Joe：「半導體產業確實需要一些看壞的新聞，越來越多人看好半導體，這樣半導體產業的股票暫時可能不容易起飛，不過二三線的半導體產業股票真的不太能投資，那個風險很高。」
全球晶片短缺，波及汽車和電子產業，世界多國政府透過補貼企業的方式來興建晶片製造廠房，以降低對台灣生產的依賴，包括美國、歐盟和日本政府都考慮斥資數百億美元興建晶圓廠，因擔憂全球3分之2先進晶片的生產都集中在台灣。美國1高級將領日前對國會議員指出，中國攻占台灣已成為太平洋最大的軍事隱憂，中國也向晶片產業提供可觀的補貼，以降低對西方技術的依賴，包括在2019年設立規模達290億美元的投資基金，促使各界議論西方國家也必須跟進，需在亞洲之外興建晶片製造廠的聲音，促使台積電和三星電子計畫赴美設廠，爭取高達300億美元的補貼。Intel日前也宣布，將重返晶圓代工市場，在亞歷桑納州和歐洲分別設立2座和1座晶圓廠，佳能、東京電子和Screen Semiconductor Solution等3家日本企業，將與日本產業技術總合研究所（簡稱產總研）合作，攜手研發2奈米晶片，而日本經濟產業省將提供約420億日圓（3.85億美元）的資金援助，且將和台積電等海外廠商建構合作體制，以重振日本處於落後的先進半導體研發，這種由各國政府帶頭，重組半導體產業的風潮，可能扭轉述十年來美國和歐洲半導體公司將晶片製造外包給台灣和南韓的趨勢。
但專家警告，此舉可能重蹈1970年至1980年代晶片過度生產的情況，導致價格崩跌，大量半導體公司倒閉，半導體產業研究機構VLSI Reserch執行長Dan Hutcheson表示：「我們現在處在每個國家都想建立自家晶圓廠的局面中，我們將由全球互相連結，變成處處都看得到垂直的孤島。」
如果各國政府興建晶圓廠的計畫過關，全球半導體產業可能像1970年代和1980年代的光景，當時每個國家都認為，晶片對其通訊和國防至關緊要。但Hutcheson說，其中的風險在於，全球將興建過多的晶片製造產能，導致價格崩跌，摧毀大量半導體公司，這與1980年代的價格崩跌導致晶片工廠從澳洲倒閉到南非類似。
Hutcheson指出：「從納稅人的角度來看，這確實是一個問題，我們是否真的要發起另1場冷戰，半導體晶圓廠等同於核武器，而我們卻在浪費這些資源？」
台灣半導體產業協會（TSIA）理事長劉德音提到，半導體晶片短缺不論在哪個國家生產都會有這些因素，希望世界對台灣不要有誤解，有人說因為晶片都僅在台灣製造有關，但其實今天的短缺，無論在哪邊生產，短缺都會發生，希望世界對台灣不要有誤解，現在晶片短缺有三個主要原因，第一，中國武漢肺炎導致供應鏈庫存堆積。
第二，則是不確定因素增加，來自美中貿易戰使供應鏈與市場占比的轉移，其他競爭者預期華為因制裁失去市占後可以拿到更多市占，這些不確定因素導致重複下單，實際產能其實大於真正市場需求。
第三，中國武漢肺炎疫情加速數位轉型，工作與生活型態改變。
中國正在大舉投資電腦晶片，並加大培養本土人才的力道。在與美國的科技貿易戰中，中國加快了尋求技術獨立自主的步伐，今年以來，中國半導體企業透過首次公開募股（IPO）、私募籌資和資產出售等方式，已籌集了近380億美元的資金，是去年總額的兩倍多，企業註冊跟蹤機構天眼查（Tianyancha）的數據顯示，今年有五萬多家中國企業註冊了半導體相關業務，數量創下新高，是五年前註冊總數的四倍。
這些企業中有些公司和晶片業關聯甚少，比如房地產開發商、水泥生產商和餐飲企業，它們都將自身重塑為晶片公司，以期與國務院8月推出的為半導體企業提供稅收減免和政府資助的計劃扯上關係，半導體企業激增的狀況與中國近期出現的其他熱潮類似，包括對電動汽車、房地產、P2P貸款和太陽能電池板的投資狂潮，其中部分引發了泡沫或非理性支出，促使中國最高經濟規劃機構對不明智的商業活動發出警告，一些沒經驗、沒技術、沒人才的「三無」企業投身集成電路行業，個別地方對集成電路發展的規律認識不夠，盲目跟上計劃。
半導體產業協會（Semiconductor Industry Association）表示，全球市場的晶片供應只有5%來自中國企業，中國的晶片也遠不如台灣和美國同行先進，落後五年甚至更多，Trump採取措施，阻止向華為技術有限公司（Huawei Technologies Co.）和中興通訊股份有限公司（ZTE Co.）出口關鍵技術，此舉促使中國企業爭相尋找國內半導體來源；此類微型處理器對智慧型手機、汽車和其他中國出口產品的製造商越來越重要，這是一個供應鏈安全的問題，你不知道什麼時候就會被美國列入黑名單。
自1950年代以來，中國北京當局已花費數以十億美元計的資金來培育國內晶片行業，先是透過中央規劃，然後藉助外國合資企業。人才瓶頸、投資不慎和繁瑣的官僚主義先前阻礙了該產業取得成功，這一次的不同之處是美中科技戰，這場交鋒大大加強了中國取得突破的意願。最新的行動也更多依賴私營部門的專長，而不是過去主要由國家驅動的方式。
華為表示，由於美國的制裁，其智慧型手機的處理器晶片即將用完。該公司創始人任正非強調，需要一個強大的國內晶片產業，華為今天遇到的困難，是華為設計的先進晶片，中國基礎工業還做不出來。
中國六個省（區）承諾在半導體領域投資約130億美元，中國公司也在加大晶片投資力道，其中包括電商巨頭阿里巴巴集團控股有限公司（Alibaba Group Holding Ltd.）和電動汽車製造商比亞迪股份有限公司（BYD Co.），但幾個備受矚目的中國計劃已經失敗，其中包括中國政府和美國晶片製造商之間的兩個計劃。
總部位於聖地牙哥的Qualcomm Inc.與中國貴州省共同建立的一家伺服器晶片生產合資企業在成立三年後關閉，而加州聖克拉拉的Globalfoundries Inc.在中國成都建造一座先進晶片生產廠的100億美元投資計劃也告吹，法庭文件顯示，在中國南京，一個打算投資30億美元建設兩個晶片生產設施的計劃在其投資者6月份進入破產程序後被迫終止。
https://www.storm.mg/article/3219514?page=1
https://technews.tw/2021/03/29/asml-moores-law-has-not-slowed-down-or-failed/?fbclid=IwAR1ZyN85YYQ89dyUiHyhCLwYTGpnvoKJMt5Ot8ObZGKAwGMq6orXCdIQX1E&utm_medium=facebook&utm_source=fb_tn
https://ec.ltn.com.tw/article/breakingnews/3481777?fbclid=IwAR1cOlAeB5jweUBGNZxKF2zpYUjzq73iNeGqTbDTCQGsqakPt1WGBVVxfus
https://ec.ltn.com.tw/article/breakingnews/3481777?fbclid=IwAR1cOlAeB5jweUBGNZxKF2zpYUjzq73iNeGqTbDTCQGsqakPt1WGBVVxfus
大數據股份有限公司天眼通 在 [心得] 2018夏_學士畢業數據分析面試分享- 看板Soft_Job 的推薦與評價
各位大神安安
本版上面關於數據分析(data analyst)相關工作經驗分享偏少
前兩個月剛好面試了幾間公司
公司類型為新創居多，沒有保險金融、電信業及製造業
在此分享一下面試經驗，也歡迎大家互相討論
提醒:文長慎入
Medium好讀版:https://bit.ly/2M7dKWF
文章會針對
˙背景及經驗介紹
˙履歷投遞
˙面試過程及結果
˙結論
四個部分分享
˙背景及經驗
私校數學系畢業(非理工強校)，在校成績普通，沒有被當，但有暑修物理。。。
大三開始接觸數據分析，開始學習python及R語言，python學了一學期，大概就是迴圈、
判斷式等基礎語法；稍微了解爬蟲抓取技巧，但不深入。R語言起初也只是自行摸索，對
於資料整理及統計模型並不上手。
大四學校課程，使用R語言，開始了解資料處理及模型使用，大四下在新創公司的數據分
析部門實習，實習期間做過3個專案(包含獨立專案及合作專案)，真正使用R處理資料及分
析。
畢業後，因某些因素，留在學校當助教，負責微積分、統計演習課(非數學本科系)，基本
上沒有產出，只有自己摸索python，主要有看了幾個課程
．政大MOOC課程_成為python數據分析達人的第一堂課(這個是免費的線上課程)
．Hahow_Python 資料分析＆機器學習入門(這個要錢，當時候募資時購入，很詳細還有
medium的課程檔案可以看)
2018上半年，投履歷前3個月左右，有跟朋友合作專案，主要負責爬蟲及機器學習的
coding部分。算是這年來主要的產出……..吧。
◎實際自評
會使用R語言及python完成獨立專案，包含網路爬蟲、數據前處理，SQL搜尋及操作、模型
建立，視覺化報告。
○能夠使用python串接API，每日自動化整理資料，並上傳SQL。
○模型使用上基本的回歸分類、k-means分群、sklearn套件包，都操作過，但並不會DL(例
如tensorflow)。
○分析經驗以數值統計分析為主，缺少文字探勘的經驗。
○視覺化部分，ggplot2、matplotlib都算熟悉。
○對於簡報製作也稍微有點概念。
˙履歷投遞
◎履歷部分
基本的中文履歷，以及硬生出來的英文CV，整理過去製作過的專案(包含大學零零落落的
報告們)放在雲端，還有把部分程式碼上傳至github，最後建立了linkedin，然後就打開
104開始撒履歷了。
◎目標公司
本身對於金融業沒有興趣，對保險投資也沒太大研究，然後不想穿西裝上班。另外傳統產
業(大公司)也不是我首選，畢竟制度規定很死，我也不是很喜歡。所以差不多就剩下科技
業與新創團隊了，主要來說之前也待過新創公司，所以對新創的氛圍比較熟悉。
就這樣打開104，搜尋 數據分析 就會跑出很多職缺，Title是數據分析師、資料分析師都
會點進去看。條件部分，主要就看期望的工作年資，1-3年我都會投。再來看技術方面，
只要有寫到使用python、R就會投。
關於職位內容，求職網都是寫個大概：數據清理、數據探勘、分析報告、視覺化呈現、機
器學習、深度學習，真的要實際聊過才會比較清楚此職位定位在哪，工作內容是啥。
◎其他
除了104以外還有使用Yourator這裡都是新創公司，相對的也比較多外商公司，在這裡就
算是投中文履歷過去，HR或公司回信也都是英文，但相對的幾乎投過去都能得到回信或面
試邀約。
˙面試及結果
(依面試順序寫)
1.傳統食品業(主力在大陸市場)＿數據分析師
○面試
人資接洽後約面試，面試當天先考了30分鐘術科筆試，筆試內容為手寫SQL code(差點以
為我在考資管系期中考xdd)，四大題都是 join 、 group by 等合併資料表，然後
where 篩選條件，最後是SQL計算。老實說，超級久沒有寫SQL，更何況是手寫，就只能憑
著印象瞎寫，勉強把四題掰完。
面試前兩關是一對一，最後一關是部門主管+單位主管兩人，第一關是同單位不同部門的
課長，主要了解我過去的專案經驗，還有我對數據分析的了解及概念。還有介紹了主要這
個單位的工作內容及工作分配。
主要分成兩個部門，一個是商業分析，比較偏重於商業應用分析，對程式能力要求較低，
主要就是會SQL撈資料。另一個是我投遞的數據應用，包括了DB處理、數據分析、數據應
用，三個課。然後大概跟我介紹過去做過的一些專案分析；這部分有談論到機器學習的部
分，得到的回答是，公司高層目前還無法接受，他們過去有嘗試使用ML的分析，但高層比
較相信傳統統計分析方法。(我有朋友過去也去應徵此單位的管理職缺，大約比我早三個
月左右，卻因為對ML較不熟悉，而被砲轟；這件事也讓我們很困惑)
第二關是我應徵的部門主管，主要跟我確認我對哪一塊比較有興趣，也大概聊了一下對於
資料處理、整理的概念；以及講了職位的工作內容，主要是以撈SQL整理資料，做ETL為主
的工作。所以一直跟我強調，會一直進行數據蒐集(可能半年或一年以上)，才會進行分析
；也有提到剛剛術科SQL寫的還不錯(這部分其實超驚訝，畢竟我超久沒寫SQL)。最後有聊
到pay的部分，當下也開給我，但有說，最後核定要以人資公布為主。
本以為面試到這邊告一個段落，結果，第三關，單位主管進來，氣場很強大，主要也是問
我對於資料處理的概念，以及數據分析跟商業模式之間的關係；談話中，了解到公司決策
很注重是商業概念，數據分析是輔助決策。本以為在這邊會被電得很慘，但也頗和平的結
束。
○結果
約莫一個禮拜後，就接到人資打來，稍微了解一下狀況，還有了解可工作時間，就發
offer過來了。
2.軟體公司(主力做校務分析系統)＿大數據資料管理師 (Data Scientist)
○面試
第一次過去，主要看了我的履歷，從中問了一些我的經驗，也讓我問問題了解公司的工作
，模式大概就是互相問對方問題的感覺，大概了解公司是微軟代理商，負責賣軟體，漸漸
往開發公司系統，配合企業需求去建置系統，最後發展到協助大專院校進行校務分析。然
後，也表示，公司主要使用Power Bi ，如果進來之後要學會，還有提到，公司有微軟的
資源，可供學習(畢竟是經銷商)，最後就說會約下次面談。結束後，看名片上網搜尋一下
，才發現是公司負責人(CEO的感覺)面試我，難怪名片上沒有Title。
二面，是由部門PM面試，感覺是香港人，講話口音不像是台灣人，針對我實習時的專案，
大概給了我一點建議，表示做的分析對象都是人，變因很大，對公司來說不會是好的研究
主題。最後有談到會讀大量paper，然後說我的英文能力可能不夠好。
○結果
無聲卡，接近兩周的時間，我還有寄信過去詢問，但也沒有消息。
3.區塊鍊交易平台(台灣的新創公司，混合式去中心化的交易平台)＿ Data Analyst 數
據分析師
○程式測驗
履歷丟過去後，mail寄過來就是csv檔跟測驗說明，資料是給你一間交易所的交易紀錄
(200Mb，差不多170萬筆資料)，請你針對題目分析，並製作報告。題目主要是要看能不能
從中找到高頻交易對手或交易機器人等。
做完之後，丟過去會再決定能不能過去報告分析結果及面試。(但其實看超快，早上寄出
去，下午就打來跟我約面試時間了)
○面試及結果
本來以為要報告，還頗緊張，但因為主管開會，沒有報告到；但有提到報告部分做的不錯
，簡單易懂，也看的出來是有美編過，就由人資主管直接與我面談。公司正要成立data部
門，所以在招聘leader，也必須對區塊鍊有深入研究，大概就知道沒有望了。人資主管也
有詢問，如果是以pt的方式願不願意，也說明人事部分也還在規劃，所以也不排除未來再
通知我。
4.廣告代理商＿資料分析師
面試前有上求職天眼通，稍微了解一下這間公司，負評不少(大概是說公司流動很快，還
有會以罰錢逞罰員工?!)
○面試
直接由部門主管面試，一開始稍微介紹廣告業的運作模式，及資料部門做的工作。就直接
進入專業問題，針對我過去做過的專案開始詢問，問得非常深入，都是統計解釋及演算法
部分；例如：羅吉斯回歸中OR勝算比的解釋、k-means的演算過程、計算中心距離的方法(
歐式距離等等)。沒想到會得如此深入，我回答某些部分也不是很有把握。但最後主管卻
說回答得還不錯，觀念沒有太大問題，然後說這些模型可能不適合公司分析，進來之後會
看其他paper學其他模型，還有一開始進來要學spark、hadoop等分散式計算方法(感覺起
來，應該是蠻能學到東西的吧?!)。最後有聊到pay的部分，並說明試用期會扣3k這樣。
○結果
回去大概兩三天就收到offer letter了，薪資也是當下討論到的。
5.新創行銷平台＿data engineer
○面試
從面試邀約就是CEO直接跟我聯絡，第一次去也是互相了解公司運作方式，也對我過去的
經驗了解，並說明公司主要是以文字探勘為主，另外大多是分析國外論壇及部落格，所以
英文能力相對也很重要。最後就告訴我回去之後會有一個code challenge要回去做。
⊙Code challenge
給了200個網址，要你寫爬蟲程式抓取作者名字及其社群網站聯絡方式。
第二次面試，先大概聊到寫程式的過程及方法，都做出來了，所以應該也知道沒啥問題，
接著就和公司的data scientist了解實際工作內容及分析方法，大概了解之後會做些甚麼
。最後就是和CEO討論我主要可以做的工作及pay；主要來說公司data team 有人負責爬蟲
、有人負責文字分析，而我對數值分析比較有經驗，也希望我之後能處理這一塊，但當然
一開始也要我先熟悉公司分析的流程等。
○結果
二面最後就有討論了pay及on board時間，也有問我什麼時候能給回覆。回到家offer
letter就來了。
6.國內新創影音平台＿大數據分析工程師 (Big Data Analytics Engineer)
○測驗
在面試前一天早上才打電話來，告知我有一個專業測驗，要請我做，然後面試帶過去。有
三題，第一題是設計一份問卷的資料屬性，並針對此問卷看能夠分析什麼、第二題設計一
套推薦系統，並規劃流程，最後寫如何評估成效、第三題問公司發展AI會遇到甚麼難題。
問的問題很有深度，我個人覺得很偏向PM，要規劃流程，也要思考成效。
○面試
先由部門主管面試，主要是我在講我做過的專案及經驗，主管沒有給太多回饋。接著講公
司data部門工作內容，及接下來發展方向。再來是人資的深聊時間，主要針對個人特質的
部分詢問了很多，但就是人資會聊的部分。最後有談到大概2~3周，公司會有一個決定，
但如果沒有錄取，將不會另外通知
○結果
目前正在等待結果中，一個禮拜多過去，還未有消息。(如有消息將會更新
˙結論
先給結論數據部分：
約莫投遞：60間(包含104及yourator)
開信：30間
寄信聯絡：13間(包含回信請你填寫資料表，回傳之後沒有下文；還有二間履歷過去後
，收到感謝信)
面試邀約：6間(上面詳述)
拿到offer：3間
每階段差不多是50%機率，拿到offer是投遞的5%
實際統計下來，我覺得算非常好的結果，畢竟我這一年來的工作，其實並不算可以累計年
資，所以還是以一個新鮮人的身分求職，拿到的offer平均都是現在的N+5~N+7，其實還算
滿意。
實際公司對於技術面的要求，其實也不會因為學歷而有質疑(或許我不是面試金融、傳產
、電信，這幾個比較看重學歷的產業，但其實也有收到金融和電信的面試邀約)，只要有
專案經驗，把專案呈現給公司，其實大概也都能知道能力、技術到哪邊。公司寫要會使用
ML/DL，有可能是公司希望有這樣的技術能導入。以目前來說基本的分類分群回歸預測等
，還有基本的資料整理套件都要會使用(有面試時看github，就說:「你會pandas，我們
也要用到。」但其實這應該算基本的)
在104上打入 數據分析 或 資料分析 就會有很多工作跑出來，都可以投遞看看，能有面
試機會就去練刀，就當作了解該產業或者多去聽聽別的公司如何定義數據分析，或者公司
的數據團隊在做些甚麼；面試下來，每間公司要求的都不一樣，都一樣是data analytics
，但做的事情可能不一樣，又或者不少是要求有文字探勘經驗。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.133.151.104
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1533087743.A.DF6.html
... <看更多>