傅曉(Aileen Fu)是NUS商學院工商管理本科畢業生。大學期間，她主修會計和金融。大四期間，傅曉獲得進入「四大」德勤的實習機會，2018年商學院畢業後，她順利加入德勤，從事風控分析。2020年，她加入大華銀行，繼續運用專業的數據分析能力，成為一名數據分析師。
畢業三年時間，從四大到銀行，兩份令人稱羨的工作，從事的還是自己最熟悉且擅長的數據分析工作，傅曉如何看待自己的職業發展？新國大商學院的知識積累為她提供了哪些優勢？
傅曉與母校NUSBIZ進行了一次對話，分享個人的讀書和工作體驗。
校友簡介
Aileen Fu | 傅曉
大華銀行(新加坡)
人工智慧、自動化、數據分析經理
新加坡國立大學商學院
工商管理(會計及金融)BBA2018屆
1 從「四大」到銀行
Q1 在大華銀行擔任數據分析師，你現在的工作日常是怎樣的？
傅曉：我在大華銀行主要從事合規和數據分析工作。合規方面主要是管控與銀行相關的反洗錢風險和反恐融資風險(AML/CFT)。在調查期間，我們需要利用數據分析和金融知識來分析犯罪分子如何轉移資金。
我的工作時間通常是朝九晚六，除非遇上特殊情況需要我和團隊緊急處理。
在工作中我們主要使用SQL、R語言、Power BI(微軟一款數據分析工具)和Qlik Sense(新一代自助式數據可視化工具)製作數據儀錶盤，當然有時候也少不了用Excel。
Q2 在你看來，具備哪些能力在工作中會更有價值？
傅曉：構建人脈的能力——知道如何給人留下深刻的印象，並且展示自己。這一點其實是我進入德勤風險分析部門獲得實習機會的關鍵。
此外，能夠與人合作也是一項重要能力，這也是我在NUS商學院所學到的，很感謝母校。比如，在一些課程模塊中，你無法選擇隊友，所以必須學習如何與不同的人合作。這對於我現在的工作很有幫助，因為我經常要與跨職能、跨部門的同事一起工作。
Q3 當年在德勤實習，畢業後獲得全職的工作offer。能否分享一下你的實習經驗，以及這段經驗是如何為你鋪墊後續職業發展的？
傅曉：剛進入德勤風險分析部門實習時，我還是一名數據分析領域的新手，但我還想試一試，為此還特別向學校申請了休學假。正是這次實習讓我發掘了自己對數據分析的熱愛，從而走上了現在的職業道路。
在這一點上，我想鼓勵大家要大膽選擇一份自己感興趣的工作，不要做那種看似更安全的後備選擇。
實習大多不要求工作經驗，但最好通過相關課程獲取一些背景知識。一定要抓住一切機會學習新知！當然，也不要貿然選擇不感興趣的工作。
Q4 為什麼會加入大華銀行？
傅曉：進入大華銀行之前，我曾在德勤實習，並獲得了德勤風險分析的全職工作。風險分析涉及非常廣泛的領域，包含信用風險、市場風險和內部控制風險等，我們團隊負責管理涉及數據分析的相關風險。
在德勤，風險分析部門更偏向諮詢服務，這讓我對風險管理有了更深入的了解，我還參與了德勤諮詢項目的開發和實施。
在德勤兩年後，我確定了自己希望精進的領域以及需要進一步提升的技能。因此我選擇進入大華銀行，在銀行內部系統學習，進一步擴展在金融犯罪和數據分析綜合領域的知識。
2 金融背景轉型數據分析
Q5 對目前的工作，你最喜歡哪個部分？
傅曉：我非常熱愛數據分析工作。工作能讓我樂在其中，也能夠讓我深化自己在技術和商業領域的知識。
我並非計算機科學或統計學專業出身，所以在工作中能夠從同事那裡學到很多IT和軟體開發的知識。同時，我也可以貢獻自己在商業和金融方面的觀點，這是我的專業領域。
Q6 從會計、金融專業向數據分析轉型，你有沒有遇到挑戰？
傅曉：一開始，我覺得自己所學專業和數據分析相去甚遠，但後來隨著我接觸到的項目越來越多，我也越來越感到適應。
程式語言的結構大多相同——大多數語言都有「for」循環或「if-else」條件判斷句，他們只是語法不同，實際上都很相似。
不同的人學習方式也不同，有些人喜歡上網課，有些人喜歡在工作中、從同事身上學習，我屬於後者。
當遇到一段代碼時，我會試著去理解它、了解它如何運行，碰到問題或錯誤時，也會去谷歌上搜尋答案。
我認識的大多數程式設計師都會在瀏覽器上打開一個谷歌主頁的標籤，以便出現問題時進行故障排除。可見，善用網絡搜索也是一項重要技能。
3 轉型、入行，小提示
Q7 如果給希望從事數據分析這一行的同齡人一些建議，你覺得哪些能力比較重要？
傅曉：如果對這一行感興趣，我建議先去實習。
實習期間，經常問自己一些重要的問題——如何增加價值和優化流程？例如，給你一個Excel表格，讓你合併某些數據，你是否會選擇手動計算?那麼以後遇到同樣的任務還要再重複嗎?如果是這樣，就有必要簡化這個過程，避免重複。
概念驗證也非常重要，因為它提供了實踐經驗和磨練技能的機會。
Q8 關於行業的未來機遇和挑戰，你有什麼看法？
傅曉：未來，數據分析師很有可能會被淘汰，只要設計出自動運行的數據分析軟體，今後就能一勞永逸。
當前，數據清理對數據分析很重要，但隨著數據輸入質量的提高，今後它的工作量有望減少。數據分析師角色可能會朝著高級分析和數據科學方向發展，比如機器學習(ML)和人工智慧(AI)，這些領域仍需人工團隊來構建模型，並確定輸入模型的數據。
對於剛接觸編程和程式語言的人來說，第一步仍是學習基礎分析，思考怎樣利用它來改善日常分析流程。與此同時也要跟進最新趨勢，未來的數據分析將會超越SQL或儀錶板，即使如此，我也仍然需要向同行學習。
文章英文版首發於新加坡國立大學商學院官網BizBeat
原文標題為Alumni Spotlight Stories: Aileen Fu
