「商業分析師」在做什麼？在我們的世界裡，人比數字更重要｜百工的一天

「商業分析師」在做什麼？工作就是專門觀察數據並紀錄嗎？其實商業分析的本質依然是「業務」，分析只是協助管理者做決策的一環，因此你不只該精通數字，還需要具備對商業操作的理解，因為只有「人」才能做決策，數字不行。

從踏入職場以來，我的工作就跟大量的數據一直沾上邊，從台灣銀行業的數據，亞馬遜工廠的數據，到Flixbus的行銷數據，從營運，行銷到銷售的數據分析，小到「一天我管的團隊包裝了幾個包裹」，大到「一年高達上億的行銷預算分析」都有碰過，我一直在思索，到底需要怎麼樣的技能才能把這個工作做好？我需要學更多程式語言嗎？我需要學習一些量化模型嗎？

商業分析的本質是業務本身，少了分析管理者一樣要做決策

今年我負責Flixbus行銷預算中的一個統計模型，目的是在衡量那些線上無法追蹤的行銷通路，例如電視廣告，室外看板，廣播等等對於我們銷售的影響，這個模型被稱為“Marketing Mix Modeling（跨行銷通路的分析模型），這個模型有相當多的變數，也有相當多的假設，如果調整了一項假設，算出來的結果就會改變。

牽扯到預算，自然變成了兵家之地，變數一改，模型條件一變，表現不好的行銷通路就會來質疑挑戰，每次更動都少不了一番解釋，本來眾所期待的一個項目變成各種質疑，政治跟哲學角力的場所。

在修正了數個版本之後，我們還是無法取得共識，最終在主管會議上，我們把各種版本的結果放到會議上，聽完闡述以後，老闆說：「我們選了這個版本，因為他是我們能力所及可以做出最好的解釋，即使還有討論的空間，我們也必須往前走，因為我們需要做決策。」

那一刻我深刻個感受到，數據分析師在商業團隊扮演的是輔助決策，沒有數據這個決策依然要做，所以要讓數據分析在決策過程中被採納，除了數據分析本身的專業以外，更多時候需要的是妥協，溝通，經驗，共識，商業分析師的工作除了跟數據科學家把數據模型算好，分析架構做好，更重要的是能夠讓決策者理解並接受，最後在決策時願意納入考量

我用R跑了隨機森林的模型，但我的使用者連Excel都不熟

今年正好協助公司招募行銷分析師，面試了數十個不同國家的求職者，我們發現了一個蠻普遍的問題：大家都很在意自己的硬實力有沒有表現出來，但卻沒辦法解釋，為什麼要做這些分析，為什麼用這個工具有意義。

對商業分析，行銷分析職缺很有興趣的校友或是在校學生常會問我：PowerBI, Python, SQL, R, Tableau我是不是要先來學，先去考證照？我要不要會寫時間序列分析？我要不要會Bayesian Model？確實每個來求職的人幾乎都有這樣的背景，但真的做得好的，往往不是所謂硬實力「Tech Skill」最好的人，而是能理解商業背景，然後把自己分析脈絡講清楚的人。

數據分析總是艱澀，當你千辛萬苦用R建了一個模型，用SQL設了很多條件，用PowerBI建了一堆報表，但你卻無法跟你的使用者說，這個數字哪裡來的？最終你的對口只會叫你用Excel把原始數字寄給他，然後憑著自己的經驗趕快在下班前加加減減送出去給老闆。

「你可以試著跟10歲的小朋友說明你的碩士論文嗎？」我們很喜歡問這個問題，平時也會練習用這個視角，來解釋困難的分析概念，因為你公司的同事可能真的連Excel都不會用，讓完全不會用數據的人理解，為何我們所做出來的分析，可以幫助他。

做決策的是人，不是數字

「讓數據做決定」是很多人喜歡在公司裡面談的概念，通常僅限於他們認可的數字，一旦數字稍微偏離自己的想像，或是跟自己的利益有所衝突，這個數字就會被各種懷疑，挑戰，更多時候，分析邏輯與方法就在信與不信的一念之間。

真正可以幫助決策的商業分析師，通常對商業的理解非常全面，站在決策者（也可以說你數據的用戶）的角度去思考，到底決策時缺了什麼，另外對數字的敏銳度很強，不見得要自己做分析，但卻能清楚地解釋分析過程，掌握數字正確度跟可信度，溝通上也相對明快清楚，用簡單明暸的方式呈現，在我的經驗中，這些特質是我在團隊中還有面試裡，優秀的商業分析師所具備的共通優點。

（原文標題：在商業分析師的工作裡，人比數字更重要）