數據分析算是一個入門簡單，但是越深入之後越難的行業。而數據分析的學習曲線我個人認為是：
- 初期：一開始並不需要投入太多時間，就可以獲得一定的成效。從完全不懂到略懂，可以做出基本數據圖表、分析，其實並不需要花太多時間
- 中後期：需要學習的東西變多、變難，需要投入多一點時間，才可以獲得成效；我想這也是數據行業「資深數據分析師」薪水彈幅比較高的原因
所以，今天會分享一下，如果想在數據行業走的比較久，有哪些特質或是個性，會是「天生就擁有天賦成為數據分析師的」！
*本文的特質及性格分析參考：我們數據部分測的 MBTI 以及我觀察附近同行、同事的特質及個性總結出的，僅供參考！
數據分析師在做什麼？我的 4 大日常分享
- 工作內容一：與需要數據的需求方溝通數據需求
- 工作內容二：從資料庫、外部數據來源等地方，取得數據
- 工作內容三：依照取得出的數據，選擇合適的視覺化方式，並且執行視覺化報表
- 工作內容四：彙整這份視覺化報表的結論，變成完整的數據報告
- 完整一天的工作內容，可以參考：數據分析師的一天：我的 4 大日常
這是數據分析的基本日常，大部分的數據分析師工作都會碰到這些工作內容，所以我們可以依照工作內容，延伸出這個工作適合的特質跟個性
數據分析師的 MBTI (16 型人格)？
- 之前我們組織 (Data Team ; Business Intellogence) 在總結大家的 MBTI 4 項偏好 (偏好：不需要刻意去想就可以完成的行動，且可以展示個人的特色) 時，統整出的結論是：ISTJ！
- Intraversion 內向：注意力往內，反思、自我相處、對話
- Sensing 實感：接收資訊的方式是，偏務實，會比較關注過去的現實、數據、案例等等，會比較容易看到比較具體的東西
- Thinking 思考：思考、理性後做決定
- Judging 判斷：喜歡規劃生活，計畫型
- 其實這些偏好都沒有出乎意料之外，跟我們工作上應該要展現的能力也很有關係
- 延伸閱讀 MBTI 的解釋：16 型人格 MBTI：10 個情境題了解工作上的偏好
*僅供參考：這只是我所在的樹據部門 (大約 50 個人) 的統計結果，並不是精確的抽樣實驗所顯示的結果
什麼性格 (偏好) 適合做數據分析師？5 個真的必備的個性
1. 喜歡找證據、佐證、參考的人
- 有些人做決定時是直覺型的，有些人是喜歡找證據、找佐證去驗證自己的想法
- 數據分析通常就是扮演這個角色，找證據、佐證、參考，尤其是數字的證據、佐證來評估一個決定
- 如果具備喜歡找數據驗證的偏好跟個性，數據分析師的工作內容一：與需要數據的需求方溝通數據需求，就會比較得心應手；幫助其他部門尋找合適的數據跟指標來解釋現況或是做決定
2. 對於數據敏感的，或至少願意去培養敏銳度
- 也可稱為：觀察力可以應用在數據上、數據敏感、對於數據有敏銳的觀察力；這些其實都在講同一件事
- 數據天生敏感的話，當然是最理想的；或至少願意去理解這個數據高低起伏背後的意義，願意去後天培養敏感度
- 我覺得「數字敏感度」是可以後天培養的，只要你對於這個產業或是這個問題夠了解，敏感度就會隨之而來；所以如果你夠有決心想要理解產業跟問題，自然而然會對產業跟數據敏感 (有決心 → 對這個問題跟產業敏感)
- 學習正確的視覺化方式，可以幫助你看出數據的問題 (如果圖表的表現不到位、關鍵指標用錯了，就可能看不出數據的起伏或是問題)
- 如果具備對於數字敏感的這個能力，數據分析師的工作內容四：彙整這份視覺化報表的結論，變成完整的數據報告，就會變得比較簡單
3. 樂於溝通
- 溝通跟一般的聊天，我認為不一樣；所以數據分析師不見得需要很外向、很能聊天，但是要不怕溝通
- 數據分析師非常需要跟需求方溝通，這個需求方泛指：老闆、主管、其他部門主管、其他部門需求方，因此回到數據需求上 (產出具體的數據報表)，要怎麼跟各種形色的需求單位溝通，並且總結出彼此都能理解的數據報表，就會變得非常重要
- 目前整個市場，對於數據的理解有在進步了，但是也不到人人都懂的狀況，所以必須要有耐心跟「不懂數據的人」溝通
- 如果具備樂於溝通、搞懂對方在講什麼的個性，對於數據分析師的工作內容一：與需要數據的需求方溝通數據需求會很有幫助
4. 喜歡實做的人
- 數據分析的「落地」能力需要非常強，絕對不能是喜歡在空中飄 (不喜歡實做) 的個性
- 我們 50% 以上的時間都在實做，不論是工作內容二：取資料、工作內容三：視覺化、工作內容四：產分析報告，都是實做的角色
5. 用簡單的話說故事
- 數據分析的脈絡常常需要「用一段有前因後果的故事包裝」，否則很難看出他的價值
- 所以如果你擁有說故事的能力，而且可以用簡單的幾句話，就說出故事的能力，對於工作內容四：產分析報告，會非常有幫助！
- 若碰到不懂數據的部門或是老闆，更需要這個能力，把複雜的數字指標，用簡單的幾句話解釋！
- 畢竟，數字並不是為了建造我們跟其他人之間的距離，而是用「數字這個共通語言」，讓我們每個部門或是合作單位之間可以理解彼此
對於數據分析師，很加分的偏好：5 個有了更好的特質！
1. 有用過 Excel，能夠理解 Excel 並且覺得好用的人
- 我碰過好多數據分析師，都是被 Excel 啟發，決定走上數據之路
- Excel 是一個簡易又視覺化的資料庫，任何指令都可以立刻呈現，並且看出他的脈絡
- 如果你覺得 Excel 在基本的統計、分析上，真的很好用，那你絕對有成為數據分析師的潛力
2. 喜歡檢討每一次決定的人
- 數據分析的方法、效果都會隨著時間、隨著不同背景而改變，如果所有場景都用同一套方式分析，一定會有偏誤
- 因此，如果你很喜歡檢討自己每一次的決定，仔細分析變因跟結果之間的關係，那會非常適合當數據分析師
3. 不全然相信數據
- 數據分析師雖然是以數據為王，但是很多原因都可能導致數據不准：數據蒐集方式不對、倖存者偏差等等
- 因此，又要利用數據，但是不被數據利用，才能夠不淪為數據的奴隸
- 有些人可能會為了美化結果而用視覺化的技巧、或是虛榮指標來騙聽眾，數據分析師就必須有看穿對方的能力，不被數據欺騙
- 延伸閱讀：什麼是虛榮指標？一個看似美好但隱藏危險的數據
4. 善於用簡單的方法解決問題
- 數據分析師會碰到各種需求跟問題，有些可能會需要佔用大量的算力跟人力，我們必須有能力去評估，要花多少時間跟人力去完成這個需求
- 有些需求很大：例如，請幫我爬全世界所有電商的資料，因為我想要評估市場滲透率；這時候，我們必須知道需求方這個問題，最簡單的解決方式是什麼？有必要動用到很珍貴的資源嗎？有必要佔用這麼多的算力跟人力資源嗎？
- 爬全世界所有電商的資料 → 需要多少人力跟時間去維護跟更新資料
- 評估市場滲透率 → 有沒有更簡單的解決方式？
5. 願意挑一個學習曲線很長很陡的職涯之路
- 學習曲線很長很陡「可能」意味著：職涯之路很長、不容易碰到薪資天花板
- 如果你不喜歡很快就看到自己學習的天花板，那很適合走數據分析的路；數據分析有商業應用、有數據庫架置的工程規劃、有數據科學相關的應用
- 如果你不怕不斷吸收新的框架、模型、商業情境，那也很適合走數據分析的路
結論
- 偏好跟個性屬於天賦，選到自己有天賦的路，會走的更輕鬆
- 但不代表沒有這些，不能走！
- 更重要的還是排不排斥接觸這個行業、學習跟理解這個行業所需要的技能跟知識！
| 特質 | 工作內容一：溝通 | 工作內容二：數據撈取及整理 | 工作內容三：視覺化 | 工作內容四：結論、分析、報告 |
|---|---|---|---|---|
| 喜歡找證據、佐證、參考的人 | ✓ | ✓ | ✓ | ✓ |
| 對於數據敏感 | ✓ | |||
| 樂於溝通 | ✓ | ✓ | ||
| 喜歡實做 | ✓ | ✓ | ✓ | |
| 說故事的能力 | ✓ | ✓ | ||
| Excel 愛用者 | ✓ | ✓ | ||
| 喜歡檢討過去 | ✓ | |||
| 不全然相信數據 | ✓ | |||
| 喜歡簡單方法解決問題 | ✓ (評估執行方案階段) | |||
| 寬廣的職涯道路 |
Pingback: [數據分析#0] 數據分析文章導覽 - Lisa Wu