關於「數據分析師」

嗨，我是阿崔 ，你們的職發小姊姊🌻

現在的大數據時代，很多的企業都開始走向數位化，增加對資料科學人才的需求，其中「數據分析」也是許多學員選擇Python的原因。

很多人想轉職，卻又不知道相關工作的面試該從何準備起，我為大家統整一下方向😎

👑 資料工程師 Data Engineer

🌈 主要是負責準備資料提供給資料科學家或數據分析師使用，如 : 資料蒐集、分類管理 ... 等

👑 資料科學家 Data Scientist

🌈 以更多高級統計學、數學的角度解讀複雜資料，其中運用到機器學習、數據探勘等知識，挖掘出隱藏在資料中的價值。

👑 數據分析師 / 資料分析師 Data Analyst

🌈 需要不錯的統計能力及程式語言能力，但相對於資料科學家解讀複雜資料、機器學習模型提供洞見，企業更希望數據分析師是能透過數據分析 + 產業理解，供企業做出更好的決策。

⭐️ 提供下圖及文章，可以幫助大家有更清楚的認識

延伸閱讀 ▶️ Data Analyst vs Data Engineer vs Data Scientist: Skills, Responsibilities, Salary

👑 商業分析師 Business Analyst

🌈 像是管理顧問，需要更多質性分析，提出具體的解決方案

🗣️ 技術需求通常較低，更關注商業面的問題，並提出實質的戰略方向，因此職缺數也較少

👑 數據分析師 Data Analyst

🌈 透過整理大量資料、產出易懂的報表，讓資料方便被解讀

🗣️ 更關注如何幫助需求部門整理資料、產出報表，在各個平台可以被搜尋到的職缺也較多

在台灣，這兩個職位的工作內容經常有重疊，越小的企業組織，重疊的情形則越來越嚴重！

因此在投遞職缺前，請先仔細瀏覽 JD，確定這份工作是否符合你的求職需求。

⭐️ 提供下圖及文章，可以幫助大家有更清楚的認識

延伸閱讀 ▶️ What's The Difference Between BI Analyst and Data Scientist?

在台灣數據分析師平均薪水 45,000 台幣，普遍起薪約 36,000 台幣。

⚡️ 強調專案經歷及成效

切記要描述專案帶來的成果並在履歷中以量化方式呈現自己的成就

✔️ 專案經歷

除了代表你對數據分析的熱忱及經驗，更重要的是從中可以告訴面試官，你能使用哪些數據分析的技能。

⚡️ 相關產業經歷尤為加分

描述專案經歷時要以面試的目標產業相關經歷為優先，許多競爭者都有數據分析的專案經驗，但是能在履歷中強調自己擁有相關產業的專案經驗時，相較其他競爭者就會顯得更加出色。

🌷 將過往做過的分析項目整理成 PPT

每個項目展開基本有文件紀錄（一期、二期、三期），將這些資料擷取重點並統整、美化為 PPT

▶️　如果你有學到Python的數據分析，這部分在專案製作及成發準備時會訓練到 💕

🐾 展現出重視的態度

設計、攝影相關工作，作品集是很重要的，對於資料分析師相對少見，因此在面試過程中拿出作品集，會讓人感到你跟其他面試者不同，因為用同一份履歷亂槍打鳥打天下的人很多，當你有備而來，第一眼好感度就UPUP了❤️

🐾 說得很漂亮，不如拿出成果證明

如果面試者的簡歷上寫了一個滿複雜的分析項目，當詢問細節時，說明的內容非常空泛，面試官這時就會預設，其實你只是負責了項目中被指派的某一件事，並不了解整個項目在幹嘛，而你也沒有想要了解全貌的意圖。當然，有可能只是一時緊張導致，如果這時候有一個作品集可以展示，說不定就有機會可以翻盤。

🐾 爭取面試的主動權

大家應該都有過一種這種經驗「你有準備的面試題但面試時都沒有問到？」

這樣很可惜的，畢竟每一場面試都是自我行銷的機會、也是雙方你來我往的賽局。

主動權就是讓整場面試過程的節奏能照著你預期走。

當面試官看作品集時，你就有機會一張一張簡略的介紹，說明整個邏輯，發現了什麼？優化措施是什麼？優化成效是多少？解決過程中遇到什麼問題？解決方式是什麼？跟多少部門交流？

面試官提出的問題也會圍繞在你最熟悉的這份作品集上。

🚩 敏感數字要調整或是遮蓋掉

撇開觸犯機密條款不談，這是一個很基本的職業道德。

以用戶數來說，對任何一家公司都是絕對的機密

PPT 上可以呈現「我的一波操作讓用戶數增加 100% 」，但絕對值務必隱藏掉。

🚩 內容只集中在一個項目

🐾 每場面試時間大約為一小時，不論你做過多少項目或是多少分析，認真選出一項最有趣、最多挑戰的項目就好，目的是呈現出你最佳的一面。

🐾 如果有不同的工作經驗的話，需選跟面試職位最相關的，因為好的作品集就是讓面試官能保持興趣

✨ 小撇步

10 張 PPT 中

- 6 張在某一個分析項目

- 4 張放上其他經歷的重點能力，希望的預期只是輔助說明我有更豐富的背景，在分析工作的應用與想法上存在更廣泛知識。

🌼 硬實力 Hardskill

▶️ 拆解問題、洞悉問題的能力

▶️ 能夠清理、處理資料

▶️ 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

▶️ 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)

🌼 軟實力 Softskill (超級重要)

▶️ 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

如果在學生時期對於數據分析就很有愛，我建議可以依照實際想要做的工作內容，以下分類可以參考：

興趣的是統計分析、喜歡利用統計學術理論來解釋現象

➡️ 統計系、數學系

喜歡製作數據模型、或是探索資料科學

➡️ 資工系、資管系

喜歡解決商業/產品問題，透過數據去做決策

➡️ 商業分析學系

💡 數據分析師也不是一定要在這個職位才可以做，在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！