[數據分析#20] 如何選擇適合自己的線上課程？依據 4 現況給你推薦！

選擇線上課程，依據 4 現況分析需求及目標

選擇數據分析線上課程前，我們可以先釐清一下目前的狀態，跟我們想要學習的目標是什麼？以下把狀態跟目標分成 5 個方案來讓大家找到最適合自己的線上課程！

• 還不是數據分析師，想入門學習 -> 方案一 (準備轉職成數據分析師或是各領域分析師)
• 已經是初階數據分析師，或是工作有碰到數據分析，想要提升自己
  • 用進階的工具做數據分析，甚至是進階到資料科學 -> 方案二 (可以轉職成資料科學家)
  • 學習更多職場相關技能 -> 方案三 (進階商業分析師、進階數據分析師的自我提升)
  • 學習資料工程 ->方案四 (可以轉職成資料工程師)

數據分析相關的線上課程，分為這五個不同階段目標來推薦！

方案一：準備轉職成數據分析師或各領域分析師

初階數據分析師、領域 (行銷、產品、商業) +分析師需要會的技能是很相似的，這時候選擇的線上課程應該包含這些資訊：

1. 了解數據分析師/領域+分析師的實際工作、知道他們的職場定位及目標
2. 使用最基本的工具，學會處理數據清理、數據統計、基本的數據分析
   • 數據清理是什麼？把數據從有缺少值、或是過大的資料表 (Table)，轉換成你需要的欄位
   • 數據統計是什麼？將數據處理成有有意義、其他人看的懂的資料，或是將數據變成指標 (Metrics)，甚至是關鍵指標 (Key Metrics)
   • 數據分析是什麼？數據統計將數據做成簡單的報表，數據分析要從報表中找到有用的資訊，去影響下一次的行動方案
3. 了解分析架構及思維模型，透過數據，打造屬於你的作品集
   • 在面試中，拿出合乎你的背景、合乎企業要求的作品集或是專案
4. 了解如何改出好履歷，通過考試及面試

推薦課程：STEP 數據分析師轉職培訓班 (中文)

• 重點整理：Lisa 推出的 STEP 數據分析師轉職培訓班這套系統， 幫助零經驗跟無科系背景的大家，從沒有經驗到了解工作的需求、會使用數據工具應用、打造作品集並且有效率的寫履歷及投履歷，拿到數據相關工作機會，之後朝年薪百萬的資深數據職位前進
• 目前正在招收早鳥學員，可以點此 搶先預約

推薦課程：Google Data Analytics Professional Certificate (全英文)

• 重點整理：Google 出給沒有經驗的人，以證照班的形式，工具上從簡單到難的，都介紹給大家，同時教到數據清理、數據統計、基本的數據分析，是目前線上，我看過教的最全面、也是最以就業為目標的數據分析師入門課程
• 課程特色：
  1. 會提到數據分析師的職涯規劃、介紹數據分析師在做什麼
  2. 資料清理、視覺化的工具學習：Google Sheet、SQL、Tableau、R (基本上沒有其他堂課會教的這麼全面，一次學到最常用的工具)
  3. 學習數據清理、數據統計、基本的數據分析

如果想看學習心得可以參考：Google 認證的資料分析師證照課程有幫助嗎？ 誰最適合上？

👉 7 天免費試上：Google Data Analytics Professional Certificate

方案二：學習資料科學

這時候選擇的線上課程應該包含這些資訊：

1. 了解資料科學跟數據分析的不同，還有資料科學的價值所在、資料科學如何解決問題
2. 使用資料科學應該要會的工具，學會資料科學的方法論，包括數據分析、統計分析、建立預測模型、機器學習
   • 資料科學要會哪些工具？
     • 語言：Python, R
     • 常見的語言作業的環境：Jupyter Notebooks, JupyterLab, RStudio, Git, GitHub
   • 機器學習的方法論、實作
     • 機器學習的方法論：監督式學習 (回歸、KNN、決策樹、邏輯回歸)、非監督式學習的分群方法、推薦系統的製作方式
     • 學習機器學習最常見的函式庫：Pandas, NumPy, Matplotlib, Seaborn, Folium, ipython-sql, Scikit-learn, ScipPy, etc.
     • 然後也包括專案實作

推薦課程：IBM Data Science Professional Certificate (全英文)

• 重點整理：IBM 已經推出很久的資料科學證照班，這門課希望可以讓沒有程式基礎的商業人士也了解資料科學在商業上可以做的貢獻，同時有很多補充資料跟範例已經準備好，在課堂後可以直接執行
• 課程特色：
  1. 機器學習在商業上的應用，前幾堂課不會提太多技術面的東西，反而很適合一般人初步認識資料科學
  2. 在資料科學上，坊間大部分的線上課程不會對理論有太多著墨，但這堂課對於資料科學的方法們：回歸、決策數、分群的理論背景、為什麼要使用這些方法？為什麼可以相信這些方法？有比較完整的解釋
  3. 以 Python 作為工具，Jupyter Notebook 作為操作介面，講解機器學習的理論、常用的函數庫、以實例 (已經寫好的範例，可以直接在 Jypyter Notebook 上執行) 來說明機器學習在商業上的價值

👉 7 天免費試上：IBM Data Science Professional Certificate

方案三：進階商業分析師、進階數據分析師

這時候選擇的線上課程應該包含這些資訊：

1. 深入了解公司裡某個部門 (營運單位、行銷單位、業務單位) 或是某個產業 (銀行、科技、藥廠、電商、零售) 所需要會的數據分析模型、框架、或方法，或是了解更多這些部門單位或是產業常見的指標
2. 學習除了數據分析以外的業界知識，可以幫助跨部門合作，我會比較推薦這三個學習方向：專案、產品、商業分析：
   • 專案執行中，數據分析應該扮演的角色：在各部門間一定都會有專案，專案無所不在，因此會推薦大家快速學習專案裡常見的數據分析。另外，數據分析常常也是一個專案，我們也可以學習如何以管理專案的思維去管理我們手上的數據分析專案
   • 學習以商業分析的框架、以商業的角度去拆解問題時，有哪些面向是常見的：商業分析是到了哪個產業都可能會遇到的，即使每個產業的 know-how 不一樣，但是擁有商業分析的思維，即便到不同產業也可以快速以相似的框架融入
   • 學習產品數據分析：數據分析常在產品中扮演重要的角色，產品也是不論哪個行業都一定會有的，不論數位產品、實體產品都適用

推薦課程：產品數據分析 – 打造網路產品的決策引擎 (中文)

• 重點整理：曾在 PayPal 擔任資料分析師的 Jerry 授課，滿多框架或是模型都是矽谷成長思維中提到的關鍵，即使沒有看過 Growth Hacker Mindset 相關的書籍，這門課裡面也整理了目前 Apple、Amazon、Facebook、Google 四大科技巨頭已經行之有年的思考框架
• 課程特色：
  1. 課程是以產品經理所需要知道的知識所設計，所以可以完整的知道產品生命週期、如何評估產品？產品經理要學會的，我認為數據分析師也要知道，這樣才能提供合乎現實的資料、建議，甚至也可以轉職成產品經理
  2. 雖然是以產品經理的視角出發，但是在分析上，老師有提到很多產品界必須知道的常見模型、評估方法，例如：網路產業的成長模型 (LTV)、產品數據分析的指標選擇 (Key Metrics)、常用模型舉例 (分群、同類分群)、 以數據思維分析 A/B testing 後找到提升轉換的關鍵，這些對於數據分析師成長成可以獨當一面的產品數據分析師會是很好的入門選擇
  3. 產品範例：搭配平台、電商、社群、媒體等實際案例，如果你在相關行業，這門課應該都能對你產生實際的幫助

👉產品數據分析 – 打造網路產品的決策引擎

推薦課程：Google Project Management Professional Certificate (全英文)

• 重點整理：一樣是 Google 出給沒有經驗的人，以證照班的形式，提供一套有效率的工作方法 (連文件、思考的板模都提供 Google 內部的版本給大家) 給想成為專案經理、或是上班族 (我自己認為每份工作都是專案，以專案的思維去處理，可以更有效率)
• 課程特色：
  1. 介紹專案管理的方法論：WaterFall、Agile (Scrum…)、Project Life-cycle 的認識：Initiate、Plan、Execute、Close：數據分析師在處理手上的專案也可以參考這些方法
  2. 專案管理時，會碰到的：目標設定 (數字如何訂？可以參考哪些來源或是模型？)、預算估計、專案的指標選擇 (用來追蹤、通常會做成儀表板來追蹤)，這些都是數據分析師會幫到忙的地方，課程裡面會給一套完整的系統，教我們如何做這些數據分析項目。這些也是財務分析、營運分析常做的，如果你想轉職到這些位置，這堂課也會對你有幫助

如果想看學習心得可以參考：數據分析師為什麼需要專案能力？Google Project Management: Professional Certificate 推薦

👉 7 天免費試上：Google Project Management Professional Certificate

推薦課程：商業思維學院 (中文)

• 重點整理：我是從 Gipi Medium 跟他的暢銷書：商業思維，認識 Gipi 的，他用很簡單的方式讓大家都可以了解作為公司的一份子，要怎麼樣以管理者的角度看所有商業行為，其中有很大一塊是跟數據分析息息相關 
• 課程特色：
  1. 52 週課程方案：先了解自己在職場上的定位跟自己技術上的價值，接著了解行銷、業務開發、然後了解產品、顧客思維
  2. 商業思維付費文章：所有商業思維的導師所寫的精選內容文章，有財務、營運、數據、產品等等
  3. 除了基本、普遍的讓大家了解商業思維外，也有針對其他領域做更多付費內容

👉 商業思維學院

推薦課程：Data Visualization with Advanced Excel (全英文)

• 重點整理：PwC 以一份優秀的商業報告為目標，講解如何進階使用 Excel，做到深度的分析、有效又好看的圖表還有動態儀表板，資料視覺化是整個證照課中的 Course 3，課程特色也會介紹 Course 3
• 課程特色：
  1. 講解如何進階使用 Excel，做到 scenario analysis、 sensitivity analysis、simulation (這是我在工作中：設立目標、建立簡單模型也在使用的，畢竟不是所有模型都需要 Python 或是進階程式語言)
  2. 然後接下來建立對於「受眾」來說「有效又好看的圖表」
  3. 最後，用 Slicers、PowerPivot 做動態的儀表板
  4. 其他 Course 會講解如何做 Data driven solutions、還有比較微進階的 Excel 使用，可以依據自身的狀況選擇看要不要上
• 延伸閱讀：20 個技巧：就能用 Excel 輕鬆完成資料視覺化

👉 7 天免費試上：Data Analysis and Presentation Skills: the PwC Approach Specialization

方案四：資料工程師

這時候選擇的線上課程應該包含這些資訊：

1. 什麼是資料工程？
   • 學習 ETL 的過程和所需要的工具：資料庫裡的資料是怎麼來的？如何將網站裡的資料取出來之後，倒進去資料庫，變成數據分析師可以取用的資料表 (Table)
     • 要學習的工具：Python, SQL, NoSQL Databases, Spark…
2. 商業智慧 (Business Intelligence)？
   • 學習使用常見的商業智慧工具產出基本的報表

推薦課程：IBM Data Engineering Professional Certificate (全英文)

• 重點整理：IBM 推出一系列的資料科學、資料分析、資料工程的證照班，每一個都很扎實，專注在：理論、工具教學、還有實際工作上的應用場景
• 課程特色：
  1. 資料工程的技術：ETL、ELT，E 是擷取 (Extract)、T 是轉換 (Transform)、L 是載入 (Load)
  2. 資料工程需要學的工具教學：Python, SQL, Relational Databases, NoSQL Databases, Hadoop, Spark.
• 整體來說，資料工程還是需要比較多艱難的技術背景，最終 IBM 還是建議先學好 python，不過對於數據分析師來說幾個我覺得可以先學的
  1. 可以先從其中的 Course 1 來了解資料工程的架構、工作內容，還有合作夥伴
  2. Course 4、Course 6 了解結構資料、非結構資料
  3. Course 5 – 用 python 連結資料庫，在 python 中分析資料 (學習 SQL+Python)
  4. 最後，真的想要以資料工程師為目標，再把建立 Data Warehouse、ETL、Data Pipelines，剩下的這些課補齊就好

👉 7 天免費試上：IBM Data Engineering Professional Certificate