Peggy Tsai / 麥奇數位（TutorABC） 大數據分析師

職涯過程

政大國貿畢業後，先在誠品營運規劃室（零售端幕僚單位）擔任儲備幹部，主要做損益分析、了解各專櫃的經營狀況、參與新店的規劃和設計，後來因參與會員的相關專案，在此專案中擔任PM，負責做會員分析，於是在專案後到會員分析部門擔任CRM分析師，專注在零售端會員做預測和追蹤。因為對線上商業模式很有興趣，轉職到TutorABC的數據中心擔任大數據分析師，主要負責優化學習經驗、投放媒體渠道廣告的轉換率等等。

不是數據相關專業出身，大學時期也沒想過要做數據工作，皆是在轉換工作的過程中學習需要的技能。

而這段過程對現在擔任數據分析師有很大的影響：

常遇到的狀況是做數據的人不了解前場狀況，而營運端可能對數據沒什麼概念，所以無法有效溝通。

但因為待過營運規劃室，很頻繁接觸營運端和各店面主管，且有經歷過現場輪調，在此過程中訓練商業思維，因此在擔任數據分析師時能運用自己對前場和後場的了解，將看到的數據用別人能理解的方式講，並把數據利用在提升整體效益。

數據分析師是什麼？

數據分析是「將複雜的數據轉化成有意義、可解讀的資訊，並提供管理階層有效的決策建議，以提升公司的營運效率與獲利」。

數據分析師是營運端和數據端的橋樑，要把資料從數據庫導出，轉化成資訊，再與營運端溝通。

數據分析師的工作內容？（兩段工作經驗的比重有點不同，此比例為綜合來看的結果）

• 資料視覺化25%：做圖表，包括訂定觀測指標、取出正確數據、呈現美化圖表（怎麼在有限版面呈現最有效的指標需要對數據的sense）
• 分析報告25%：擬定分析的主題和架構、深入數據探討趨勢變化、提出有價值的策略建議（營收為何掉10%？是顧客錢花得少還是來的頻率變少？要跟前場討論是否有觀察到什麼趨勢）
• 數據提取20%（在誠品時佔比較多，Tutor有數據團隊可請工程師幫忙）
• 數據清理15%
• 跨部門專案10%
• 統計模型（數據建模）5%：依據產業決定模型需求、分析測試模型重要變因、決定模型的執行應用方式

數據分析師需要具備的能力？

1. 軟實力(以前統計還好)

• 邏輯思考
• 溝通能力，非常必要，因為是溝通橋梁（行銷、業務、營運vs工程師），且做後台的人常常會有盲點
• 商業思維
• 好奇心
• 舉例而言：這個月業績掉了，為什麼？從哪些部份去看？一層一層去了解原因和解答問題，一方面用對產業的了解、一方面用對數據的了解，很直接地告訴主管問題出在哪，從數據來看大概是在哪，這些就需要以上所有軟實力

2. 硬實力

• 必備1 基本資料整理 Excel（最基礎的工具，基本公式運算、樞紐分析要會）
• 必備2 資料庫語言 SQL（7、8成以上的時間會用到）
• 加分1 可視化工具 Tableau（不一定每間公司會有）、PowerBI（圖表製作）
• 加分2 統計模型 R、Python、SPSS、SAS（這些用到頻率很少，主要看個人能力和發展方向，數理背景比較需要多在意）
• 綜合數據分析 GA(Google Analytics)、Salesforce

若沒有數理或資工方面背景，踏入數據工作會稍微困難。若有做研究或模型相關運用的經驗會比較有利。

如果不是相關背景，可以考慮研究所或拿證照上課程，或從前端（營運、行銷）開始做，有些公司會將數據團隊放在行銷部門底下。

數據分析師、數據工程師、數據科學家…有什麼不同？

數據分析師：入門門檻最低，程式開發能力要求較低，但需要具備較強的商業思維和溝通能力。

數據科學家：做統計、機器學習或人工智慧，要會導模型，對商業端接觸較少。

數據工程師：處理資料結構，資工背景出身。

Q&A

• 若未來想做數據分析師，大學期間應該要修的課、建議實習的機會...等可以增加履歷的經驗有哪些？

Peggy：統計或跟產業分析相關、要報告和分組的課，我雖然以前沒有修過跟數據工作直接相關的課，但有修很多商業分析、團體報告的課，所以很擅長商業報告，這也是我跟理工背景的人相比最大的優勢。

社團的話可以去擔任做決策的角色，練習站在較高的視角看事情。

實習的話，對產業或公司發展有興趣很重要，喜歡這間公司做的事情才有動力幫他們做進一步的分析研究。

以上之所以沒提到技術是因為都是自學，聽說現在學校有些統計課會教相關軟體，但學工具要會運用，可以思考是否一定要透過學校體系學。

維哲：我反而覺得統計用不太到。盡量修資工的課，學平行運算，累積專案經驗和作品集。

• 學校課程有修過一點R，想請問學生應該如何累積作品？

Peggy：不確定學校有沒有要用R做研究報告或研究分析，如果有的話可呈現。

維哲：出發點不太正確。不是你有什麼，而是公司在意什麼？先去了解面試的這家公司到底在數據分析時會用什麼工具？會遇到甚麼狀況？

不是只有你會R，如何比別人更出色？要更早鋪路才有作品集或實戰經驗。

• 如果不是商業背景出身，有建議可以參加甚麼實習機會，或選甚麼方向的課會對商業思維的訓練最有幫助呢？

Peggy：實習就看你對什麼公司或產業有興趣。商業思維的訓練、行銷或產業分析等能力，若還沒工作經驗就多去閱讀商業相關部落格或商業評論，讓自己在看產業指標時做批判性思考。

維哲：我不太相信學校上課能得到什麼。商院的生態重視實習歷練，最快的方式就是實習，可以去找加速器的實習機會，因為加速器的目標就是幫助新創團隊和產品成長，有機會接觸到裡面的CEO，能直接聽到第一手實戰經驗。

• 面試時，會問哪些問題呢？需要現場建模嗎？

Peggy：看公司，通常不會到要現場建。

問題主要分三塊：程式語言、Behavior Question（問情境，溝通、帶領團隊的經驗）、邏輯問題（圖形、類似國中數學題）。其他還有遇過要用Excel從中導出他要的答案。

通常建模是數據科學家才會碰到，但要拿到這個offer要先到碩博士，具備很強的數據背景。

維哲：先定義模型是什麼樣的模型？分為技術面和用戶模型（商業、用戶增長等）。我工作上比較少用模型，建模型都是資深的人在做。

• 想要詢問一下如果目前從事的工作和數據並沒有高度相關，或是公司使用的並不是 SQL ，但希望可以自行找一些 SQL Python 的 side project 來做累積實作經驗，可以去哪裡找題目呢？（已經有自行修過相關的線上課程）

Peggy：我都是從工作中邊做邊學。

維哲：Google Big Studio。

• 想請問，演算法要學很多嗎？（有被現場考過）

Peggy/維哲：會基本的就好了。

• 想請問哪些產業有對數據分析師有大量需求？ 

Peggy：數據團隊不是公司最一開始需要的，公司要發展到稍微成熟階段才有辦法有數據團隊。各產業各公司都有需求，只是是否會願意花錢花時間去建置數據團隊。

維哲：跟產業無關，有錢的公司就會有。

• 過去在做數據分析經驗裡，那時候會運用到統計？以及如何運用呢？   

Peggy：統計是一個概念，不用到很專精。

維哲：沒什麼用過。

• 有做過有關於預測型分析的經驗嗎？能否分享相關經驗。

Peggy：滿常需要的，在誠品時會針對客群，預測效益會有多少；現在會做客戶退費機率預測，針對預測去投入不同客服資源，以及對未來業績的預測（要訂指標之後才能追蹤）。

• 想請問能用案例說明看看如果專案內同時有數據分析師&數據科學家，兩者之間的工作會如何搭配跟區分嗎？

Peggy：分析師偏商業端；科學家只有在初期會需要跟商業端配合，因為需要知道數據會運用的狀況。

維哲：科學家把分析師的需求做出來，他們自己有一套演算法。我通常是問他程式怎麼寫，用他寫的東西。

• 請問你們覺得在自己團隊內，目前最想要或最缺的人才是哪種？

Peggy：中階分析師比較缺。需要團隊和溝通的能力，可以多觀察資深的人如何溝通和解決問題，也不要害怕嘗試和犯錯。剛畢業的優勢就是比較不一樣的想法。不要害怕去挑戰，且數據這個領域在台灣還算新，有比較大的空間可發揮，目前待的數據團隊都算滿創新的。

詳細活動內容，請參考：職業窺探：數據工作大解析

回覆此文章

Blink 小醬

布林克大學 碩士學

追蹤 84 鼓勵作者

Blink小醬