[數據分析#18] 10 Q&A - 如何 3 個月自學成為數據分析師？

做事風格很數據分析師：我個性比較理性、很多決策第一個想法就會希望可以透過數字證明，這個做事的風格讓我發現自己可能很適合當數據分析師，另外就是我發現數據分析師的團隊大家都很在乎效率、自動化、省時，相當符合我的個性
職涯發展多元：在約莫 2018 年左右，資料科學興盛，數據分析、資料科學開始成為很多人嚮往而且職缺越來越多的工作，我看到越來越多新創/科技/傳統企業都有這個職位的產生，除此之外，數據分析可以用在公司裡的任何部門裡，因此可以接觸到的面向會很廣
平均薪資可以接受：相對來說技術性高一點的行業平均薪資都會比較高，數據分析需要的是產業知識、專業技能、又需要溝通能力，因此不算是個太簡單的工作，如果要比較平均薪資的話，可以從 104 的薪資看起，也可以看看其他國家的薪資統計，但目前我的觀察是起薪不算太低的職位
做的讓我很快樂，沒什麼，就是順著自己的心走～
眾多嘗試過後的最佳解：做過其他滿多工作，行銷、營運、業務，「目前」最喜歡這個工作 🙂

數據分析師是什麼？

簡而言之：以數據為參考解釋現況，以數據為依據提出解決方案就是數據分析師在做的工作，那針對不同產業、不同部門的數據分析師，在實際工作上也會有區別：

依據不同產業：常見有數據分析師職位的產業：零售業、快銷 (FMCG)、銀行、電商、網路業、製藥、科技業
依據不同部門：常見有數據分析師職位的部門：營運分析、行銷分析、產品分析、專案分析、財務分析

數據分析師需要具備哪些技能？(hardskill & Softskill)

4 大硬技能

拆解問題、洞悉問題的能力：商業思維的框架，有很多已經被廣泛應用的思考框架跟模型可以學習
- 舉一些我在工作上、或是經營網站有應用到的框架或是數據模板：
  - 顧客分群、顧客管理分析 (CRM)：
    - 利用 Google Sheet 實作 RFM、NES、Cohort Analysis
    - CRM 分析搭配實作的案例
  - 企業成長思維模型 (Growth Mindset)：
    - 行銷漏斗模型 (AARRR)
    - 增長引擎
  - 網站流量分析：
    - 經營部落格使用 GSC 找到網站問題
  - 或是我們也可以自己利用簡單的象限拆解，製作屬於自己領域適合的模型：
    - 優惠券分群分析
能夠清理、處理資料：基礎就是 EXCEL/GOOGLE SHEET，接下來就是 SQL，更進階就是 Python
資料視覺化：用任何可以變成視覺化圖表的工具都行，或是因應公司內部提供的工具
- 常見的有最基礎的 EXCEL/GOOGLE SHEET、視覺化套件 Tableau/PowerBI、進階程式語言 R/Python
收斂結論、報告：需要把研究的結果收斂，並且和外部分享
- 分享形式：圖表/Email/簡報
學習資源：資料分析的9堂課 – 輕鬆學會 Excel/SQL/資料視覺化/簡報技巧

3 大軟技能

溝通力：需要很會說服別人 (溝通需求/簡報)、不怕跟不懂數據的人以他們聽得懂的方式交流
複雜問題簡單化：數據分析師就是動手做的那個，所以千萬不可以跟需求端一樣天馬行空，要非常會簡化問題，比較偏向問題解決的能力
團隊合作：有些數據分析師是一個人一條龍完成，那可能不用這麼要求團隊合作的能力，但大部分都是大家一起協作一個專案，這時候就不太適合強勢，能夠團隊合作的個性更適合一點

數據分析師需要學歷或是證照嗎？

首先學歷跟證照可能是大家在決定要轉行的一大考量，有幾個常見的迷思跟破解方法，剛好都發生在我身上，分享給大家參考看看：

我不是本科學生，不是統計系、不是數學系、不是資工系、也不是資管系，因此所在的科系並不是這個職位的重點
我目前做過的兩份相關工作 (都是分析師相關)，在面試時，都沒有提供證照，但是都有上機考！
- 破解法一：我用我的技術證明我的實力，而不是證照
- 破解法二：而在面試過程中，我會不斷強調我做過的數據分析經驗，以彌補我在學歷或是證照上的不足
- 破解法三：我會在履歷上放上我自學過的教材 (例如說：Google 資料分析證照班、SQL for Data Science)，並且強調我的動機和自學成果，順便證明自己是一個學習能力很強的人

想成為數據分析師如何選擇科系？

資料分析師：5 個建議的科系選擇

如果在進入大學之前或是在高中時期就已經聽過這個工作，立志以這個工作為就業目標，那你可以依照你實際想要做的工作內容，來選擇你的科系：

如果你有興趣的是統計分析、喜歡利用統計學術理論來解釋現象，那可以選統計系、數學系
如果你喜歡製作數據模型、或是探索資料科學，那可以選擇資工系、資管系
1. 如果你喜歡解決商業/產品問題，透過數據去做決策，那或是商業分析學系會比較適合你

2 大步驟，教你如何量化選擇科系？

如果你真的要決定要去哪個科系？我會建議，以數據分析為目標的你也可以利用數據分析的優勢去決定你的科系，這裡用簡單的統計去釐清哪個科系更適合自己：

將你想做的工作內容寫下來，給每個工作一個分數，區分你喜歡的程度 (1-5分)
將這些科系會教的科目，全部下載下來
- 在 Excel A 欄中填入：這所學校的所有科目
- 在 Excel B 欄中填入：這個科目對應步驟一中的哪個工作內容
- 在 Excel C 欄中填入：用 vlookup 查找步驟一中的喜歡程度分數 (1-5分)
- 最後加總這所學校的分數，然後比較每個科系的差別
- 除了喜歡程度的量化以外，你也可以加入其他量化指數：例如說重要程度等等

數據分析師的工作職缺多嗎？

如何找到隱藏的數據分析師工作？5 個關鍵字搜尋教你！

如果我以常見的幾個職缺比較的話，我以我寫文章當下的數據作參考 (2021/06/20)，並且以 104 的搜尋結果為主：

行銷：30,000 筆
業務：70,000 筆
數據分析：7,000 筆

看起來數據分析師的工作數量是比行銷、業務還要少對嗎？對也是不對，因為數據分析師的工作可以藏在很多不同的工作名稱中，我以我寫文章當下的數據作參考 (2021/06/20)：

營運分析：50,000 筆
行銷分析：40,000 筆
網頁分析：6,000 筆
財務分析：3,000 筆
商業分析：700 筆

光這些職缺加起來就超過 100,000 筆了！

數據分析師的日常工作是什麼？

數據分析師的 4 大工作日常

剛剛前面提到的幾個職缺：包括營運分析、行銷分析、網頁分析、財務分析、商業分析，多多少少工作內容會有一點不一樣，我這裡有整理這些工作的工作內容：

數據分析職缺整理：營運分析、商業分析、專案分析、行銷分析在做什麼？
最常搞混的商業分析師和數據分析師的 9 大不同之處：來看看哪種更適合自己

這邊主要會整理一下綜合型數據分析師的工作內容 (我們的工作會綜合以上所有單位的分析)，只是不一定會做深：

與需求方溝通需求，釐清現在需求方碰到的問題
- 目前需求方正在做的計畫是什麼？目標為何？
- 需求方碰到的問題？
- 現有的資料能夠幫助他找到問題嗎？
- 或是需求方會直接尋求數據分析師幫忙提供建議的數據
數據清理整理：
- 利用 SQL 或是其他工具來整理所有需要的資料
- 也有可能需要開需求給數據工程師，尋找一些還沒被記錄的資料
製作報表：
- 把數據整理成視覺化的報表
彙整結論且提供執行方案：
- 彙整初步的結論，用 Email 或是做成簡報分享
- 建議並且和需求方溝通，如何依據數據探勘的結果做下一步的規劃
我身為數據分析師的工作日常分享：數據分析師的一天我的4大日常

數據分析師在公司裡的價值是什麼？

整體來說，數據分析師可能不像業務、行銷、營運這類的職位一樣，很顯而易見的提供公司價值，但我認為數據分析師的價值是以下幾個，能夠正確使用數據分析師的公司，在決策上面一定能夠更可靠！

1. 預測 Forecast

利用數據提前預見問題，假設我們定義的先見指標有下降的趨勢，我們很快地可以反映接下來對業務面可能會有影響，讓管理團隊盡快做好準備迎接挑戰

什麼是先見指標？在影響目標 (舉例目標結果：公司業績) 結果前可以反映目標結果變化的指標 (舉例先見指標：流量)
推薦閱讀：指標是什麼？20 種以上的指標介紹

2. 數據導向的決策方式 Data-Driven Decision

數據導向的決策方式 Data-Driven Decision：提供有說服力的資訊做一個政策的背書
- 分析過去結果：如果可以在決策產生之前，將現狀用數據表示，那就可以為這個決策的目的做背書
- 決定未來：接著，這個決策後帶來的影響，有些也可以用數字做預測，計算出影響範圍，作為管理層決定要不要採用這個決策的依據

或許這個職位並不是每間公司都重視的，但一定是頂先的企業們必備的後勤部隊！

3. 學會的工具、思維都可以應用在生活中

製作好用的工具幫助日常生活：之前的工作我把排班、薪資計算，都變成自動化的表單、利用 Google Sheet 自動計算薪資，平常我們同事間訂飲料，也會用 Google Sheet 進行點餐、算帳 (這邊有範本)
日常投資理財：如果有在理財、投資，也可以利用 Google Sheet 製作一些輔助自己做決策的工具，例如說：我之前做了一個 ETF vs 自選股的股市投報率計算機，算出如果在同個時間花相同的錢在 ETF 上，大盤會不會贏過我的組合？

數據分析師的薪水和工作前景

數據分析師薪水高嗎？

在台灣，初階數據分析 (Junior Data Analyst) 的薪水大概在台幣 3.5 萬到 7 萬，依我個人面試的經驗，這個數字滿合乎現實，這個數字不算太高，但基本上薪資的波動不會太大 (不會有公司花 $23,000 來請數據分析師)，而依照工作職缺平台 Glassdoor 統計：

數據分析師職涯發展

數據分析師的職涯發展，我認為是很廣的，原因有幾個：

數據分析師可能會接觸到的業務範圍很多，一個案子裡可能會強迫我們接觸到財務相關、商業相關、產品相關等等，因此如果要找下一份工作，數據分析師可以幫助我們比其他競爭者站得更高，經驗更豐富。數據分析師的職涯發展：到底是前途堪憂還是越走越寬？，這裡看到 5 個主要的發展道路！
數據分析師可以發展成偏商，也可以發展成偏理工
- 商：商業分析師、財務分析等等，或是在部門裡面當一個決策者
- 理工：也可以發展成工程師，例如資料工程師 (Data Engineer)，也可以發展成數據科學家 (Data Scientist)
- 數據分析師算是介在商跟理工之間的一個職位，既有商業的敏銳度，又有對數據探勘的能力，就算一開始還沒決定要選哪一條路，數據分析師都能為將來要去的這些職位加分
數據分析師如何進修？數據分析師進修成為：進階數據分析師、商業分析師、資料科學家、資料工程師

如何成為數據分析師？

1. 確認你的想像是否合乎實際

在網路上閱讀相關工作者的經歷
訪問正在做這個工作的朋友
還有一個比較扎實的方法，就是花一點點時間上證照班，因為證照班會告訴你所有碰到的工作有哪些，並且告訴你怎麼做，比起在不確定的情況下會很多錢讀研究所，上證照班真的是一個非常好的方式去確認理想是否合乎現實：
- 目前最推薦的：Google 數據分析證照班，或是 IBM 數據分析證照班，數據分析師需要的專案管理能力也可以在 Google 找到專案管理證照班
- 參考我實際上完課的體驗心得：
  1. Google 認證的資料分析師證照課程有幫助嗎？誰最適合上？
  2. 數據分析師為什麼需要專案能力？Google PM 課會學到什麼？

2. 培養技能 (硬實力 & 軟實力)

文章上方有提到的 4 大硬技能 & 3 大軟技能，不一定要一次全部都具備，但是至少具備 3 種以上，並且能夠在面試的時候發揮，也很推薦大家可以透過網路資源自學！

推薦學習資源：

證照班：IBM 數據分析證照班 & Google 數據分析證照班
- 優點是一次全部有系統的學
- 包括 SQL、R、Python、Tableau、實戰專案、分析方法論、如何解決問題等等
最基礎硬技能 – Google Sheet/Excel
- 為什麼我會推薦學 Google Sheet 更勝 Excel？不過還是要看應徵的公司或是現在的公司，大家習慣用哪個，不過都學也可以，畢竟兩個的用法很像！
- 基礎 Google Sheet 使用教學：Google 自己教 Getting Started with Google Sheets
- 進階公式學習文章：
硬技能學習資源 – SQL
- SQL for Data Science，優點是專門為資料科學跟資料分析設立的 SQL 課程
- SQL 的 50 道練習，優點是快速學習實戰班、中文教學，郭老師在資料科學教了很多年，我的 R 也是跟老師學的，SQL 透過練習題來學是最快的，也可以為之後面試考題做準備
硬技能學習資源 – 視覺化軟體 Tableau：
- UC Davis Tableau 資料視覺化
- Tableau 資料視覺化
- 基本上所有的視覺化軟體都很類似，挑一個最多公司使用的 Tableau 就可以了
硬技能學習資源 – 分析方法
- 產品數據分析 – 打造網路產品的決策引擎，這一門課我很推薦，裡面提到很多網路產業的成長模型 (LTV)、教數據分析的指標選擇跟常用模型舉例 (分群、同類分群)
轉職培訓班：
- 我推出的【STEP 數據分析師轉職培訓班】中，會一步一步帶你從了解部門領域知識、到工具應用、學中做，做出跟你相關的專案，最後透過領域面試的撇步，挑到好工作，有興趣的話，一定要預約我的免費諮詢會議，確認我的課程是否能幫到現在的你！

3. 盡可能在目前的領域做基本的數據分析

數據分析師也不是一定要在這個職位才可以做，我當初在做營運的時候，就在我自己的範圍內做好數據分析，是個很好累積實戰經驗的方式，因此很推薦大家不用離開現在的工作崗位，利用現在實習的工作/或是現在的正職工作，發揮數據分析的優勢，這些都可以成為未來工作面試的作品集，比起學歷更重要！

4. 準備面試相關資訊

因應不同職位的 JD，寫上不同的經驗、技能
整理自學的經歷和證明 (上過的證照、結業證書)

5. 詢問前輩

參考 Linkedin 上前輩的履歷
如果你需要諮詢，也歡迎聯繫我 (couplehonest@gmail.com)

關於本站：數據分析文章的導覽

專注在身心靈平衡、財富時間自由的數據分析師

[數據分析#18] 10 Q&A – 如何 3 個月自學成為數據分析師？

我為什麼會想成為數據分析師？

數據分析師是什麼？