这个青年的经历，只代表他个人，没有任何群体的意义。

想启蒙至今，我的学习重心从文史哲转到经济学，最后以软件工程收场；在行业方面，在一家软件公司实习了一年多，找工作以药厂收场——用一个朋友的话讲，“背景是复杂得一塌糊涂”。虽然我常以“学一行，爱一行；做一行，爱一行”自勉，有时也不免回首，想想以前经历过的所有分岔口，玩味些那些没有走过的路，无论当时我多么坚决或者犹豫，一条路被选中，然后一路曲折至今。很多事情，很多选择，可能只有以后才能适合评说，现在我选择把它们记下来，在这么一个时点，我就要毕业，我有一个安身立命的去处，我有规划，但我不知道以后生活会给我什么样的分岔口，就跟我以前遭遇的一样。

           

本科，经济学，北京工商大学

本科我在北京工商大学念经济学。第一志愿是北大中文系，算是我人生第一个遗憾吧。大一我还准备过一段时间，要考北大哲学系的研究生。现在还偶尔胡思乱想，我的气质和兴趣，在文科方面，说不准会有更大的发展呢。

大一时几乎以每天一本书的速度，想掏空学校图书馆人文社科类的好书——那时评判好书的标准也足够简单，一是成书久远，二就是来自大社。不过到大二，对念经济学的兴趣，就比较坚定了。那时开始到北大中国经济研究中心(CCER)听课，CCER当时是中国所有经济学学子向往的地方。现我在北大读研究生，说起来，在北大校园停留的时间，还真没有本科时多。我学校在航天桥，到北大有近二十里的路，大二和大三两年，几乎每周都骑车过去，一周大概两三天。

大学时有印象的，是在位于白石桥的国家图书馆停留过不少时间，很多时候是跟女朋友一起，她在人大念中文。学校图书馆藏书比较少，里面几乎每一本社科类新书的书皮我都翻过。泡国图，我的成就是，把它的两个阅览室——一楼的社科室和六楼的文学室——所有的书皮也都摸过一遍。现在在书店，我也是喜欢在书架中穿梭，手指在书脊上一本本划过，感兴趣的就抽出来翻翻。——我现在对北大图书馆的挖掘，相比功夫下得不足。

大学时自己比较浮躁。我知道自己所处的环境不够好，也积极向最好的地方靠拢，比如坚持去CCER听课。但心里很多东西，都割舍不下，像对文史哲等的喜好，贪多务得，细大不捐，花的时间不会比经济学少。我爱好很广泛，但感兴趣的，可能并不是自己所擅长的——这个我到后来才慢慢体会到，不过已经付出了很多的时间和精力。考研我就一心冲着北大中国经济研究中心(CCER)，两次都被拒掉。这对我触动很大，很长一段时间我都在想，自己到底适合做什么。

后来我又申请北大的深圳商学院以及软件与微电子学院。继续读商学院，可以延续我在经济学方面的训练，可是这方面，我已经有所怀疑。读软院，会是一个全新的开始，在技术方面会有所提升，而且其中的金融信息工程专业，还可以与我以前的教育背景交叉，但风险是，我一个文科生，在技术领域，到底能够走多远，这个选择会不会只是一个折腾？

这两个选择，几乎没有可比性，不可能精确地估计出它们的利弊。有时我想，（像这样比较困难的）决策不是“全面地”做出来的，而（可能）是“偏颇地”做出来的。综合考虑各种因素，你无法得出一个让自己信服的方案：考虑这个因素，我会继续读经济学，但考虑到另一个因素，读软件工程可能就是很好的选择。商学院还是软件学院？把它们各自的利弊摆在一起，我真是不好抉择。最后选择软院，真的是“偏颇”地做出选择的，不是因为我考虑到软院对对我更好，而是因为，我就一个劲想着我读软院对我知识体系带来的提升，我在技术领域可能的突破——这些也让我激动不已。商学院也很好，不过就是另一番景象了——我心里又在默念弗罗斯特的《未走过的路》。我偶尔想那些为走过的路，不是因为我后悔现在走的路，而是因为，这人生的种种可能，玩味起来，感触就深。

我本科的知识积累，对研究生的课程，有用的是，数学和统计学，还有金融学的基础知识。可能最重要的是，我对很多科目都感兴趣，虽然没接触过，但我不排斥计算机的相关课程。

研究生，软件工程，北京大学

2006年9月开始了我的软院求学历程。第一个挑战是：我该如何在软院生存下去？我本科背景，计算机的底子只是会操作计算机。第一堂Java课上，如何设置和为什么要设置环境变量就让我困扰不已。我人生第一个”Hello World”，也是手慌脚乱好几次才出来的。

我一边在开始学Java和C++，但心里也清楚，在这块，我很难赶上我身边已经有四年科班训练的同学。研一上学期有一门课让我看到了些曙光，万事达卡组织(MasterCard)的一位资深顾问冯慧博士给我们开信用评分课。申请贷款时，比如，申请信用卡（透支，可以看作是贷款），我们需要填上自己的各种信息。简单地说，信用评分技术就是利用这些申请资料和其他信息，通过各种数学与统计模型，对申请人的风险状况赋予一定的分数，以区别出哪些是好客户，哪些是坏客户。在金融领域，数据量都是非常庞大的，信用评分就是这么一个计算量密集的技术。在信用评分领域，一个标准语言就是SAS，一门解释性语言——有金融，有计算，这是我感兴趣的。

这门课我学得很认真，查看了不少资料，并写了不少信用评分技术相关的读书笔记与同学分享。另外就是自学SAS，它的语法结构类似C。虽然SAS跟Java/C++一样，我都是第一次接触，但我学习SAS的劲头和主动性就高多了。信用评分建模需要用到大量的数据挖掘算法，但我们金融信息工程系没有相关的课程。研一下学期，我就去语言信息工程系修了一门理论性较强的课程，《机器学习》，主要的应用背景是自然语言处理。那个课堂上，我大概是唯一的外系生。这门课我修得比较苦，成绩也不是很理想，就是及格那种。不过有了这门课的底子，接下来我修应用性的课程《数据挖掘与CRM》就轻松多了。

SAS在数据挖掘领域也是行业标准，对它的学习，也是一直没有断。同时我还花时间学习Java和C++，毕竟要拿的是软件工程的学位，不过掌握程度，自是比不上SAS。

这个时候我开始写跟SAS编程与数据挖掘相关的技术博客，记录我学习过程中的点点滴滴。很高兴有些朋友喜欢我的技术博客，有时候认识些新朋友，他提一句：我看过你的SAS博客，就觉得非常亲切。我还开始关注国内SAS相关的论坛（mysas.net、sasor.feoh.net等），又订阅了全球SAS用户最活跃的邮件列表SAS-L,偶尔也会加入讨论，尽量让自己往这个群体靠拢。从中结识不少志同道合的朋友，是非常愉快的一件事情。

通过网络认识了人大经济论坛的SAS版主朱杰，他是上海师范大学的一位青年教师，在培养学生学习SAS方面是不遗余力。一次聊天，他说，你喜欢SAS，又有金融背景，为什么不去直接跟清华金融系的朱世武老师学呢。于是，朱杰把我介绍给朱老师，我开始在清华旁听朱老师的SAS与金融计算的相关课程。

朱老师是几本SAS与金融计算相关书籍的作者，有统计学和金融工程的专业背景。朱老师说他用SAS几十年，什么工作都用SAS完成。通过课程学习和与朱老师的私下交流，当时自觉自己的SAS功底精进不少。

2007年我开始在学校主持北大SAS俱乐部，它是北大应用统计研究会下属的专业社团，也是国内高校第一个SAS社团，聚集了很多北大和周边高校SAS爱好者。我们通过培训、讲座等活动提高会员的SAS编程技能，促进会员与企业专家的沟通。另外，作为第一批会员，我还参加了“SAS用户与爱好者俱乐部”，它是一个SAS中国用户交流的非商业性组织，并致力于打造成一个SAS中国的user group。SAS在国内还不是很流行，能够投身于SAS推广的活动当中，心情是充满了自豪感。

拓展：SAS、统计学、数据挖掘、商务智能(BI)

在更为广泛的意义上，数据挖掘是商务智能(Business Intelligence, BI)的一个分支。BI行业的主要厂商是SAP、Oracle、IBM、Microsoft、SAS等。通过对SAS的了解，我对这整个行业也感兴趣起来，参加了国内一些活跃BI社区的线上线下交流活动，比如TTNN、Bicubes、Bihuman等，从中结识很多业界的朋友。另外，我还加入了国内高校里最活跃的统计社区，“统计之都”（cos.name），并成为活跃作者之一。

学习技能，我从自己学习SAS、数据挖掘和统计学的经验中，可以总结几条：

学习期间，有任何问题，首先不要想着去论坛发问，教科书或Google能解决你大部分问题。或者干脆找到一个懂行的人，直接去问。人要爱惜自己的羽毛，在论坛问一些傻瓜问题，会损害你在社区的名誉。自己解决问题，会让自己变得更强壮。

还有就是不要过于积极地去网上找学习资料。资料太多，人生太短，对大部分人来说，需要的几本书，国内都有引进，找一本搁案头翻阅就是。几本难得的电子书，赶紧打印了出来，从此不再网上瞎整。以前我把硬盘塞满时，突然警惕。疯狂收集电子书自有乐趣，你会沉浸在这种乐趣之中，而忽略真正有用的东西和真正要做的事情。

最后多认识几位专业相关的朋友，让自己时刻清醒，自己还是这个领域的门外汉，以保持必要的谦逊。

实习，SAS中国研发中心

2007年年底，一次BI社区的线下聚会，我认识了一位在SAS中国研发中心工作的朋友。我向他问了很多关于SAS产品以及SAS公司的问题，聊得很愉快。一直向往SAS公司，没想到它离我也可以这么近。回来就想，为什么不尝试一下直接体验一下SAS公司呢？于是我就向SAS中国研发中心发了一封应聘实习生的求职信，很快得到回复。

面试官是SAS中国研发中心的总经理Alfred，他简单介绍了下自己就说我们来聊聊。接下来的时间，开始我在讲，讲自己的一些背景，尤其是学习SAS的经历，以及对SAS公司的关注和了解，然后是一些互动，Alfred介绍下公司以及中国研发中心的状况。最后Alfred问我C++学得怎么样。这个只好老实说我只是一个初学者。

整个过程很轻松，不像一般面试常有的challenge。我喜欢这样的氛围，或者向往这样的氛围，我们都是成年人，我们都是professional，气氛就应该是平等宽容轻松愉快的。

SAS是一家私人公司(private)，是全球商务智能与分析领域的领袖。在美国，有一句话：“如果你掌握了SAS编程，你将不愁失去工作。”SAS的专长在于数据整理和数据分析，包括统计分析、数据挖掘、预测建模、决策分析等。SAS程序员在国外，是跟C/C++程序员、Java程序员等并立的工种，市场需求比较大，尤其是医药行业、政府部门、金融机构等。我在那一年，几乎是全职状态。第一次开通自己的工作邮箱，真的可以算是自己学生生涯的一个分水岭：你要拿更稳健的做事方式要求自己，就跟自己的同事一样。我参与的是SAS信用评分解决方案的客户化测试项目——信用评分、数据挖掘，也正是我所感兴趣的。

值得一提的是，SAS公司的学习气氛很浓，经常有各种培训、workshop、knowledge share等活动。作为一名实习生，除了第一个月的全天候技术培训外，在以后的日子里，我还参加了商务英语写作、应用统计学、数据挖掘（讲师是印度的同事）等培训。另外，公司还提供大量的网络培训教程（Web Live Training），涉及SAS技术的方方面面，这个只能挑选自己感兴趣的领域去学了。在SAS技术方面，这一年能感觉到自己是越来越strong。

现在我虽然离开了SAS公司，有机会还是很乐意介绍些实习机会向师弟师妹推荐。在网上随时注意些老东家的新闻，并为曾经为它服务而感到自豪。

工作，赛诺菲巴斯德(Sanofi Pasteur)

2009年年初，当时我还在SAS中国研发中心实习，我收到一个猎头朋友的邮件，说一个什么world’s leading company需要SAS Programmer，问我感不感兴趣。

2008年秋季学期开始，我也在考虑工作的事情，当时金融危机已经影响到应届生就业市场了。一开始我也跟风，网申那些著名的投行，后来才慢慢知道它们其实根本不招人，或者名额极少。通过修改简历，分析自我等准备工作，慢慢也更了解自己的兴趣所在和优势所在。被诸多投行拒掉，心里也不着急。

校园招聘我走的不是很积极。因为招聘的旺季，我还在SAS中国研发中心，保持着几乎全职的实习状态，所以SAS也成了我找工作的一个标杆。我的观察是，比SAS好的公司，大概也不多；跟它一样好，但更适合我的，就更少了。

之前也跟猎头接触过。第一次比较搞笑，一个女声打电话过来，拨的是我办公室的电话，报了一个英文名，说是北京的一家猎头公司。先问我是不是SAS中国研发中心，我说是，接着她说要为微软的一个数据库项目招人。我说现在不方便，她就要了我的手机号，说下次再联系。因为第一次接到猎头的电话，心里难免有些激动。中午吃饭时跟几个要好的同事提到这事，原来他们也都接到这个的电话，唉，这就没什么好谈的了。我们想下次其他组的同事也要陆续接到这个电话，于是一起打趣，这猎头，大概是拿着我们的名单，一个个打过去的。

这次猎头跟我联系，我知道它是一家知名的医药公司，赛诺菲巴斯德(Sanofi Pasteur)，总部法国，是世界上最大的疫苗公司。以前一些CRO跟我联系，我都不是很感兴趣。现在却是一家药厂自己的研发中心需要SAS Programmer（又叫Statistical Programmer）,这让我有些心动。在SAS中国研发中心，除了SAS语言，我接触更多的是SAS的各种产品和解决方案，都是在类似实验室的环境里运用。学SAS这么久，也想把它运用在某个行业里面。我回复猎头公司，说我愿意跟潜在的东家谈一谈。

当时把简历寄过去后，我就回老家过年去了。跟公司的接触，也饶有趣味。在家里，就收到现在老板的一个电话，先用中文说明来意，再简单聊一下，然后问我可不可以用英文聊聊。当时也只好硬着头皮说了，——这个真是非常的不适应，在老家，我连说普通话都不自在，更不用说是英语了，让父母听着别扭。这次电面后，约好年后回北京再面谈。

公司在国贸。年后我过去，进老板的办公室，笑着点头去握手，老板却先来一句nice to meet you。我暗想惨了，一上来就英语啊。我是准备了英语面试，心里却是还想要些缓冲。老板在美国念的博士，在国外工作数十年，这次回国是来负责筹建北京的研发中心。这次全英文面试，也说是随便聊聊，大概持续了一个小时。虽然我英语不是很好，但英文面试，倒是不惧，以前也真刀真枪面对过数回，从俄克拉何马的英语到印度的英语，当然还有中国的英语，屡战屡败屡败屡战这么一路过来，当然丝毫不怕。面试结束，老板笑着说了句我的英语真是不咋地。听了这句，我心里倒舒坦起来，觉得有了

（统计之都）