EP24: 思宇在爬樓：策略產品經理 前字節數據分析師 論做好一個情緒穩定的打工人
「用聽的」
追蹤訂閱，不錯過數據女孩最新資訊
YouTube, Spotify, Apple Podcast
小宇宙, B站, 喜马拉雅, 荔枝FM, 网易云音乐, 蜻蜓fm, 苹果播客中国区
小紅書, Threads, Instagram
思宇在爬樓 小紅書：https://www.xiaohongshu.com/user/profile/5f14eac5000000000101d47b
「用讀的」
Amy: 大家好，歡迎大家收聽新一期的「數據女孩的中年危機」。我是Amy.
Stella: 大家好，我是Stella.
Amy: 感謝朋友們的喜歡跟支持，也歡迎新朋友們來聽我們聊天。大家在網上直接搜「數據女孩的中年危機」就可以找到我們了。在YouTube、各大Podcast平台、小紅書Threads, Instagram 都可以直接關注我們。
Amy: 今天邀來的也是一個小紅書的朋友現在在北京。今天的嘉賓在小紅書上叫思宇，在爬樓。
Amy: 思宇要不要給大家先介紹一下自己。
思宇: 大家好，非常開心能夠來到Amy和Stella的Podcast.我目前是在國內的一家互聯網公司做策略產品經理。
思宇: 之前的話，主要的經理跟大家比較像先是從數據分析師做起。後來中途經歷了一次轉行是做戰略分析師。
思宇: 戰略分析師之後呢，因為一些變動吧，轉行去做了所有的產品經理。目前整體的工作時間大概是5年左右。
Stella: 思宇在回到國內的科技公司工作之前。也在美國工作過之前。也是在美國留學過，是嗎?
思宇: 對，沒錯，是的。
Stella: 我看思宇的本科專業是國際貿易。後來選擇了business analytics.這個專業讀碩士。
思宇: 這個是這樣的本科的國際貿易。這個專業呢選的就是相對有點隨大溜。但是後來在自己實際的學習中包括後來我在一些投行的證券研究部去做實習我發現自己真的不喜歡金融尤其是我給大家舉個很簡單當然我這個東西不代表全局啊，不代表真實的樣子。
思宇: 大家聽聽就好。我在投行的證券研究部去做實習的時候。他經常會預測一下公司的業績嘛。
思宇: 給出一個評級。最後說建不建議你買這個股票。怎麼預測的呢特別的狗血。他會給你一個model.
思宇: 這個model是一個會計，三張表你就去改數。你只要這個數改完。之後他能夠保證未來5年每一年的收入，利潤增速保持在一個相對。
思宇: 合理的比例。你這個模型做的就ok.他不是根據你所謂的公司實際的運營情況怎麼樣。
思宇: 而是你只要稍微調調裡面的模型部分的input,你的output,只要 in your expectation,那就是對的以此來成為你證券分析報告上面的企業的評級。
思宇: 所以，基於這個，我發現這個真的不太是我想做的。這是當時觸動我改行的一個很大原因。
思宇: 第二個原因我受我一個學長的影響比較大。我這個學長是大學在帶我打辯論後來在美國的時候我們倆也住在一起吃攝影。
思宇: 他先在我之前去學了畢業並且跟我介紹了畢業大概是幹什麼事情。我自己也覺得說哎，這個可能確實是未來比較火的一個方向。
思宇: 所以我就去嘗試了。發現自己還行。起碼它真實你的解讀可以不一樣，但是這個數據是真實的。
Stella: 我一會聊完了之後要去LinkedIn上面看一下你實習的這家公司。是哪個思宇在讀完畢業的Master?
Stella: 之後還在美國工作過一段時間。你當時找工作是哪一年?
思宇: 我當時找工作應該是2019年。
Stella: 2019年。那個時候找工作容易嗎。
思宇: 我當時確實覺得自己找工作還挺難。首先，大環境很卷不論是學DBA的還是學DS的還是學MLE的還是單純學engineering的全都來卷data,因為data的入門memory很低。
思宇: 全都來卷。這是第一。其次呢就是公司要求很高，比如說只at least one year working experience.
思宇: 甚至我面對的大部分崗位是at least three year working experience,就是至少需要三年經驗。
Stella: 那個時候就開始了。
思宇: 對那個時候就已經開始了。他會在GD上明確的寫我需要至少一年或者三年延長時間。你想對於我一個從來沒工作的人來說，這個東西入門的門檻就很高，所以你要去跟那些工作一年，工作三年以上的人去競爭而且你沒有實習經歷再加上我的個人經歷比較少因為轉行了嘛。
思宇: 你之前學的是金融，所以你的實習很多是偏金融的。你的實習本身就比較少，但是我覺得可能比現在也許會好一點，因為現在確實整個大環境不太好。
Amy: 那你當時收的第一份工作是什麼?
思宇: 我不知道你們聽說過WISH-那家公司2020年上市的已經號稱北美拼多多，專門從國內進便宜貨然後賣全球。
思宇: 但是現在好像股價也不行了。一開始上市的時候，股價10美元。現在應該也跌到不知道跌到1美元還是跌到什麼了。
思宇: 反正很慘那時候。
Amy: 去WISH的時候大概幾個人。啊，已經很大了，嗎?
思宇: 他應該已經很大。當時。他已經我算一下啊他應該是把灣區City bag的那座樓裡面的16層和18到23層全包下來了大概也就已經一兩千人了，挺大的規模了用。
Amy: 樓層來估計人數也是很厲害。
Stella: 說起來，我這兩天在小紅書上搜到 WISH的中國公司是不是解散了他在中國的off.
思宇: ice不知道很久沒關注了，但我覺得解散也很正常，因為他沒什麼獨特的優勢，他打不過這些競品的。
Amy: peak的時候，NBA上的球衣。這裡有些wish.
思宇: 那個是湖人嘛，Lakers。
Amy: 最厲害的時候你在美國wish這種公司工作。你的工作感受怎麼樣?你有喜歡嗎?
思宇: 除了工作內容我不喜歡之外，其他的我都很喜歡。我本身喜歡Own一些事情的那種不喜歡純被動接需求，被動接request.
思宇: 但是呢，wish這份工作的內容有點偏data and near還有點偏數據工程師別人給你發一個需求，把這個數據收集上來呈現給別人。
思宇: 這就純工具人，data too。所以工作內容本身我不太喜歡，但是其他的我都很喜歡。
思宇: 比如說，我的manager,他確實很認真的在帶我包括我的同事們也真的很friendly,很友好。
Stella: wish的中國人比例是很高嗎?
思宇: 比較高那你。
Amy: 回國找工作。大概是準備時間多久。那時候找工作難嗎?
思宇: 那個時候相對還比較容易。我校招的時候兩手準備了投了字節當時我沒有去面試，但是我的簡歷留在了字節的人才庫裡面。
思宇: 所以一年後，恰好在我跳投的那個時點自己的HR不知道怎麼翻到了我。他說你願不願意來面試一下。
思宇: 當時面了4輪面過了。面過了。我就行了反正最終總是要回國的加上字節的。
思宇: 這個機會確實很不錯字。
Amy: 節這個人才庫一直不斷的重復使用很厲害。我發現其他公司完全沒有做到這一點只有字節的。
Amy: recruiter會不同的人分別在不同的地區。reach out給我用所有的channel:用LinkedIn的email,有時候還有簡訊超強的，但是。
Stella: 這個是一個好的體驗嗎?
Amy: 體驗你要真的想去自結，你覺得哇，隨時都可以聯系到自結的recruiter.可是這就表達了後面的數據是打通的，我覺得其他公司都沒有打通。
Stella: 思宇在自結是做什麼類型的職位?
思宇: 就是數據分析師，後來轉成了戰略分析。一開始我做數據分析。做的時間最久。
Stella: 那你做數據，分析，具體內容是什麼呢?是做的，什麼產品呢?
思宇: 我先介紹一下組織架構，就是大概能明白。我經歷過什麼產品它的組織架構，自結是以中排的方式去做數據分析它有一個很大的數據中臺。
思宇: 這個數據中臺裡面會出人去支持不同的業務。我們的迭代是非常快的。所謂迭代非常快就是你可能這個月還在支持A業務，下個月就會支持B業務。
思宇: 這一點反映到我身上就是我入職的第一個月當時我一開始進的時候是自結的教育。中國的教育是如日中天的被互聯網在大洗牌，但是後來戛然而止。
思宇: 我入職的第一個月支持了一個教育業務，但是第一個月之後教育業務就被砍掉了。
思宇: 所以我馬上就被我的老闆遷移到了另外一個教育的業務。這個教育的業務也是從頭到一星期的是做成人的視頻課。
思宇: 有點像那個對標的國外的那個Udemy.緊接著又做了一年之後，因為整個教育隨著戛然而止的那件事情它也要被收縮。
思宇: 所以我又馬上被調整到了一個新的業務。同時我還去臨時支持了一下頭條。
Stella: 說起來中臺。我以前一直以為這個中是middle,其實是central.
思宇: 其實是central.它有點像一個大總部的，那種大後臺我不知道後臺在英文中怎麼表達。
Stella: back office嗎?類似。
思宇: 類似有點這個感覺。
Stella: 自己的data work?是專做 analytics的data org還是它也包含 machine learning啊，或是?
思宇: 所有你能想到的跟數據相關的東西全在這個organization裡面。就包括從最下遊的那個數據工程data engineer-到上遊的數據分析再到更上遊的所謂的做你說的那個MLE,做data science的一些東西都在，包括公司內部的一些數據工具甚至包括一些對外輸出的工具。
思宇: 也都在這個organization裡面。但是現在這個organization可能已經不存在了。我聽前同事說隨著國內的業務的各種收縮吧， data organization的人直接已經被搭散到各個不同的業務裡面，就是已經取消了中臺的概念。
Stella: 這個還挺反直覺的。我剛才聽你說所有的data業務都放在中臺裡面。我的第一個想法是說比如說做modeling甚至是比如說做causal inference,這一類的data scientist他換Domain的話不停的context switching.
Stella: 挑戰還挺大的這個是我的一個疑問。還有一個疑問是說如果是業務收縮的話，其實是對data或者是說對data team的需求減少了。
Stella: 但一般來講會覺得是中臺的。這種horizontal的結構形式從資源上來講是更加的cost effective的。但你剛才提到說是把這個中臺打散然後分到下面的業務組上去了。
思宇: 我先回答第一個問題就是關於Domain遷移的問題。我個人是感覺國內的話他不像咱們在美國的時候強調data driven.
思宇: 他更強調business driven就是一切以業務為主導在這個業務裡面，從產品經理到運營到所謂HR再到data team,全都是supporter.
思宇: 沒有所謂的誰是主導因此，在這種環境下，你只需要，在明確的業務戰略之下，做好屬於你自己的事情。
Stella: 那是誰去負責這些商業上的決策?
思宇: 老板們就可以了業務的leader,甚至是業務leader的leader就是更上層的leader.他只要把這個東西決定好剩下的東西。
思宇: 你們只負責快速的執行和迭代因此這種情況下你發現他對所謂的domain knowledge的要求就還好。他更側重的是你能夠在明確的戰略之下快速的進行試錯和迭代就執行。
思宇: 所以你會發現在整個工作中。你只要掌握了那些最基本的技能就足夠了。剩下的就是你去快速的improvement就可以。
Stella: 這個聽起來挺可怕的把自己當做的工具人嘛。但是工具人是最容易被取代。
思宇: 的。怎麼說呢，我們是給資本打工。都是工具人不論在哪。
思宇: 你像在美國工作的時候其實也偏工具人。都是別人給我們發號，施令嘛就我們自己決定，不了什麼東西。
思宇: 所以這是第一個問題。第二個問題關於所謂打散的這個事。你今天提到這個。我還真是第一次想這個問題，因為我一開始很直觀的想法是你養一個非常大的數據中臺是很浪費錢的。
思宇: 如果今天你把中臺打散，把中臺裡面的人分散到各個業務，也就是說從此這些人沒有了中臺的保障之後這個業務對這個人是可以有任何的所謂的收縮也好，或者說是擴大也好的。
思宇: 這種行為反而把成本給壓下來。這個可能就是組織壓縮的問題以分析師這個崗位。舉例的話中產的分析師是不向業務的負責人彙報的。
思宇: 如果你不向他彙報也就意味著你的職責。你可以不管這個業務的死活。你就做好自己的事情向你的老闆負責，就是向你的data leader負責。
思宇: 這種不太利於業務的長遠發展，因為，正常來講，你作為一個業務的支持方應該一切以為業務去考慮吧就是為業務的這個利益最多。
思宇: 的話，我在自己的工作時候就是盡力的去balance是我既要想辦法為業務負責又要想辦法為我的老闆負責，因為我的老闆有的時候他的想法跟業務的想法不太一樣。
思宇: 所以你要想辦法去balance.這種東西。因此，純從業務快速發展角度來說，中產反而有的時候會成為一種阻礙。
Amy: 我能想到一個中臺的阻礙，我不知道是不是志傑的情況，就是中臺。它會有一些大的project,就例如一些centralized solution,要去把centralized solution去做好，其實它需要的headcount是很多的，那個headcount就卡在那邊，但它並不是specifically去支持任何一個業務，所以養了這些人。
Amy: 可是你，如果換成一個embedded model,這些人，就可以走了，因為他就直接去支持業務。
Amy: 就好了。
Stella: 我是覺得，如果你是要做同樣的事情的話，你總歸是需要這麼多的resources的，所以，如果要做的事情，的量不變，可能會有些人會去做，但是你可能因為做。
Stella: 你這個cost並不會有大的改變。如果是業務收縮先收縮了data,這方面的需求的話，那確實是，而且embedded model的話，剛才想了一下它是把middle management級以上的工資比較高的人全部都砍掉了可能是從這個角度去縮減了它的cost.
思宇: 有可能，我沒有深想過這方面的問題。
Stella: 剛才稍稍有點跑題回頭再來說這個產品。當時思宇最後是在做火山視頻。我對這個產品還挺好奇的有時候在上網的時候最後會點到一個火山視頻的網頁，但是平時並不太會看到這個產品。
Stella: 這個產品它的定位到底是什麼它現在的狀態是什麼呢?
思宇: 火山屬於一個字節的氣眼兒一開始呢國內不是有快手嗎?快手的那個產品一開始在下沉市場做的非常的迅猛。
思宇: 所以字節為了應對下沉市場的競爭，先推出了這個火山火山小視頻呢一開始是以直播起家的。這個跟快手很像，並且也對標下沉市場因為火山這個產品就是在東三省，在西北的滲透非常高。
思宇: 所以它優先對標下沉市場去跟快手競爭。但是後來呢抖音不知道因為什麼原因異軍突起並且公司發現抖音是可以覆蓋全年齡段的，甚至是全國範圍，因為抖音這個產品本身一開始矛盾的大學生。
思宇: 他想把自己的整個調性做的高端一點。稍微年輕，活力一點，但是後來，隨著它越長，越大，他會發現它能覆蓋全國範圍的全部人群於是，這個時候，火山的意義就幾乎沒有了。
思宇: 所以，當時我在火山的時候我們，這個team,算上產品，經理和運營一共也才都不超過8個人。
思宇: 你可以想象這個業務被輸出到什麼程度我們當時最重要的一個任務就是去找到火山新的戰略方向。你會發現你自己的存在沒有意義公司。
思宇: 為什麼還留著你呢?是因為這個產品裡面還有一定量級的DAO.這個很重要。
思宇: 這些用戶我們不能丟。說實話，那個級別的DAO放在任何一個中小公司都足夠養活上千人吃飯。
思宇: 但實際上他就是沒有戰略化甚至這個業務。我覺得你把它砍掉現在不會有任何影響從。
Stella: 自己公司的角度來講，他會有一定的incentive去把這些用戶，這些DU,遷移到抖音上去嗎。
思宇: 當時想了這個問題。後來發現遷移不了有一些用戶天然他可能就習慣了這個東西。他就是不好遷移。
思宇: 當時確實有想過，但是後來被叫停了。原因是因為當時的業務負責人還比較有志氣。
思宇: 他覺得不能籤籤完。之後這個業務徹底就沒有存在。因為你想做業務這個事情。一方面是所謂的為了解決用戶需求，創造一些價值。
思宇: 另一方面也是這裡面做事情的人。他有自己的一些私心在。他一定會想方設法把這個東西留下來去擴大自己的scope.
思宇: 我自己也很感謝這段經歷，因為我是在這段經歷裡面獲得晉升的當時整個負責火山食品的數據分析team.
思宇: 我是從這段經歷裡面快速成長起來的。我也很感謝這段經歷，但是這個產品就這樣了。
Stella: 思宇後來是從DA轉到了去做strategy analyst.這個也是發生在你支持火山視頻的這個過程中。
思宇: 有幾方面的原因促使了我去轉戰略第一個原因就是我剛才跟你說的火山一直在找所謂的戰略方向。在他找戰略方向的時候，我發現數據分析是真的幫不上什麼忙。
思宇: 所謂的戰略。這個事情真的不是一個。你通過收集數據，分析數據就能找到的數據分析可能更適合去支持從1到100快速迭代，但是從0到1的這種你去set up your product然後find your strategy, find your market。
思宇: 這個方向，數據分析真的很難幫上忙。所以我那個時候發現了我自己崗位的局限性。
思宇: 這是第一當時我在兼職創業我在跟一個朋友做一個海外的教育公司。我上了一些那個創業課程。我發現你只做數據分析這個崗位。
思宇: 你沒辦法去抉擇業務方向。如果你想將來出去做一些自己的事，你會發現你需要有一定的戰略決策能力。
思宇: 你要知道你這個東西到底往哪裡走，怎麼做，怎麼打這個東西。這個東西很重要。
思宇: 我發現我自己這方面能力是缺失的。基於這兩個主要的原因，我發現好像戰略這個崗位能解決我的問題。
Amy: 戰略這個崗位在美國其實很少聽到這個是字節裡面內部就有的還是中國國內裡。
思宇: 面國內都有。
Amy: 明白那他是不是可以比較理解跟美國講什麼GTM跟Growth.
思宇: 倒不是Growth,應該，是可能，是GTM.
思宇: 你說的，這個GTM是不是?
Stella: Go to market.
Amy: Go to market strategy.
思宇: 有點像這種感覺。
Stella: strategy-這個詞是比較大了，我們，如果具體到你的工作上來講，你做strategy analyst,你的deliverable是什麼?
思宇: 你的deliverable就是老板想要的東西，老板比如今天說，我今天想打這個市場，你去幫我調研一下這個市場的從前到後，就比如說這個市場規模有多大，主要的competitors,主要的player都有哪一些，我們該怎麼打，你幫我把這些信息收集清楚。
Stella: 那是不是你最後的產品。會是一個report,會是一個presentation給你的老板講，比如說我們的time是什麼，你可以reach到的這個market size是多大，在你這一步你會細到，比如說我這整個，甚至到marketing campaign我要去怎麼做，會細到這個程度嗎?
思宇: 那是業務的負責人去決定的，你只負責決定大方向，數據分析負責收集業務內部的數據去解決問題。
思宇: 戰略分析負責收集業務外部的信息去解決問題。一個是對內，一個是對外。
思宇: 所以，從這個角度上來說，你會發現他跟數據分析在工作的本質上是沒有區別的都是supporter,只不過你們工作的material就是那個。
思宇: 物料是不一樣的。
Stella: 但是按你前面的講法，公司裡除了老板以外，其他所有人都是supporters.
思宇: 對是的。這就是為什麼我最近發的帖子。裡面我說工作沒有意義。所有的人都是supporter.
思宇: 你只需要去實現別人的目標，就好。
Amy: 思宇，感覺後來還是往strategy.這方面又做的更深。去了美團做strategy product manager.
Amy: 這一個崗位又有什麼不一樣跟一般的pm.有什麼差別?
思宇: 比如說放在抖音這個業務來說的話，抖音的功能產品經理。他負責的去把抖音整個功能做好。就包括，比如說你們看到的點贊，收藏，評論這些功能層面的東西做好。
思宇: 策略產品經理基於這些點贊，收藏跟評論的行為去給你推薦你想看的東西。這叫策略產品經理。
思宇: 他會負責去制定推薦策略。
Stella: 這個聽起來不會是和比如說 Machine Learning或是Data Science Project的PM嗎。
思宇: Very good question.至少目前就我經理的公司來說 Strategy Product Manager和所謂的這個國內對MLE就是那個Machine Learning叫做Algorithm,就是算法工程師， Algorithm Engineer,國內叫這個和他們來說就是互相競爭和合作的關系。
Stella: 競爭是來自於哪裡。
思宇: 你會發現策略產品經理。他會想一些業務做推薦的方向。但人家算法自己也能想，甚至他想完之後他能自己去實施。
思宇: 所以在國內策略產品經理跟算法有的時候是互相在競爭，的在互相卷。
Stella: 策略產品經理的經常合作的stakeholders都是誰啊?
思宇: 他的stakeholder應該就是老板，他的合作方們主要是算法同學，算法工程。你們說的那個machinery engineer就是他們，類似他們。
Stella: 但是這樣聽起來的話你們豈不是很威風?就是你想到了一個idea,你就去找算法工程師說我有這個想法，老板也同意。
Stella: 你快去做。
思宇: 對呀，這不跟工程產品一樣嗎?工程產品不也這樣嗎?就是我想到了一個迭代的方向。
思宇: 只要老板同意那，我們就馬上召集資源開幹都一樣的。他本身是產品經理。只不過分出了，做功能和做策略。
Amy: 我很好奇，這個策略一般都是算法driven嗎，還是有別的手段去做策略?
思宇: 各種手段，你只要能解決問題，就行。
Stella: 你可以給我們一個非常具體的策略的例子嗎?
思宇: 我們舉大標，熟悉的YouTube為例。我不知道YouTube裡面是不是真的分這個公眾產品跟策略產品經理。
思宇: YouTube現在不是有短視頻。短視頻底層的那個tab,那個小入口加上你點進短視頻，進入短視頻部分。
思宇: 之後你會看到各種視頻，從頭像開始到關注到評論。這些小按鈕，這些功能這是公眾產品經理在做那麼。
思宇: 策略產品經理在做什麼呢?他會決定說你一進來，我要給你看什麼，比如說你一進來的第一次刷新我要給你至少準備好10個視頻。
思宇: 這10個視頻裡面，我都要給你準備什麼呢?我可能會給你準備當下最熱的就是the most popular video,最熱的兩個視頻。
思宇: 我還會給你準備三個時下的latest news,就是最新的新聞。我再給你準備兩個，我覺得基於你的話，因為你之前比如你在YouTube然後經常看比如說斯戴拉和Amy的這個portal.
思宇: 你可能對數據很感興趣 ok，那，我給你推薦兩個 Tech company的個人短vlog,這是兩個。
思宇: 還有三個可能就是其他的。我給你插一些。我自己內部本身想要去強推的一些視頻，比如說一些博主他買了短視頻的推廣那我可以，在這三個裡面給你強插三個所謂的為了滿足其他博主的訴求。
思宇: 給你推出三個。這一刷10個視頻你看推出來了這個的設計就是策略產品經理在幹
Stella: 我好像更加的confuse了。我們能不能退一步對於策略產品經理。這條reporting line是什麼樣的?
Stella: 它是在什麼組織裡面，它在什麼org裡面。
思宇: 它就在產品經理的organization裡面，只不過分成了兩分支嘛，一部分做功能，一部分做策略，它也是在產品經理的範疇之下的。
Amy: 那我可以這樣理解，就是，如果去做experimentation,就是做實驗的話，會是策略去做的。
思宇: 對，其實會是策略，功能也可以做，其實做實驗。
思宇: 看你想論證什麼，比如說你想論證一個按鈕，好不好，那肯定是功能上面在做，但是如果你想論證這10刷視頻裡面，我推薦2332這種比例，給你去做推薦的話，是2332更好，還是1414更好，還是3232更好，類似這種，這是人家策略，產品經理要調的。
Amy: 我在想是不是工程產品經理，他是負責把產品component都做好，功能都可以點，然後策略比較像是說我怎麼去present這個product.
Stella: 我覺得，對於我來說，產品經理和策略產品經理的這個區分是非常明顯的。
Stella: 我的主要的困惑是在於策略產品經理和數據之間的差別。比如，說你剛才講說你們策略產品經理會有新的idea,你要拿去給數據的組，給data team讓他們去實現，那你拿過去給他們的是個什麼東西?
Stella: 是一個你的decision是什麼?拿你剛才舉的這個例子來講，你的這個decision,包括你給的這個idea是會具體到說我要推薦什麼內容的視頻?
Stella: 還是說我這10個視頻裡面，我就是要兩個是這個方向，兩個是那個方向?對於我們做data的人來講就是說哎，這個怎麼可能是你不看data就能決定的東西。
思宇: 對對。所以你這個問題特別好。首先，為什麼很多數據分析師最後轉行都轉去測量產品經理就是因為他倆其實是無縫銜接的。
思宇: 我給你們大概分享一下測量產品經理日常的工作流程能解決你們這個問題測量產品經理日常怎麼去做自己的需求呢，或者說怎麼去產生一些idea.
思宇: 他會去分析數據找到當前業務沒做好的地方。比如說他分析數據發現在頭10個視頻用戶可能天然的就更喜歡the latest news.
思宇: 我希望看到今天最新的消息。他發現了這一點。他對一點一定是有一些數據表彰的。他發現了這一點之後他就覺得我是不是在頭10個視頻裡面去多推薦一些所謂的latest news會更好他的idea產生馬上接下來他的第三步就是他會直接去找算法咱們來做一下這個事情然後做實驗。
思宇: 最後他會回收這個實驗結論通過進一步分析發現這個事情真的有收益，真的會對我們的比如說這個retention有影響 OK，這個策略可以被全量上線，可以被推全，可以被roll up.
思宇: 這就是他的pipeline這裡面你會發現前面的那一步分析數據。數據分析師也可以做，但是策略產品經理也可以做，就看誰先做。
Stella: 策略產品經理在美國。這邊好像沒有怎麼見到過。 Amy，你會覺得他跟Product Analytics的scope是一樣的嗎?
Amy: 他這個其實就是在做Growth啦，因為現在Growth也有比較Data Driven的，但他其實是完全比較融入整個Product Org裡面。
Amy: Analysis可能是你的Resources,但是他也有可能在你之前發現這些Insight,但是作為Growth的話，你去做這個Proposal可能是你去說這個口，你去做這個Presentation去說我們要往這個方向做那。
Amy: 我們先試試看你怎麼把那個scope弄到足夠小讓DS或者其他Backend去幫你執行這整個猜想。
Stella: 我有這麼大的困惑是因為我以前做過 Growth Org裡面Data Science Team的Lead這個就和我們基本上是重合的，所以我會覺得可能真的是組織架構的不一樣，但是可能從某一個角度來講，思宇做的其實還是data team的事情。
思宇: 對，其實是的，但只不過你比data team多了一層執行。
思宇: data team只負責提建議，我們不負責落地嘛，我們做數據分析，就是給建議，給suggestion,然後我們給insights,我們不負責說這個東西真的做出來。
思宇: 你，作為一個策略產品經理，你不僅要分析出你未來迭代的方向，你還要給出具體的方案。
Stella: 我的感受就是國內的這些公司，它把這種horizontal的結構真的是做的比較極致，比如說美國Tiger公司可能比較常見的是這種比較更vertical,更embedded的這種模式。
Stella: 它也是負責執行的，只是說我們，比如說product multi factor,我們是負責從ideation一直到執行，他是作為一個product team去完成這整個流程。
Amy: 因為他會直接report,是直接直達天聽說這件事情到底有沒有work,但是Sela之前做growth data science的team,你們會跟top down的decision做那麼緊密嗎?
Amy: 還是比較day to day operation的這種growth operation?
Stella: 我相信每個公司可能情況也不一樣，我當時做growth team的時候也是一個非常新的產品，在早期的階段，所以我們是和高層是蠻緊密的，也會有back and forth,比如說互相對話。
Stella: 不贊同對方的想法，會有這種衝突，但是美國職場一般大家還是比較樂見這種衝突吧，所以倒是還好。
Amy: 思雨。這邊一般是比較top down.這個衝突會有嗎?當數據跟決定是contradictory的時候，要怎麼處理?
思宇: 就是實話說。我們組是沒有數據分析師的，因為有策的產品經理這個確實跟不同的公司不一樣，你，比如說我，現在所在的公司是屬於從基本基礎的這個運營到所謂的產品經理，都知道怎麼做數據分析就是每一個人的能力是相對比較閉環的。
思宇: 所以這種情況下，我們不太需要data science team和data analysis team.我們是不太需要的，可能就是公司跟資本分析師之間不同。
思宇: 所以就不會出現所謂衝突的問題，因為沒有他們他們。
Amy: 就full stack了，很羨慕有這種。每個人都閉環的org特別高。
思宇: 效，這也是我。為什麼選擇策的產品經理這個工作。
Stella: 崗位思宇。現在是目前做strategy product manager.做的是非常滿意的是嗎。
思宇: 對，so far, so good.
Stella: 那，如果是拿你在中國的工作經歷和你在美國的工作經歷比的話，你覺得有很大的不同嗎包括你當時從美國回到中國工作的時候有這種所謂的back cultural shock嗎?
思宇: 感覺還行。就我自己經歷的幾家公司來說他們只是氛圍不太一樣。就我個人的工作壓力而言都還好。
思宇: 大家可能都覺得說美國工作相對輕松，國內工作相對壓力大。但實話說我經歷的國內的幾家公司就是壓力還好。
思宇: 沒出現所謂的996 007.
Stella: 字節沒有字。
思宇: 節很早年。大有時候都取消了。我2023年離開字節的時候。當時是我的工作時長大概是早上10點半到晚上。
思宇: 可能得到9點其實晚上很晚比美國要晚很多，但是就沒有說996這麼誇張。
Stella: 字節在美國真的是以Hours不合理而著稱，但是沒有想到字節在國內。算是Hours還不錯的公司。
思宇: 我覺得它在美國Hours不合理可能有兩方面的原因。一方面是時差問題確實比較嚴重，因為很多你涉及到跟國內的人合作。
思宇: 國內的人也很痛苦。他要跨市區晚上很晚要等美國人開會，甚至早上要早起跟美國人開會。
思宇: 這是一個。第二個原因可能就是因為相比其他的灣區的Tax Company,自己在美國的hour肯定不好。
Stella: 我很好奇，字節的中國員工對待是怎麼看字節的美國員工?因為這個可能做的事情並沒有本質上的差別，但是收入可能是有比較巨大的差別的。
思宇: 我經歷的人，大家沒有時間管這個事兒，本身就是字節給的配飾在國內和國外。
思宇: 都是很有經營力的。
Stella: 字節的中國office和美國office有競爭關系嗎?
思宇: 這個我可能就不太了解了，據我所知，字節內部的競爭關系相對來說比較弱，大家都是貫徹，執行上層的戰略方向。
思宇: 就好，大家都是合作關系，所以內部的競爭關系倒還好，尤其是中美之間的競爭關系倒還好，因為都是合作，就是美國負責一個部分，中國負責一個部分，類似這種。
Stella: 在你看來，中美的科技公司。最大的差別是什麼?
思宇: 這個問題還真是有點大。
Stella: 我們可以細分幾個方向說，我們可以先說科技公司的culture.
思宇: 就我所自己經歷的在culture上相對還比較類似不會去給你設定條條框框相對來說自由一些可能。我是比較幸運。
思宇: 我聽說有一些人在中國會經歷所謂的老板的PUA啊，或者說是一些整個團隊特別卷就整個大環境來說的話國內的culture肯定是更pressure一些的。
Stella: 剛才思雨提到過好幾次在國內的公司是比較top down的這種形式。你會覺得，相對來講你在美國的工作經歷它是跟bottom up的嗎還是都差不多。
思宇: 都是差不多。只要這個互聯網公司是資本驅動，我相信它一定不是bottom up,只能相對bottom up,但一定主要是top.
Stella: down. Amy覺得呢我覺得。
Amy: 看公司的management style差蠻多的。有一些美國公司。它可能也是屬於比較top down可是它只管很大的東西，它不會管太小的東西。
Amy: 自信面你可以有很大的自由。的大方向是對的，就好了。但是也是有些公司它會比較micro management它的top down會到很細，很細的環節。
Stella: 最近看到思雨是有在小紅書上發一篇文章，你有講到說對工作沒有那麼的投入，反而可能會使你在工作當中的狀態會更好。
Stella: 我以前也有類似的感受，就是有時候如果一個人他過於熱愛工作，他很容易take it personal,這個反而不利於工作的推進。
思宇: 是的，是的，我最近有感受到這一點，確實是的。
Stella: 那你是有意識的，因為你還有自己的side gig,你是有意識的會控制自己在比如說full time job上面的時間，精力，投入的嗎?
Stella: 你有自己給自己畫一條線，說，我就是領hours的錢，我只做到這裡。
思宇: 別人給我的事情，尤其在工作上的事情，我還是會努力去做，但是我覺得是在心態上會把自己變得更能明白，工作到底能帶給你什麼。
思宇: 在整個工作的市場上，我不會說減少投入別人給我的事情。如果我硬下來，我一定會好好完成。
思宇: 但是我在心態上你，如果覺得我做的不對，我不像過去那樣那麼的糾結，我會更覺得說有可能是我們互相的站位或者視角不一樣。
思宇: 我們可以解決這個問題都是可以解決的，包括別人去訓斥我的時候，我也會更坦然的接受就是訓就訓唄都是打工的你為什麼要信我的你不也只是一個打工的而已嗎。
思宇: 因為原來的時候我會質疑自己，包括我在自己的時候有時候被老闆噴，我可能會覺得是不是自己不夠優秀，是不是自己還有哪裡做得不好。
思宇: 但後來我發現其實沒有必要。你不需要給自己施加過多的個人價值或者說個人觀念上的一些束縛沒必要。
思宇: 你完成任務，解決問題就好。所以，在心態上，我會更加讓自己平和的能夠面對工作中的很多問題就會讓自己過得很舒服也很快了 工作完成。
思宇: 的效率也會更高， 會更好。
Stella: 少了很多內耗。
思宇: 對 少了很多內耗關。
Stella: 於中美tech公司的差距。中國的tech公司和美國tech公司在競爭思維上的不同。我們剛才錄之前也聊到一個在國內購物的一個經歷就是說，你在國內購物不管是做什麼，你都要去查一下有沒有各種券。
Stella: 可能要在美團上查一查，在大眾點評上查一查。有時候也要去抖音上 小紅書上查一查。
Stella: 就是說，這種競爭好像是比較特別的在美國。我們會比較少見到。
思宇: 我一定要瘋狂的去尋求我個人的安全感。怎麼去追求安全感呢，就是把我這個業務變得非常龐大 Scope,無限的擴大讓自己有應對任何風險的能力。
思宇: 這就是為什麼你會發現國內，但凡一個公司做到最後，他一定會去捲別人的地盤，哪怕這個地盤跟他毫無關系。
思宇: 咱們舉個例子就是滴滴滴滴。你說一個坐打車的你就安心，坐打車多好。他非要去捲買菜。
思宇: 他非要去捲本地生活。比如說像字節我一直不理解字節為什麼一定要做本地生活和外賣?他外賣前兩年做得如火如荼。
思宇: 就是非常快的在擴張，但是後來自己把自己給收縮了外。賣。從去年開始，整個業務目標已經下調到非常多，因為他發現他做不了這個事情是有配送能力的壁壘的他會瘋狂的去捲別人的業務。
思宇: 這就是所謂追求自身的安全感。這一點還挺可怕。大家就覺得說我一定要先把自己過得更富足一點，再去說享受生活。
思宇: 大家就是捲 瘋狂的捲擴大skill, 擴大疆土，讓自己絕對安全一點。這一點跟美國還挺不一樣的，因為美國是屬於就是我顧好自己的一畝三分地。
思宇: 我可以在這個領域做到專精深。我就特別好，特別開心。但是國內不是國內是屬於經常會發生跨行業去捲的。
思宇: 事情。一個做短視頻的。非要去做本地生活。非要去做外賣，非要去做電商近。
Stella: 幾年。大家可能會經常提到一個說做小而美的公司我就覺得這個還蠻難實現的你在中國做小而美的公司。
Stella: 要麼就是直接被摁死在原地，或者是就被大公司給直接買下來。
思宇: 對是的就是很難確實，你很難真的去做小而美這個在國內。我感覺是挺難的背後都是資本的貪婪和人的欲望在支撐。
Stella: 思宇，自己也有一些side gig.你剛才也提到自己有在做一些創業那你創業是屬於小而美的範圍嗎，還是要做比較大規模的?
思宇: 我覺得我應該是屬於小而美。
Stella: 但是你可以給我們介紹一下你的side gig嗎?
思宇: 簡單來講，就是求職服務。這個求職服務可能會分為兩個方向。一個方向是純求職，比如說做面試，輔導，包括簡歷，修改整個這一套的求職配套。
思宇: 這是一種。另外一種就可能類似於有點像career coach.我的經歷相對來說，是屬於很多數據分析師想走的那種路。
思宇: 做career coach的話是相對能給別人提供一個更全的視角。就是我能告訴他不同崗位之間的優缺點都有什麼你可以怎麼選。
思宇: 類似這種就是偏career coach一點。
Amy: 你是怎麼開始做這個?
思宇: 的還在美國的時候。當時有一個求職機構找。我說他們有很多學生像我一樣經歷了所謂的求職的迷茫期，希望我能出來跟他們分享一些經驗。
思宇: 後來我發現這就是美國面向華人群體的求職公司通的套路其實就是找導師，找學生，對接導師跟學生，然後他們從那邊湊成就這麼簡單一個模式嘛，我當時覺得哎，好像還行。
思宇: 我當時求職的時候經歷了很長的過程，包括什麼領英找，refer面試都經歷過。
思宇: 我說哎，這個經歷，如果真的能分享出去，幫助別人，確實是一個好的事情。
思宇: 這可能是starting point,這就是起點。後來做了大概一段時間之後我發現其實這事跟求職機構幹。
思宇: 這個事情其實沒有你想象的那麼美好。他有的時候會控制你。
Amy: 他是不是有招生壓力，就是他需要更多的學生。所以不能把有一些事情講的太現實。
思宇: Exactly,是的，就是這樣。後來我就慢慢退出了求職機構然後我開始自己去做一個理想中的求職機構。
思宇: 我當時比較天真，我當時理想的情況是我就想建立一個平臺，在這個平臺上我希望學生可以自己去挑自己想要的導師，導師也可以去選。
思宇: 我想帶哪一個學。
Stella: 生一個dating app.
思宇: 類似這種就是一個學生跟導師雙向選擇。但是後來發現有點天真，這個事情不太能實現。
思宇: 很難，非常難。就是商業模式的問題就是很難實現。所以當時跟另一個朋友就是一起加入，就一起去做了這個類似的創業。
思宇: 但是後來發現這個事情就是做不成的。再後來我就自己去開一個小公司正好自己去做播主了。
Stella: 你在當時那個求職機構裡面。我方便問一下他收學員的錢和導師拿到的錢和平臺的抽成大概是一個什麼樣的比例。
思宇: 我不太清楚這個機構怎麼樣，但是我可以給你一個比例，因為我在這個行業做的也算比較久。通常來講，如果你給一個導師一個小時在美國是80到120,大概是這個錢。
思宇: 你收學生的錢大概是要翻倍，幾個小時甚至不止。比如說，我們熟知的某一些求職機構嘴臉就不是特別好看了。
思宇: 他在國內面向學生收的錢至少一萬起步，但是呢，他給導師的錢是一個小時大概300到400.
思宇: 他這裡面的利潤空間是非常，非常大的。
Stella: 如果是回到你當時畢業找工作的時候，你自己會去選擇這樣的機構。
思宇: 嗎?我不會，因為太貴了，因為那些機構當時一開口可能就是上萬。
Stella: 美元嗎。
思宇: 人民幣是上萬，在美國的話就是上千刀。上千刀這個價格是我很難支付。得起的再加上，我當時能夠獲取信息的渠道比較多。
思宇: 我自己本身能獲取的信息比較多。這種情況下我找，這種就是機構的需求就不是很大。
Amy: 思宇到現在輔導了多少學員你的學員一般都是在中國，國內找工作的嗎。
思宇: 目前是國內外都有，因為我在國外也工作，大概能有小四五十了。
Stella: 你的這個business都是你自己親自帶嗎?還是你也有招一些其他的導師?
思宇: 我自己親自帶，我做這個小創業的初衷吧，就是我希望把自己最醫術的經驗去分享給別人，不希望在有中間商賺抽成這個事發生。
思宇: 因為之前我去跟朋友合作創業的時候，我接觸過一些導師，我覺得他的水平，實話說，不太行，他的經驗比較受限，所以我現在不考慮找助手什麼的幫我帶，我都是自己親自帶。
Amy: 那是中國的學員比較多還是?
思宇: 主要是中國學員比較多，美國學員的話可能也就佔個20% 30%。美國學員之所以找我是因為他想找國內的實習，包括還有一些美國學員。
思宇: 他找我可能是因為他覺得我的收費會比美國便宜，因為美國本土的國度肯定收美金會更高一點，但是我收人民幣可能相對會低一點。
Amy: 在你輔導的過程中，一般最常見的問題是什麼?
思宇: 看學生類型，如果這個學生本身是來做面試輔導的話，最常見的問題就是為什麼我會掛?
思宇: 這個問題其實很空，很大。你很難回答說為什麼你會掛，因為你被掛的原因有很多種。
思宇: 得一層一層的去分析。說哎，你哪裡可以做得更好。不能說保證下次不會掛，而是下次可以增加過的幾率。
思宇: 這是對這種求職，面試的，這種需求。如果是career coach的話，他最常問的問題是類似於這行業還值得做嗎?
思宇: 這是第一類。第二類是對於自己工作的問題就是我該怎麼樣扭轉我的地位。國內有一些通訊處，數據分析師。
思宇: 他可能偏空氣人。他會想說我到底該怎麼辦才能更讓自己有價值一點。主要會遇到這兩個問題。
Amy: 為什麼我會掛這個問題其實我有時候回答的也很尷尬，因為有時候會掛的。原因是客觀原因就是，例如他考你年紀或者是考你學歷經。
思宇: 驗對的是的有一些不是本人的問題，有一些就是外界的原因。這種情況就是你要鼓勵學生不要內耗，忘掉這件事情。
思宇: 不要把什麼事情都歸到自己身上，因為面試本身就是一個雙向匹配的過程。他不選你，他的損失，你不去那可能是你的幸運。
Amy: 那像年齡，這種硬性的卡關的話，你會怎麼去建議他們去跨過這個門檻?
思宇: 我目前遇到的跟年齡相關的可能只有一個案例就是有一個小姐姐。她可能確實有一點年齡的問題。我會盡量告訴她，首先，年齡這個事情已經改變不了了。
思宇: 她就這樣了。其次，我會告訴她說你要在這個面試的過程體現出你這個年齡所獨有的成熟和經驗，因為這個東西是年輕人不具備的。
思宇: 你要告訴她我長這麼大，不是白長的。我要告訴你我這個年紀，我獨有我自己的一份閱歷，經驗和能力，知識和儲備。
思宇: 你要把這個東西展現出來，就是你要展現出自己的優勢或者我覺得這不是一個劣勢，這只是別人給你加的劣勢。
思宇: 你要很自信的告訴她我有這個年齡，但是，因為我長到這兒了，我有這方面經驗的積澱。
思宇: 所以我會這樣鼓勵他也只是鼓勵而已，但實際上在年齡這兒確實也沒有更好的辦法。
思宇: 你只能，在情緒上，給他一些鼓勵和支持。
Stella: 那我們說到這裡。國內職場對於年齡的歧視現在依然是存在的嗎?
思宇: 我不知道別家公司怎麼樣我目前經歷的這兩家公司好像還行。沒有人明面上把年齡這個事保下，甚至在實際的工作中合作的同學裡面很多都已經35家了。
Stella: 我剛才聽到思宇說35家了依然在工作。我又被刺中一下我在想說35家不工作。
思宇: 幹。
Stella: 什麼。
思宇: 他就應該工作，而且到35應該是一個人又一個巔峰期，因為我覺得工作5年可能是一個坎，就是你過去的經驗的極大成功。
思宇: 你工作5年之後開始釋放出來。工作到35的時候又是一個坎兒，因為那個時候你會發現你不僅有工作經驗，你還有人生閱歷，你還有各種其他東西，那個時候可能就是另一個你爆發的時代，所以我覺得那個年齡是一個很好的年紀。
Amy: 思宇，你輔導的有很多。是New Grad嗎?
思宇: 一半，一半吧。那。
Amy: 中國畢業的New Grad跟美國畢業的，或外國畢業的，你覺得有什麼差別?他們的心態有什麼?
Amy: 不太一樣?
思宇: 心態上，中國學生確實更卷一點。我帶的New Grad起步兩三段實習，而且還覺得自己不夠，天天問我，思宇，你覺得我要不要再去一段實習?
思宇: 我說真的夠了，比美國畢業的New Grad確實更aggressive一些。
Stella: 有這麼多實習機會給每個人做兩三段嗎?
思宇: 這些實習機會是很多的。就是公司還是對實習生的需求還是挺旺盛的，就是看你願不願意找，有沒有渠道找。
Amy: 公司對實習生的需求很壯盛，
Stella: 我也有點驚訝。
思宇: 就是有一些雜活嘛，全職的。你讓全職的做，RY太低的。
思宇: 你就讓實習生去做，很多公司是這樣的，國內的。
Stella: 那你不還要帶實習生，嗎?
思宇: 稍微帶一帶就可以。
Amy: 這一點倒是跟美國還蠻不一樣的，因為美國實習，對。
思宇: 對，就是你說的美國實習生應該是屬於他找一個實習生是想把他培養成full time的。
Amy: 哦，明白，所以中國國內實習生來，他就是來幹活，然後也不一定會留下來，大部分不會留下來。
思宇: 對對對對對，中國實習生分兩類，一類是full time的實習生，他是先發一個full time offer,讓這個學生來提前實習，適應一下，這是一類。
思宇: 另外一類就是日常的實習，daily intern,他可能就沒有留用機會，但是你，如果想來，他就會來。
思宇: 我這兒恰好有活需要你幫我做。你可以來。分成兩種。
Stella: 這個daily的實習是類似於一個小時工的概念。
思宇: 嗯，一定要說這麼難聽的話。這個倒沒什麼避諱，就是小黑工。
Stella: 因為你說daily嘛我理解的實習一般是說比如說我就聘你做三個月的實習，就暑期啊或什麼之類。
Stella: 的 daily的這個概念是指
思宇: 也是三個月，比如說，給你籤一個三個月或六個月的合同，但中間你可能想賭隨時就走了這裡面互聯網的實習生還好。
思宇: 互聯網的實習生是薪資最高的你。如果去證券不止沒有留用機會也沒有工資有一次我加班給他們寫證券分析報告。
思宇: 最後寫出一個稿子凌晨4點，早上8點我當時的那個mentor起來，之後給我發了一個20塊錢的紅包說辛苦了所以。
Amy: 科技行業至少都有pay.
思宇: pay很高。一天大概在150到250之間是很高的。你想150到250的話在北京你的一日三餐?
思宇: 首先一日三餐，公司會管你。然後這250你自己拿出來。你可以幹很多事情了已經。
Amy: 只要付房租。
思宇: 嗯，付房租然後你自己出去玩。這些都夠了。上下班打車都足夠了。
Amy: 在你接觸的學員裡面，你覺得有多少人是奔著這個行業紅利來的，因為現在我不知道還算，不算有行業紅利了。
思宇: 你像我接觸的很多學生。他找工作不是說真的奔著紅利行業，因為他們也知道就是行業紅利已經不存在了。
思宇: 他們更多是為什麼會選這個行業。是因為他自己本身的過往的經歷，或者說主要是學歷。這一塊他就很匹配。
思宇: 數據分析比如。他學統計的學，所謂天商科的包括學類似於一些統計學專門學data science的學了這個崗位他本身找BA和DA還有DS的工作就很對口。
Stella: 思宇，你這個輔導的，這個service,它是主要針對data analytics,主要是跟data相關。
思宇: 主要是data,因為這個東西是我最擅長。
Amy: 那有多少人你覺得是喜歡這個行業才想要入這個行業的?因為他可能本來的精力學力是比較適合往這裡發展的，但他喜歡嗎?
思宇: 我帶的學生中，可能也就10%左右是真的很喜歡。他會很堅定的跟我說，可能我在的一些學生他是屬於半路轉行，我會問他，我說你為什麼一定要走數據分析?
思宇: 然後我會跟他說數據分析的不好，就是我是會勸退學生的。然後有的人會很堅定的告訴我說我確實就是喜歡我就不想幹我之前的工作。
思宇: 我就是喜歡想往下一個方向走。這種情況下我也會接受。如果你真的很堅定我也願意嘗試。我們一起奮著一塊努力，但是這樣的可能不超過10%，可能也就幾個剩下。
思宇: 大部分是屬於因為更合適。所以選這條路。
Amy: data行業。網上可以找到很多免費的學習資料。如果你自己願意，你也可以在網上networking為什麼還是很多人願意付這個錢?
Amy: 你覺得核心價值是什麼?
思宇: 網上的很多資料。它能解決一些確定性的問題。免費資料我們能看到，比如說練C code,練Python,練A,B test。
思宇: 包括一些具體的給你一些面筋的一些練習題能解決一些確定性的問題。實際的面試中，你遇到的很多是不確定性的問題。
思宇: 比如說你遇到的就類似於他直接讓你去講項目就講你過往的經歷那這個經歷你要怎麼展開去講你要以什麼樣的方式去講你怎麼樣既能把這個項目講清楚同時又能展現你很match這個崗位。
思宇: 這是需要一定的練習和一定的積澱和一定的技巧。這個東西很重要。這東西網上的免費資料是教不了你的第二層我覺得可能更重要就是本身求職。
思宇: 這件事情，相對來說，是一件挺痛苦的事情。你要面臨著從學生向社會人的轉變。
思宇: 中間的過程是很痛苦的。所以很多情況下大家是希望有人能夠在這個旁邊給他一些鼓勵和支持。
Stella: 因為思宇自己也是tech行業的嘛。 tech行業就很講scalability.如果只是自己去一對一的帶學生的話這個是不能scale的。
Stella: 你有這方面考慮嗎?
思宇: 我做這個副業一開始，就沒有想scalability,我只去追求在我的能力範圍之內，我能影響多少，就影響多少。
思宇: 從一開始做這個方向，我就沒有想要去把它擴大，因為擴大的話，這個東西一定會變質的。
思宇: 我會希望招一個跟我一樣的人，但我發現我招不到。
Stella: 如果說不追求scalability的話，你覺得做這件事情給你帶來的utility.是什麼?
思宇: 對我來說是一種影響力的擴大。另一方面就是對別人有價值吧。我覺得這個還挺重要，因為我挺喜歡去幫助別人的，這可能就是帶給我的一些成就感。
Amy: 我很好奇你怎麼能找到時間做這些事情?
思宇: 關鍵時間分兩層，第一層，你要有充足的時間，第二點是你要想辦法去劃定好你每一段時間的優先級，去做好這個時間該做的事情。
思宇: 第一個問題，怎麼去保證充足的時間，就是早起，晚睡。
Stella: 你每天睡多少我。
思宇: 現在每一天，晚上是1點半睡覺，早上大概6點半到7點就會醒，就會起來。
思宇: 要麼去健身房，要麼起來做飯工作。
Stella: 好自律，的人生。
思宇: 啊，大概是這個hours.你像早上7到8點半吧出門去上班。這段時間這段時間對我來說是非常重要的做自己事情的。
思宇: 比如說，我會早上去寫一些小紅書的稿子，包括甚至去回復一些學生的問題幫他們去做一些簡單的面試復盤。
思宇: 你可以用這段時間做自己的事情。一旦踏上出門的工作那你這全天肯定就是你要努力的工作嘛解決老板的問題晚上回來之後，你在這段時間你可以繼續去做你自己想做的一些事情。
Stella: 你現在一般幾點能下班啊。
思宇: 正常應該是晚上7點8點都可以下班到家，基本上八九點後面還有兩個半小時的時間。
思宇: 可以交給我自己支配。
Stella: 你晚上八九點鍾回家。剩下的兩個多小時。你會怎麼支配呢?
思宇: 一般。要麼就是寫小紅書稿子，要麼就是帶學生給學生上課。
Stella: 你的人生裡面。是不是沒有躺在沙發上刷手機?這件事情。
思宇: 還是有的。有的時候早起，你比如說6點半你醒了。你，如果實在不想起，那就給自己一個休閒的時間。
思宇: 刷刷小紅書平時周六日的時候我會給自己安排打球，我打網球，包括做一些其他運動還是有的就像我說的，如果你第一點具備的就是你有很充足的時間，你很多時間都可以幹。
Stella: 好健康。
Amy: 感覺是把其他很多休閒時間把它拿出來做這個副業。對，不對?
思宇: 我也不知道，我休閒應該去幹什麼，我不太喜歡打遊戲這樣的話，你的休閒時間你還能幹什麼。
思宇: 我也不喜歡去買買，買，逛逛逛。我的休閒時間，那就不如做點副業，擴充一下自己的人生的邊界，增加一些價值感。
Stella: 我覺得我每天花在發呆上的時間都挺長的。怎麼會沒有休閒的項目呢?
思宇: 可能我還沒找到。
Stella: 思宇，在剛開始聊的時候有提到說自己以後還是想去創業。你現在做的這個副業就是你要創業的方向嗎。
思宇: 不太一樣，真的要創業的話，你一定會強調scalability.我目前的這個方向肯定不會是我創業的方向。
思宇: 這個方向可能最多是我去實現一些行業影響力和實現一些幫助別人，這種價值感，這個方向將來創業，我應該會選一個新的方向去做。
Stella: 那你現在對自己今後創業的方向有一些想法嗎?
思宇: 在找很難這個其實你要好，好的篩選。我的人生終極理想就是我希望當我自己有一天不缺錢的時候我可以開一家小飯館。
思宇: 這家飯館呢每一天只做兩三桌菜。接受提前預定，我去給他們做完菜之後，如果客人們開心的話，我還可以跟客人們一起喝兩杯。
思宇: 這是我最終極的人生理想。我也比較喜歡喝酒。所以就是有這樣的一個想法，有這樣的一個理想。
Stella: 內蒙人的基因。
思宇: 有可能我們。
Stella: 在小紅書上或者是YouTube上其實都能看到很多 data這個方向的career coach或者是簡歷輔導的博主，你覺得這個行業目前的狀態是怎麼樣的你是如何看待你的這些同行或者是競爭者的呢?
思宇: 我覺得這個行業的狀態相對還算是一個挺。
Stella: 那現在算是一個紅海了嗎?
思宇: 肯定算是紅海。各種數據分析播出很多包括還有一些假的天天發面經然後什麼什麼數據分析只要會背就可以了。
思宇: 姐妹們發現了一個新的藍海行業。大家衝啊什麼月入1萬，不是嗎就類似這種，這種廣告都已經被機構盯上了那說明一定是紅海。
思宇: 但是我覺得這個行業相對來說還算是正常。還沒有出現太過激情的競爭啊或者怎麼樣就大家也沒有互相搶地盤或者怎麼就是大家只守住自己的那個一畝，三分地然後去做自己的事情。
思宇: 說到這個differentiator.我覺得我跟別人最大的不同可能是我會好的，壞的都輸就是這個行業正向的一點我會告訴大家。
思宇: 但反向的我也一定會說我會更盡量客觀一些。我從來不鼓勵別人轉數據分析。但凡來找我的學生，如果說他真的是明確了他自己想求知數據分析這個方向，我會說可以，沒問題，咱們合作，我可以幫你。
思宇: 但如果是那種比如類似於他想轉行從各種其他跟數據分析不太相關的方向去轉行，我一定會勸退他。
Stella: 思宇，現在已經是沒有在做data analyst這。
思宇: 一行對， 是的，但是。
Stella: 你自己的工作還是會接觸到很多data,包括你一起合作的也有很多data analyst.
Stella: 大家用 Large language model幫助自己工作多嗎。
思宇: 有逐漸增多的趨勢，因為我最近也在嘗試因為本身AI確實已經火起來了並且它可能確實未來會深刻的對人類產生一些變革。
思宇: 所以我最近在嘗試在我的副業中，或者包括在我工作中，去用AI去解決一些問題然後我發現它確實是能解決很多問題的，包括一些簡單的數據分析。
思宇: 它有逐漸增多的趨勢並且比重會越來越大。
Amy: 你是用什麼模型?
思宇: 工作中的話主要用我們公司自己會有一個這個模型底層應該也是Chad JPC的模型。在我自己的副業中的話是兩個。
思宇: 一個是Chad JPC本身。這是一個。另外一個就是字節新出的豆包。它不是最近發布了大模型豆包那個很好用前。
Stella: 面已經聊到你對DA這一行可能本身就已經不是很看，好了，那再加上現在Generative AI或者是LLM的衝擊更加的悲觀嗎。
思宇: 我沒有不太看好數據分析這個方向，因為甚至我覺得對於應屆生來說，如果他能做一份數據分析的工作，其實還挺好的數據分析本身。
思宇: 這個崗位是很綜合的。你會發現他跟pm一樣他是很綜合的一個崗位。有點像當年我們說的學好數理化走遍天下都不怕的那種感覺就你做完數據分析。
思宇: 你轉任何方向，你發現都很好轉關於AI對所謂數據分析的衝擊我覺得在衝擊之後就是肯定會有陣痛。
思宇: 陣痛之後應該是一個兩方互相結合和互相放大，因為本身這個東西就看誰用和怎麼用。
思宇: 如果你用它去幫你，你讓它成為你的一個assistant去解決問題，你會發現它非常好用，讓他去幫你去做一些基礎的簡單機械的論證啊，取數啊。
思宇: 這種工作，它對你來說是一種加成。它會極大的釋放你的人力，讓你有更多的時間和精力聚焦在更重要的事情上。
Amy: 思雨。最後有什麼想要問我們兩個人嗎?
思宇: 我這邊主要也是對AI比較感興趣，所以我挺好奇，比如說，像我現在對AI的使用狀態是屬於，就是開始逐漸接觸去用AI,在我的工作中，去讓AI成為我的一個助手怎麼樣能夠更深入的接觸到這個行業，從哪些方面可以切入去理解這個行業的一些事情，包括甚至可能未來的一些轉型啊，或者說工作啊，或者說創業去做好這方面的準備。
Stella: 你是想知道如何獲取信息，還是如何與AI這個領域的人network.
思宇: 這兩個都挺重要的，獲取信息和network.其實都很重要。
Stella: 我是怕我和Amy給你的答案可能會對於你不是特別的適用，因為我對國內的AI的 community也是完全不了解。
思宇: 沒關系，可以一些不同的視角，也許會有幫助。
Amy: 那比較從應用層面的視角吧，就是現在感覺做數據分析或者你做策略產品的。經理，你可能要把AI放到你的工作流裡面。
Amy: 工作流可能會 integration 要更緊密一點。不是說，你現在有一個東西然後你就去問文心議員或者問 chatGBT看這個東西怎麼解然後還在 copy paste還有很多 post processing.
Amy: 但是我發現接下來會越來越多 tool 去把這些東西流程化，所以它會變得越來越快。你能夠把東西串起來，串到你的工作裡面。
Amy: 它 repeatable,能夠把這個東西流程化。的工具會變得很重要作為使用者就是你怎麼比別人更快的去發現這些工具，學會用它，不管是數據分析還是數據科學，做模型。
Amy: 最後還是一個 adoption 的問題。
Stella: 我有一個可能更淺層一點的建議是如果你是要結合你現在的 strategy product manager的角色的話，還是要多去嘗試不同的工具。
Stella: 每一個做AI的人在剛開始接觸AI的時候，我認為都會經歷一個從剛開始的被overwhelm,再慢慢的underwhelm,再變成一個比較正常的一個expectation。
Stella: 所以，我覺得你肯定是要通過多使用才能去調整自己的預期，對這些新工具的預期，以及你，如果是要在你的公司，在你的組織裡面去推行AI的話，這個AI literacy,就和以前我們講的data literacy是一個道理，可能是你要讓大家都多去接觸，跟你一樣去經歷一個調整。
Stella: 預期的過程，你在之後真正做到應用層面才會更容易。
思宇: 一些。嗯，嗯，明白。
思宇: 我覺得這個建議很好。還是多用，用熟了。之後可能形成自己跟他一個比較好的合作模式。
Stella: 在fear和hype之間找到一個可能比較真實的，一個感受吧。
Amy: 從產品開發的角度下，我覺得可能AI在產品裡面應用還不是非常的明確。所以你去試很多產品，但很多他的idea是不會work的。
Amy: 他現在就是在一個實驗的階段，雖然蠻好玩的，可是就是要花時間去試很多東西。這個就比較累，不太確定你是對的還是錯的那今天謝謝思宇來跟我們聊天，給我們了解一下中國的數據分析的就業情況還有很多他的insight.
Amy: 如果大家有興趣，也可以去關注思宇的小紅書。他有寫很多對數據分析行業的一些想法跟洞見。
Amy: 我們也會分享在我們的節目裡面。大家拜拜。
Stella: 大家拜拜。
思宇: 拜拜。
思宇: 謝謝觀看。