东西应该会有用武之地的。对于data scientist来说，我不认为编程是最重要的，应该是建模最重要，data scientist的工作就是在貌似杂乱无章的海量数据中找到那些有意义的趋势来，这就相当于你搞工程优化时候，建目标函数，设定边界条件等等类似的东西。编程只不过是一个工具而已。
所以，妹妹你大胆地往前走，我看好你哦。
- 回复 李根
- "data scientist的工作适用性更广泛一些，而且可以预见以后会越来越有用。"
不爱吱声: 我不是干这行的，具体指导说不出来啥。但是从个人喜好及以后发展来说，我觉得你转行是对的。data scientist的工作适用性更广泛一些，而且可以预见以后会越来越有 ...
这个非常赞同。
- 回复 pkhelen
- 多谢鼓励！第一份工作也是咨询和麻烦你和你的朋友们。多谢！
不爱吱声: 我不是干这行的，具体指导说不出来啥。但是从个人喜好及以后发展来说，我觉得你转行是对的。data scientist的工作适用性更广泛一些，而且可以预见以后会越来越有 ...
的确不算完全转行，因为数学的东西，在新工作和旧工作是一样的，只是解决问题不同，侧重点不同。
数学建模我觉得自己还有点小优势，毕竟上学和上班一直都是做优化，数值计算。
当初考虑我转行到data，也是因为对家庭来说，工作机会多一些，大一点的城市都有。
我LG做半导体器件，估计他的工作地点比较固定，我不想让他迁就我再改行，所以我自己选了个万金油的行业一头跳进去。
希望20年后我回头看不后悔～～
就是不知道新的行业，我需要补哪些？新行业没经验，所以有点忐忑不安。。。
- 回复 pkhelen
- 多谢！
李根: 不敢说懂行，只想说编程真不难，绝大多数时间都是在干泥瓦匠的活，把现成的功能组装一下而已，砖头基本上都不是自己烧的，而是别人给你做好的。只要把工具和环境 ...
我上一个工作70%是编程，我水平一般般，就到网上搜到类似的例子，改一改后交给客户，然后客户提出修改意见再改。这样比我完全从头开始写快一些。
虽然应付过去了，我总觉得心里不踏实啊，因为自己知道写的很水，停留在皮毛上。
我记得你是urban->cs? 你是补的哪些呢？需要系统补cs课如数据结构？
- 回复 晨枫
- 我是搞化工自动化的，在某种意义上来说，和你的处境有点类似。个人干了30年的体验是：工具都是假的，只有domain expertise才是真的；工具是一直在变的，只有domain expertise才是不变的。编程是一门手艺，但这手艺是为了实现目的，目的就是项目或者工作所需。在我读书的时候，C++和VB很流行，也看过几眼，觉得这是以后混饭的必备。实际工作后，发现这东西储备了没用。关键是对模块化、结构化编程的道理理解，对object oriented理解，工具的问题不难解决。另一方面，就我这一行来说，对工艺、自控的本质（而不仅仅是技巧级的伎俩）深刻理解，这是最关键的domain expertise。optimization、modeling、data mining是现在很需要而且可以很广泛应用的generalist技能，转到大数据不能算转行。现在工业界、商业界最不缺的就是数据，最缺的就是从数据里make sense out of it。MM选对了行当。不要对工具过于担心。立足domain expertise，熟练掌握工具但不做工具的奴隶，前途光明得很。另一方面，如果过于拘泥于工具，成为工具的专家，但忽略了domain expertise，一旦工具有了阶跃性的发展（这简直是一定的），就会面临该行或者知识结构更新的问题。说得极端一点，在行当里干了几年，成为domain的专家，即使工具换代了，用起来不顺畅了，抓一个junior的助手当下手都是可以的。
- 回复 pkhelen
- 惊动了晨枫老大，多谢！非常需要需要你们工作30年以上人的经验，因为你有长期行业经验，对趋势肯定看得比我准。
晨枫: 我是搞化工自动化的，在某种意义上来说，和你的处境有点类似。个人干了30年的体验是：工具都是假的，只有domain expertise才是真的；工具是一直在变的，只有doma ...
你的意思是，这些软件或者具体的编程语言，更新换代快。如果有幸我以后做到大牛了，哪怕雇人做这些具体活，都行。理解对吗？
domain expertise 怎么加强呢？像您说的，“对工艺、自控的本质（而不仅仅是技巧级的伎俩）深刻理解”？能具体说说例子吗？这样我在做下一份工作的时候，有的放矢，而不是停留在工具上。
多谢分享！
- 回复 李根
- 数据结构啊、数据库啊、算法啊，本科都学过。研究生的时候给导师做项目，顺便就学会了编程啊。
pkhelen: 多谢！
我上一个工作70%是编程，我水平一般般，就到网上搜到类似的例子，改一改后交给客户，然后客户提出修改意见再改。这样比我完全从头开始写快一些。
虽然应 ...
- 回复 晨枫
- 不用客气。
pkhelen: 惊动了晨枫老大，多谢！非常需要需要你们工作30年以上人的经验，因为你有长期行业经验，对趋势肯定看得比我准。
你的意思是，这些软件或者具体的编程语言，更新 ...
对于工具，我正是这个意思。
关于domain expertise，这个要看各行各业。对于你现在的选择来说，就是建模、海量数据分析，但一定要结合具体行业的特点。比如说，这是对工程问题，那就要理解有关工程领域；如果是商业营销，就要懂得一点营销和有关商品；诸如此类。数学说到底也是工具，一定要和对象结合起来，才能生效。
domain expertise不是学校里就能学来的，要亲手干一段时间才有体会。另一方面，这也是不要轻易换行当的原因，重新掌握一门domain expertise不容易，很容易糊里糊涂就丢了自己的专长。
不要担心别人编程比你强。工程问题（或者商业、金融、……）问题永远是domain expertise主导加上有效地使用工具的结果，否则计算机（或者数学、统计）毕业的人就包打天下了。
- 回复 MacArthur
- 就像晨枫说的，domain expertise就是“行业经验” - 你从事哪门行业，就需要对本门有一些深入的了解。其他的东西，SAS也好，SQL语言也好，不过是工具而已。。。 工具这玩意儿看两本书基本上都能学个七七八八，但是行业经验却是看书看不来的，非浸淫其中从事几年不能领会。
矿工应该是个很有前途的职业，从长远看比码农要好。。。 干得越久市场价值也越高。。。 从这个角度说，单纯的码农，尤其是那种跟着Consultant公司不停地换来换去的码农，反而会有随时间增长市场价值变低的危险。。。
至于程序“规范性”之类不要担心太多，程序是用来解决问题的，能解决问题的程序就是好程序；这个世界上符合“规范”但是不解决问题的程序太多了。。。
- 回复 晨枫
- “这个世界上符合“规范”但是不解决问题的程序太多了。。。”
MacArthur: 就像晨枫说的，domain expertise就是“行业经验” - 你从事哪门行业，就需要对本门有一些深入的了解。其他的东西，SAS也好，SQL语言也好，不过是工具而已。。。 ...
部分原因是因为太多程序都外包到老印那里去了……
- 回复 MacArthur
- 嗯，Inforsys 和 Wipro 的老印们写出来的程序那叫一个规范，几百行的小程序能给你整出上百页的文档。。。 该有的不该有的全都有，有用的和没用的都给你写出来。。。
晨枫: “这个世界上符合“规范”但是不解决问题的程序太多了。。。”
部分原因是因为太多程序都外包到老印那里去了…… ...
- 回复 李根
- 麦帅和晨斯基说得真好，domain knowledge才是关键，编程就是工具，用得顺手就行了，实在不行找会编程的人来帮忙就是。掌握domain knowledge，才掌握一个行业。
MacArthur: 就像晨枫说的，domain expertise就是“行业经验” - 你从事哪门行业，就需要对本门有一些深入的了解。其他的东西，SAS也好，SQL语言也好，不过是工具而已。。。 ...
- 回复 holycow
- +1024768
晨枫: 我是搞化工自动化的，在某种意义上来说，和你的处境有点类似。个人干了30年的体验是：工具都是假的，只有domain expertise才是真的；工具是一直在变的，只有doma ...
- 回复 holycow
- 晨老大已经把domain expertise的问题讲得很透彻了，什么东西晨枫一讲，基本上就没有什么可以补充的了。
所以我就从不同的角度说说 ---- 你这个新行当的employability分析。
There is no life time employment, there is lifetime employability. 你有市场价值，到哪里都会有人要的。
我的理解，一个人的市场价值由两部分组成：横向的专业领域和纵向的行业经验。
数据矿工这个专业领域，属于进入门槛高，应用范围广的，本身已经属于高可雇佣性的。这行转得很不错，先恭喜一下。
为了不和晨老大的domain expertise相混淆，俺把domain expertise狭窄地定义为横向的专业领域里的知识经验。
你还需要选一个纵向的行业去专精，这个行当里面大体是怎么运作的，商业流程的大框架如何，什么地方需要用到你的专业经验，具体运用的时候有什么特点。这个我叫做industry know-how。
如果你专精的行业又是一个进入壁垒高的大行业，那么恭喜你，你在这个横向纵向相交的方格子里就如鱼得水了。
假设最不济的时候，整个专业过时了，还能凭借industry know-how转到本行业的其他专业里去；或者整个行业玩完了，那就凭借专业的domain expertise转到其他行业的相同领域去。
你可能没法在横向纵向两个领域都自己选，但自己要有清醒的认识 -- 我的横向专业在哪里；纵向行业在哪里；相应的，市场价值在那里；世道不好的时候逃生路线在哪里。