從 Amazon 資料科學到英文教學：我為什麼離開科技業回來教書
2019 年，我在 Amazon 做資料科學。薪水很好，但每天盯著數據，我忘了為什麼要做這件事。
那時候我住在西雅圖。每天早上 8 點進辦公室，打開電腦，看儀表板。點擊率、轉換率、留存率、客單價。我的工作是優化這些數字。今天比昨天高 0.3%，這週比上週高 1.2%。開會的時候，大家盯著投影幕上的曲線，討論為什麼某個版本的頁面表現比較好。
日子過得很快。薪水準時入帳，股票定期 vest，每半年一次績效考核。生活穩定，前景明確。
但有一天，我坐在辦公桌前，盯著一個 A/B 測試的結果，突然問自己：我在幹嘛？
不是那種「我不知道自己在做什麼」的迷惘。我很清楚自己在做什麼——我在優化一個按鈕的顏色，讓多 0.15% 的人點下去。我非常擅長這件事。但這件事本身，對我來說，不重要。
那個問題一直在我腦袋裡轉。轉了三個月。然後我遞了辭呈。
台灣到德國：一切的開始
回到更早之前。
我大學在台灣讀數學。不是台大，是一間普通的大學。高中時期我的成績不算頂尖，數學特別好，但其他科目平平。大學聯考的時候數學幾乎滿分，英文差點不及格。
對，你沒看錯。我這個後來教英文的人，高中英文差點不及格。
大學的時候我開始對數學產生真正的興趣。不是解題的那種興趣，是「為什麼」的興趣。為什麼這個定理成立？為什麼這個方法有效？數學不只是計算，它是一種思考方式。
畢業後我去德國讀碩士，慕尼黑工業大學（TUM），數學系。那是我人生中第一次真正離開舒適圈。
語言不通。我到德國的時候，德文只會說「你好」和「謝謝」。課堂上教授用德文講數學，我前兩個月幾乎完全聽不懂。但數學有一個好處——公式是國際語言。教授在黑板上寫的推導，我不需要懂德文也能看懂。
這件事後來對我影響很深。它讓我明白：語言是工具，但底層的邏輯是共通的。
在德國那兩年，我學會了三件事。第一，獨立思考。德國的教育方式跟台灣很不一樣，教授不會告訴你答案，他只會問你問題。第二，表達能力。學術研討會上你要用不流利的德文或英文解釋你的研究，你必須把複雜的東西講清楚。第三，忍受不確定性。在異國生活，什麼都不確定，你只能一步一步走。
這三件事後來都成為我教書的核心。
Amazon 的日子：資料科學教會我的事
從德國畢業後，我進了 Amazon。不是因為我對電商有熱情，是因為他們給了 offer，而且西雅圖的生活聽起來不錯。
剛進去的時候，什麼都新鮮。Amazon 的文化很特別——他們有一套叫「Leadership Principles」的東西，14 條領導力準則，每個面試和績效評估都圍繞這些原則。其中我印象最深的是「Customer Obsession」（客戶至上）和「Dive Deep」（深入探究）。
Customer Obsession 不是口號。它真的影響你做決策的方式。每次做 A/B 測試，你要問的不是「哪個版本的數據比較好看」，而是「哪個版本對客戶比較好」。短期數據好看但傷害用戶體驗的方案，不會通過。
Dive Deep 的意思是，你不能只看表面的數字。如果某個指標突然下降，你要一路追下去，找到根本原因。不是「這個月轉換率降了 2%」就結束了，你要問：是哪個區域降了？哪個產品線？哪個用戶族群？什麼時候開始降的？跟什麼變化有關？
這兩條原則後來深深影響了我教書的方式。
Customer Obsession → 教書要以學生為中心，不是以課本為中心。 Dive Deep → 學生學不會的時候，不是重複教同一個方法，而是找到他卡在哪裡。
離開的那天
但我最終還是離開了。
原因很複雜，也很簡單。
複雜的部分：我開始覺得自己在做的事情對世界沒有意義。我知道這聽起來很理想主義，但這是真的。我在優化一個電商平台的轉換率。這些數據會讓公司多賺一些錢，股價高一些，股東開心一些。但這些事情不會讓任何人的生活變好，至少不是以我覺得重要的方式。
簡單的部分：我想教書。
這個念頭不是突然冒出來的。在 Amazon 的時候，我週末會去社區大學教數學志工。那些學生大部分是成年人，有些是移民，有些是轉職者，有些是高中沒讀完想回來拿學歷的。他們的數學基礎通常很差，有些人連分數都不太會算。
但他們很認真。
我記得有一個學生，四十多歲，來自墨西哥，在餐廳工作。他每天晚上來上數學課，因為他想考社區大學的入學考試。他的英文帶很重的口音，數學幾乎從零開始。但他每次來，都坐在第一排，問很多問題。
有一天他跟我說：「老師，我以前覺得數學是給聰明人學的。但你教了我之後，我發現它只是一套規則。學會規則，就會了。」
那天我開車回家的時候，在高速公路上哭了。
不是因為感動（好吧，也有一點），是因為我突然清楚地意識到：這才是我應該做的事。不是優化按鈕的顏色，是讓一個人覺得「我也可以」。
資料科學的思維，怎麼搬到教學上
決定離開 Amazon 之後，很多人問我：你做了好幾年資料科學，那些經驗不是白費了嗎？
沒有。完全沒有。
資料科學教我的思維方式，後來成為我教書的核心方法。讓我舉幾個例子。
追蹤數據，不靠感覺
在 Amazon，每個決策都有數據支持。你不會說「我覺得這個方案比較好」，你會說「數據顯示這個方案的轉換率高 3.2%，置信區間 95%」。
我把這個習慣帶到教學上。
我追蹤每個學生的進步。不只是考試分數，更細的——某個題型的正確率、某個文法規則的錯誤頻率、每次練習的時間長度。
舉例：有一個學生，閱讀理解一直做不好。如果我只看分數，我會覺得「他閱讀不行，多練就好」。但我追蹤數據之後發現，他的問題不是閱讀能力——他的詞彙量夠，文法也沒問題。他的問題是做題速度。他閱讀太慢，在時間壓力下被迫亂猜。
這就像 Amazon 的「Dive Deep」——你不能只看表面的數字，你要找到根因。
找到根因之後，我給他的訓練不是「多做閱讀」，而是「限時速讀練習」。一個月之後，他的閱讀理解分數提升了 15 分。
A/B 測試教學方法
在 Amazon，同一個頁面我們會做兩個版本，隨機分配給不同用戶，看哪個表現好。這叫 A/B 測試。
我教書也用這個方法。
同一個文法規則，我會用兩種方式教。一組學生用傳統的規則講解 + 例句練習。另一組學生用我自創的「數學公式」類比。然後我比較兩組的學習效果。
結果很清楚：用數學公式類比的那組，文法正確率高出 20%，而且一週後的遺忘率更低。
這個結果改變了我整個教學方式。後來我所有的文法教學都融入了數學思維。
快速迭代
Amazon 的開發節奏很快。一個功能從構想到上線，可能只要兩週。先推出最小可行產品（MVP），看數據，再迭代。
教書也一樣。我不會花三個月設計一套「完美」的教學方案。我先試一個方法，看學生的反應和數據，有效就繼續，沒效就換。每兩週調整一次。
有些老師花很多時間準備「完美的教案」。我覺得這跟在 Amazon 花六個月開發一個功能然後才發現用戶不喜歡一樣——浪費時間。先做，先測，先學。
全系統思維：語言學習的真相
在 Amazon 做資料科學，你學到最重要的一件事是：你不能只優化一個指標。
你提升了點擊率，可能犧牲了用戶體驗。你增加了短期營收，可能傷了長期留存。你優化了搜索相關性，可能減少了用戶探索新產品的機會。
每個指標都互相關聯。你要看的是整個系統，不是單一數字。
語言學習一模一樣。
很多學生學英文，只盯一個指標：考試分數。他們猛背單字、猛做題目，分數確實會提高。但他們的聽力沒有進步，口說能力沒有提升，閱讀速度沒有加快。他們在優化一個指標，犧牲了其他所有。
我在 Amazon 學到的是：真正的優化是平衡。
語言能力是一個系統。聽、說、讀、寫四個子系統互相影響。你閱讀量增加了，詞彙量自然增加，聽力也會跟著提升。你練習口說了，語感會變好，寫作也會進步。這些能力不是獨立的，它們是耦合的。
所以我教學生英文的時候，不會只讓他們做題。我會讓他們讀英文文章（訓練閱讀和詞彙）、聽英文 podcast（訓練聽力）、用英文寫日記（訓練寫作）、偶爾跟我英文對話（訓練口說）。不是每樣都要花很多時間，但每樣都要碰。
這跟在 Amazon 優化整個產品頁面是一個道理——你不能只改標題不管內文，你不能只優化桌面版不管手機版。系統性問題需要系統性解決。
數學和英文：為什麼要一起教
很多人覺得數學和英文是兩個完全不同的科目。一個是理科，一個是文科。一個靠邏輯，一個靠語感。
這是我聽到最多的迷思。
我的經驗告訴我：數學和英文的底層能力是一樣的。
兩個都需要邏輯推理。 兩個都需要拆解複雜問題。 兩個都需要精確表達。 兩個都需要模式識別。
我在德國讀數學的時候，英文是我的工作語言。寫論文、做報告、跟教授討論，全部用英文。我發現，數學訓練出來的邏輯思維，讓我學英文的速度比一般人快。不是因為我聰明，是因為我已經習慣了「拆解、推理、驗證」的思考模式。
反過來也成立。英文的閱讀理解能力讓我更能讀懂數學論文。英文的寫作訓練讓我能更清楚地表達數學證明。
這兩種能力不是互斥的，是互補的。
所以我後來決定：不只教數學，也教英文。而且把它們放在一起教。
不是「數學課 + 英文課」的那種放在一起。是真正地融合——用數學思維學英文，用英文素材練數學。文法用公式表達，閱讀用推理分析，作文用證明結構。
這個方法的效果超出我的預期。那些「數學好但英文差」的學生，在接觸這種教學方式之後，英文進步的速度比傳統方法快了將近一倍。因為他們不是在學新的能力，他們是在轉移已有的能力。
什麼是好的老師
在 Amazon 工作的時候，我遇過好的主管和不好的主管。
不好的主管會告訴你：「這個任務，照這個步驟做，下週五之前交。」他給你明確的指令，但你不知道為什麼要這樣做。
好的主管會告訴你：「我們現在面對的問題是 X。客戶遇到的困難是 Y。我覺得可能的方向是 A 和 B，你覺得呢？你去研究一下，下週我們討論。」他不只給你方向，他讓你理解為什麼。
教書也是一樣。
不好的老師會說：「現在完成式的公式是 have/has + 過去分詞。背起來。考試會考。」
好的老師會說：「你有沒有想過，為什麼叫『完成』式？因為它描述的是從過去到現在的累積經驗。就像數學的累加——你把過去所有的經驗加起來，得到一個總和。」
前者教你記住。後者教你理解。
記住的東西會忘。理解的東西不會。
我以前在 Amazon 帶新人的時候，最常說的一句話是：「你不需要記住所有的工具和方法，但你需要理解問題的結構。理解了結構，工具你自己會找到。」
教書也是一樣。我不需要學生記住所有的文法規則和數學公式。我需要他們理解語言和數字的結構。理解了結構，他們自己能推導出規則。
這就是我的教學理念。不是填鴨，是引導。不是記憶，是理解。不是分科，是融合。
給學生的建議：不要更努力，要更聰明
最後，我想給正在讀這篇文章的你一些話。
如果你正在為數學或英文苦惱——或者兩個都苦惱——我想告訴你一件事：問題不在你的努力程度，問題在你的方法。
我在 Amazon 學到的最重要的一課是：用錯方法，再怎麼優化都沒用。你不能指望一個根本性有問題的方案，靠不斷調整參數來變好。你需要換一個方案。
學語言也是一樣。如果你背了很多單字但考試還是考不好，問題不是你背得不夠多。如果你做了很多題目但分數沒有提升，問題不是你練得不夠。
問題是你的學習方式需要調整。
三個具體的調整方向
第一，用邏輯取代死背。
不管是數學公式還是文法規則，都試著去理解「為什麼」，而不是只記「是什麼」。理解了為什麼，你遇到變化題也能應對。只記是什麼，稍微變化一下就不會了。
第二，追蹤你的學習數據。
不需要很複雜。拿一張紙或一個 Excel，記錄你每次練習的正確率、花的時間、錯的題型。一週之後看一次，你會發現你的問題在哪裡。不是模糊的「我英文不好」，而是具體的「我過去式和現在完成式搞混」或「我在時間壓力下閱讀速度不夠」。
具體的問題才能具體解決。
第三，把不同科目的能力互相轉移。
你數學學到的邏輯推理能力，可以用在英文上。你英文學到的閱讀理解能力，可以用在數學應用題上。不要把科目當成孤島。它們的底層能力是相通的。
這不是我的理論。這是我自己的經驗，也是我教了幾百個學生之後的觀察。
回到那個問題
2019 年的那個下午，我在 Amazon 的辦公室裡問自己：我在幹嘛？
現在回想起來，那個問題的答案很清楚。
我在優化一個按鈕。但我想優化的是人。
我想讓一個覺得「數學好難」的學生發現，他其實已經具備了學好數學的能力，只是沒有人告訴他。
我想讓一個覺得「英文學不會」的學生發現，他的邏輯思維已經很強了，只需要把這個能力轉移到語言上。
我想讓一個覺得「我不夠聰明」的人發現，聰明不是天賦，是方法。
這些事情，在 Amazon 的儀表板上看不到。但這些事情，比任何一個轉換率數字都重要。
所以我離開了，回來教書。
不後悔。
這是「數學 × 英文」系列的第三篇，也是最後一篇。前兩篇分別講了數學思維如何幫助英文學習，以及怎麼把文法變成數學公式。如果你對這個系列有任何想法，歡迎跟我聊聊。
