很多计划在美国求职的商科同学, 或多或少都会有一个疑问: 如果没有纯技术背景, 能不能最终进入数据科学或机器学习领域?
答案是: 可以。
我们在访谈中遇到的一位求职导师给我留下了非常深刻的印象。她本科在香港理工大学，学的是会计和金融，读研去了杜克商学院的MQM 项目（相当于商业分析硕士），从本科到研究生，都属于典型商科路径。
杜克毕业后，她先在芝加哥的苏黎世保险做数据科学家，如今在加州湾区的 Snapchat （美国社交媒体平台，主流科技大厂之一），是一名机器学习工程师，主要做的是推荐算法。
她的经历, 对很多担心“商科不够技术，不容易在美国找到工作”的同学, 是非常有价值的参考。
那么，我们看看她是如何一步步实现转型的。
从她的分享中，我认为她的成功转型有几个关键点:
1.遇到困难不退缩
她提到，身边很多同学在美国找工作时一遇到困难就选择放弃，而她始终坚持下来了。
我经常听到一句话，说一个人在美国能不能找到工作，关键取决于她的决心有多大。她就是这个说法的最佳例子。
2.商学院的优势不是技术课,而是商业思维与沟通能力
很多人认为商业分析项目不够技术性，但她认为杜克的学习给了她非常重要的能力，包括商业思维和做presentation的能力。
这些能力让她在与纯技术背景的人相比时具有明显优势，也更容易在技术团队中站稳脚跟。并且，许多课程内容在她后续的工作中都发挥了很大的作用。
3. 从 non technical 到technical 的突破来自面试准备
虽然杜克 MQM 的课程本身并不算特别技术性，但她在准备技术面试时投入了极大的努力。在拿到苏黎世保险公司的面试题目后，她连续三天几乎没有睡觉，集中攻克算法、模型和系统相关的问题。她用高强度的训练把自己硬生生地“推”进了技术岗位的门槛。
许多人会在这种情况下因为觉得自己“不够 technical”而选择退缩。她没有。她用三天时间让自己从商科学生切换到了理工科学生。这样的转变听起来似乎有些不可思议, 但她用自己的经历证明这并不是不可能的。
4. 职业选择的拐点非常关键
她最早的求职目标是咨询, 花了大量的时间进行准备，最终也拿到了咨询的 offer。但她没有去, 而她选择了保险公司的数据科学岗位。因为她意识到长期来看,技术路径更有延展性, 更有成长空间。这个选择, 可以说是她职业发展的决定性一跳。
5. 第一份工作不是终点,而是职业的一个起点
第一份工作固然重要，但往往也是最难跨出的那一步，很多时候我们无法一步到位。而在美国，第二份和第三份工作通常会相对容易一些，这时职业发展的走向更多取决于你是否提前做了准备，并能在机会出现时把握住它。
以她为例，在第二份金融科技公司的工作中，她主动参与了机器学习团队的项目支持。在持续的协作中积累了技术经验，最终成功实现了从数据科学到机器学习工程的内部转岗。正是这一步，为她之后进入 Snapchat 担任机器学习工程师奠定了关键基础。
这位导师的经历和分享，对那些认为“商业分析”难就业的同学来说，是非常好的参考。
就像当她被问到，杜克位于北卡，会不会因为地理位置偏而影响就业？她的回答是：“如果你真的想做成一件事，地理位置从来都不是劣势。”
在我看来，这句话正是她能够一路走到今天的关键原因。她的选择、坚持和行动，都在证明这一点。
写在最后
商科能不能做数据科学和机器学习, 不是由你的专业决定的, 而是由你的态度和行动决定的。
真正有决心的人, 会找到办法跨过技能门槛, 抓住路径中的机会, 然后成长为自己想成为的人。
【竞赛报名/项目咨询+微信：mollywei007】
