Re: [閒聊] 幹這行的唸到博士..

[HYL (@EVERYWHERE)]

※ 引述《mike5square ()》之銘言：
: 我也不瞭解台灣的狀況，以前在念書的時候只會跟著大家說，喔，念博士沒人要，
: 問老師說PhD出來可以幹嘛，老師說走教職、或是進公司的研究部門。那時後完全不懂，
: 但是現在工作了，才覺得Research的工作多有價值，即使我是MS。
: 我在美國某家公司，部門幾百人，目標都是合作把網頁變醜xd -- 簡單說負責登廣告。
: 在進入這個世界以前，你不會覺得這個東西有多高科技，但是事實上在背後，
: 有多少Machine learning，有多少Time series forecasting，有多少演算法上的
: Optimization、Approximation，多到你無法想像，都是需要PhD去做。
: Business people對“可以賣什麼”、或是“可以怎麼賣”這兩件事情有太多瘋狂想法
: （至少在Search/display advertising裡），PhD們，或是MS們，
: 就必須想辦法花上很多時間把這個東西塞進現有的系統裡，然後花上很多時間研究
: Side effect，Simulation。上Production了，同時必須看管、及早發現問題。
: 就公司而言，多花了這麼多時間與資源其實也只是為了那幾個%微小的效益，
: 但是如果你離Optimal越接近，你就越有信心你的對手越難超越你。

  講個Amazon來的同事跟我講的故事，某年，Macy's store 要花一億美金，跟
  Amazon買聖誕節時，首頁 search box下的空間。

  Amazon回去問了 recommendation & analytics team 後，回決了這個題案，
  因為 Amazon 覺得靠精準的分析客戶行為做出的推薦，可以讓公司賺進更多
  錢。要知道，要賺一億美金的淨利，可是要做三十億以上的生意阿，背後多
  人要忙破頭。

  至於要做到這程度，首先是要把所有客戶的行為都記錄起來，例如，『客戶
  找了 Madonna，點了最新專輯，然後點了第三筆推薦』，如果這行為發生夠
  多次，那是否在下次搜尋時，把第三筆推薦改為第一筆推薦。

  更改推薦演算法時，要先餵舊資料回去，看是否能夠得出較好的結果外；還
  要上線做 A|B Test ，看看是否對新客戶新資料，新的演算法同樣也能得出
  較好的產出。

  我前公司的一位博士就是專門在幫電信公司挖這些資料的，據說，他一個人
  賺的，跟剩下來六十位同事幫公司賺的一樣多。

--
  打了這麼多，想說的是，小弟的公司正在徵人實作 analytics service ，有
  興趣了解的，歡迎來面試

  http://www.bluetangstudio.com/2010/11/blue-tang-studio-is-hiring.html

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 118.160.106.198
→ shadow0326:就recommendation system啊 其實這個領域門檻也還好
→ shadow0326:有研究的話碩士就應付的來了
→ shadow0326:當然要搞出突破性的新玩意很難...amazon也停在CF幾年了
→ Ting1024:是阿...還真的以為是員工替公司賺的咧，差很遠 ~_~
→ francej:像這種Data Mining的應用台灣也不難找到人能做這個.
→ francej:比較難的是服務要怎麼做到跟amazon一樣好 (人家退換貨處理
→ francej:很阿莎力的). 另外市場要怎麼做大(不能只做台灣生意..)y
→ francej:等於說難的可能是business那部分. 包括怎麼打通國外市場
→ francej:怎麼搞定廠商(願意配合你的退換貨政策..)
→ piss:資料分析有個敏感的神經來找特性建model最重要
→ piss:phd讀很多papers或許比較敏感~~
→ piss:但recomendation, grouping, prediction, ranking也做到百花
→ piss:齊放了~當大家都做久夠好了也沒價值了，跟CPU頻率一樣。
推 bobju:當然,這博士的貢獻幫公司取得專利,公司光收專利金就賺斃了.
→ Ting1024:能賺錢的專利...少之又少 XDDDD
推 bobju:這種靠R&D能夠有1人抵過60人產值的戲劇表現的,捨此之外,還有
→ bobju:別的門路??
推 lovdkkkk:方向是最重要的 XD