關於資料科學家相關領域

依照慣例，先回答你的直接提問：
想知道可應用在工作上、跨國謀生、線上自學的資料科學資源。

我唯一推薦全球最大的線上學習平台之一： Udemy。

以上，結案。

(Coursera 雖然也不錯，但 Udemy 似乎更常有課程跳樓大特價...哈哈哈)
(跟我有合作課程的線上平台老闆們，看到這篇文章的話，請無視之，感恩。)

--
如果，你只想知道你要的答案(學習資源)，應該就不用繼續看下去。

下面的內容是寫給：想進一步瞭解”資料科學“的你看的。

--
再次地"首先"，根據你提供的各種資訊，我認為你已經是資深社會人士，甚至擔任中高階主管。

所以，很多對新鮮人說的話，就不多說了，你已經不是需要被說教的年紀了～

因此，來聊聊"資料科學"需要具備什麼技能與能力吧，也許可以作為你選擇學習資源及學習深度的參考。

--
一、面對“真正的“問題

因為，你學習資料科學並不是想當成休閒娛樂，而是工作技能。

而且進一步來說(年紀、職業、經歷、背景)，你不太可能會從基礎的工程師角色做起(對，資料科學的基礎職位也只是工程師) ，而是需要由高階管理的角度來看待「資料科學」這回事。

所以，我不會建議你去學習 Python、R等等，原因並不在於這些語言不重要，而是很高機率「你不需要」。

如果你在工作上，需要和「裸資料(原始數據-Raw Data)」打交道，學習一門"合適"的程式語言，"可能"會減輕(或加重)你的工作壓力。

但如果不需要接觸 Raw Data 的話，程式語言多半是你用來與工程師溝通，或自行作資料驗證的工具而已。

--
二、確認“自身的”需求

如你的提問所述，“跨國技能”是一個比較特殊的期望。

而光是這短短幾個字，背後的意義就非常複雜...所以，有興趣再往下看。

跨國代表的是：你必須了解想要前往的國家(產業/公司)對“資料科學職位"的要求與期望。

這也是我推薦 Udemy 的理由。

因為裡面很多老師都是歐美國家的業界人士開課，所以，多少會談到工作上被期望達成的目標。

同時，你才能瞭解能用在"當前工作"上的資料科學技能，以及用在"未來工作"上的資料科學技能，究竟有多少差異，並進一步針對這些差異去尋找合適的課程，而不是在網路上 Follow 各種的影片去學習。

因為看完這些影片之後，大概有 90% 你一個月後就忘了。

--
三、善用"目前的"優勢

商學院的背景提供了你一個“資料科學”職位的良好起點。

如果，我老師、同學、學生、同事知道我這樣說，大概都會很想給我個大白眼，但這並不是他們反對我這個說法，而是「這是不能說的秘密」。

原因很簡單，因為太多人(幾乎所有人...)錯誤地認為“資料科學”需要很懂“程式語言”，甚至是要"懂AI“才能做的職務。

如同我第一個段落所說：程式語言(或AI)只是個很好的輔助工具，但絕對不是必要工具。

反而是，正確地選擇「對的」的產出(資訊)才是最重要的。

而這需要瞭解產業鏈、生態圈、市場趨勢、產出期望(以生產線為來說)等等的專業知識，商學院的學習是一個很好的起點。
(同樣地，工學院、理學院、文學院、法學院、農學院等等都一樣)。

雖然，我不清楚你是商學院裡的哪一門專業，但你只需要先知道(列出)「你期望資料科學的產出(分析結果)，能帶給你什麼資訊(回流率、接觸度等等)」

然後，根據你的專業將這些分析結果(資訊)，整合成協助你創造更大績效的知識，並且有效、良好地運用這些知識到你的工作上，如此一來，資料科學才會大幅地強化你的優勢。

這才是你要去學的“資料科學”當中的「應用內涵」，而不是學“這門技術”。

--
寫在最後：

資料科學這門看似新穎的技術，實際上是超過 50 年以上的老技術（每個年代的名稱都不同而已)。

而且單就近年的發展來看，資料科學的技術本身很明顯地會變成“零件”一般地普通。

既然我稱之為零件，代表它會變成很多系統內部的組件(不一定是必要零件)，而且不一定具備有高價值(但少數“被保護的”高價模組仍然會存在)。

資料科學這門學問(或技術)的確會繼續蓬勃發展，但任何技術都會朝向“懶人”也可以簡單上手的方向前進，這是我 30 年來的實際(血淚)經驗與觀察心得。

因此，既然你已經是(某個產業或公司)資深人才，而且期望跨出舒適圈學習另一個領域的技能，就該好好應用現有的知識、經驗和技能，透過資料科學的技術擴大你的影響力，這才會是強化你跨境技能的最佳途徑。

但，我想，上面這些你應該都非常了然於心。

畢竟，我還是認為你早就不是需要「被說教」的年紀和資歷了。

所以，希望你能找到你想要的( Udemy應該都找得到，應該啦~)，加油！

Q：請問有任何建議嗎？
A：去學，主動去找。

這個工作或說是能力的內容，包含你自己要一直去想：
有什麼議題空間、有什麼資料、怎麼取得或代替、可以怎麼用、統計上有何限制與問題、有何資料表面以外的意義。

不是別人準備好資料包後放到你桌上的。
.