數據分析師( Data Analyst) 的 3 個必備技能與 2 大工作內容

圖文／ALPHA Camp

什麼是數據分析師（Data Analyst）？

數據分析師（Data Analyst）又稱資料分析師，一般定義是能將原始數據轉化成可用於制定決策的資訊，具有數據洞察力有能力處理數據轉化成知識的人。

「數據分析師」也是資料產業中一個重要的職能之一，而且這個位置在資料科學熱潮之前就存在已久。

資料科學家和數據分析師的差別是，數據分析師比較強調的是「如何找到適合資料可以解決的問題」，對資料理解與定義問題的敏銳度。數據分析師在資料探索及資料視覺化的要求會高一點。而資料科學家則更重視模型與理論，需要比較完整的資料知識體系，例如統計，最佳化及資料模型這方便的了解。

如何成為數據分析師：必備的工作技能

三個成為數據分析師的學習重點：專業技能、產業知識、及批判性思考：

• 專業技能：Excel、程式語言 SQL、R / Python。此外資料視覺化工具例如Tableau、統計知識，也是資料分析師需要培養的能力。
• 產業知識：不同產業的分析面向，差異很大。建議「一開始就先選定特定產業，了解它如何運作、自己又該補足哪些知識。」
• 批判性思考：多運用框架幫助思考，如 AIDMA 行銷框架、AARRR 產品框架，把宏觀的現象拆解成一個個可驗證的步驟。另外，目標導向思考也很重要，能幫助自己「了解對方為什麼要做這件事？我們的觀點又是什麼、該如何幫助對方？」做到目標導向的思考，才能釐清對方的需求、真正解決問題。
• 軟實力：能夠團隊合作解決問題的能力，關注數字的細節和準確性，擅長口頭與書面的溝通表達包含寫報告和進行presentation。

資料分析師兩大工作內容：需求確認及分析

資料分析師一天的時間分配，工作有一半時間在做分析工作「SQL 跑資料、畫報表」，然而每天花最多時間的，反而是「需求確認」！與部門同事討論、了解他們的資料分析需求。例如：

• 為什麼他們需要資料？
• 這些資料能夠解決他們的問題嗎？
• 除了他們所需的資料，我們如何挖掘其他資料，幫助他們了解的更多？

從事數據分析工作通常要經歷幾個步驟

1. 定義要解決的問題
2. 收集正確數據
3. 清理數據
4. 數據分析與解讀

數據分析的類別大致上有這四種：

• 描述分析（Descriptive analysis）：描述性分析回答 What happened 這個問題，確定已經發生的事，雖然沒辦法從中做出預測，但是整理好的描述分析能確認數據以有意義的方式呈現，並打好進一步分析的基礎。
• 診斷分析（Diagnostic Analysis）：診斷分析幫助你了解 Why did it happen 為什麼會發生這樣的狀況，資料分析師能找到過去存在類似的模式，將可能導致這個結果的因素建立相關性，例如電商結帳失敗提高的原因，可能是結帳頁面要填的資料太多導致客戶流失，可以從過去與現在填寫完成率做比較。
• 預測分析（Predictive Analysis）：預測分析則是回答 What will happen 未來可能會發生什麼，透過找到過去數據的規律，預測未來的可能趨勢和潛在問題。例如透過過去數據的觀察，第四季是電商購物的旺季，廣告投放產生的效益和其他季有明顯差異。
• 處方式分析（Prescriptive Analysis）：處方式分析則是混合了其他數據分析，因為你知道希望的結果是什麼，為了達成這個目標，可以事前做出哪些相應的動作。例如保險業想要獲利最大化，就通過數據搜集預測誰是高風險族群，將他們的保費提高。

數據分析師工作機會

根據Glassdoor的資料，在台灣的數據分析師工資大概在年新月薪4萬到14萬之間，基本上是看資歷與工作經驗。電商的數據分析師職缺也很多，大部分的薪資都在四萬之上，根據1111人力銀行統計，目前數據分析師這個職缺就有近8000個工作機會。

不同的產業也都對數據分析師的需求非常旺盛，從軟體業到傳統的金融業、房仲業，都需要數據分析師的相關人才。

本文由 ALPHA Camp 授權轉載，原文連結

瀏覽 3,692 次