2019 我的資料科學轉職歷程:產業職缺觀察

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


AI 作為產品的式微,與逐漸進入實務領域

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。


企業有無大量資料,是決定性的差異

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。


觀察到的台灣職缺概況

外商軟體大公司

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。

外商軟體新創

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。

外商硬體公司

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。

台商轉型科技業

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。

台商金融電信業

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。

台商低調小公司

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。


出國,與台灣產業面臨的挑戰

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。