專題特輯

2023.05.04 | 4160次觀看

數據分析師工作內容?文組出身行銷轉職數據分析師經驗分享|百工的一天

「數據分析師」在做什麼?工作只需要數據敏銳度與數據判讀能力嗎?本文作者從文科行銷背景轉職數據分析師,當初只能照著JD的硬技能需求準備面試,親身分享數據分析師的兩種任務:數據提取與整理、數據專案,對數據分析有興趣的你一定要知道。

文/SHARON'S LAB ∣ 雪倫實驗室

如果你對於數據分析師這個職位有興趣,那千萬別錯過這篇文章的分享!我將分享我從文科行銷的背景,跨足數據分析,過程對於數據分析師職位內容的疑問,並且分享,在成為數據分析師之後,回過頭來看,我怎麼解答我當初的疑惑,希望對於數據分析有興趣的你有幫助,那就開始囉!

和很多人一樣,決定跨足不同領域的時候我也是誠惶誠恐,但是應徵數據分析師的過程中我還面臨了另外一個挑戰,那就是我看了諸多的Job Description,但是對於工作內容具體要做些什麼事情卻有看沒有懂,只能到處問人、看數據相關的部落格,再照著工作要求的硬技能需求去準備面試。一路上跌跌撞撞,好不容易才當上數據分析師,這篇文章就是想來分享我當初對數據分析師的疑惑,以及我的工作內容具體上是什麼。

我的工作日常主要可以分成兩種任務類型:

一、數據提取與整理

數據提取與整理簡單來說就是把資料從存放的地方撈取出來,並整理成讓需求單位可以簡單使用的數據內容。舉例來說,如果我是負責分析商品的數據分析師,那麼我的主要任務可能是幫助業務單位查詢出各個商品的銷售數量、銷售金額、銷售YOY變化等;假設我是負責分析行銷成果的數據分析師,那麼可能會接到的需求就可能是評估LINE廣告帶來多少營收、線下活動對於線上銷售的幫助狀況等。當然,實務上也有可能需要負責公司所有的數據需求,就看你應徵公司對於數據分析師的定位囉!

說到這裡,如果是對數據分析師的領域不熟悉,又或是像雪倫一樣過去待的公司規模比較小,可能會有這樣的疑問:

咦?需要的數據不是自己去相關資料的後台下載,就可以產出EXCEL或是CSV的資料了嗎?又為什麼需要數據分析師的幫忙撈取資料呢?

沒錯,如果你有這樣的疑惑一點都不奇怪,這個疑問我也曾經有過,隨著工作年資跟經驗的增加,我也慢慢了解原因,歸類出來解解惑:

  1. 基於資料機密性,公司需要控管資料與權限
    在公司進入一定的規模之後,員工人數變多、資料量與分工細化,需要管理和控管的東西也會變多。資料不僅僅是公司很重要的資產,其實也是公司的機密,所以較有規模的公司就會進行控管,例如說需要資料要提出申請、需要主管同意等等審核機制,至於有辦法拿到原始資料的資料後台當然也不會給一般員工,多半是由資訊人員集中管理。
  2. 保障數據品質與維持數據統一
    使用數據最怕的就是數據不統一,A部門說營收是1000萬,毛利率是50%,B部門說營收是950萬,毛利率是52%,那到底誰說的才是對的?這也是為什麼會需要數據統一管理跟需要數據 分析師的原因,一來是各部門各自撈資料資料會因為計算方式、算法而有落差,也可能因為各部門的主要目標不一樣,所以認列的算法也不一樣。這種情況沒有誰對誰錯的問題,只有公司要依照什麼標準跟定義來看數據的問題,而如果有數據分析師統一規則,那麼在資料上就會更容易確保數據品質與定義算法是一致的。
  3. 資料量過大,需要資料庫存放
    在中大型的公司,因為有一定的資料量,所以資料大多存放在資料庫裡,所以當各部門需要資料的時候,最常見的作法有三種:
    第一種是公司配有數據分析師,所以當有數據需求的時候,就找數據分析師幫忙從資料庫查詢資料。使用這種方式的缺點是,當個部門的數據需求量高且複雜的時候,數據的查詢整理就沒辦法即時的提供給各單位。
    第二種作法則是公司自建內部的資料查詢系統,讓公司內部的單位可以透過資料查詢介面去查到該部門需要的資料,不過自建系統的成本較高,也需要一定的維護成本。
    第三種是上述兩者的折衷方案,引進視覺化的BI系統,市面上最常見的系統包括:Tableau、Power BI等,這些系統可以讓數據分析師將資料庫的數據連結到BI報表上,解決例行性的各部門數據需求。

但不論是上述哪一種數據提取方式,數據分析師都免不了要進行數據查詢與核對確認,這也就是為什麼,數據分析師必須要SQL這個技能,因為這樣才有辦法幫助需求單位在資料庫做資料查詢與整理。

二、數據專案

我自己覺得數據專案是個相對無法簡單定義的工作內容,而我對數據專案的定義是:發揮數據分析師價值的重點工作項目。上述提到的數據撈取與整理比較像是例行工作,任何人都可以做,但是數據專案則需要仰賴數據分析師對於數據的敏銳度、對分析領域的業務了解程度、對不同需求部門的溝通協調能力,才有辦法和其他部門合作,共同解決一個公司面對的問題。

數據專案每家公司會遇到的都不太一樣,這些專案可能是老闆提起、需求單位提起,又或是在數據分析師熟悉公司業務和數據後,主動向老闆或是需求單位提起專案。

舉例來說,假設你應徵的是APP產品分析師,除了例行的數據報表、重點指標監測,更重要的是怎麼提升產品的收益?包括產品的付費訂閱人數、有哪些行動方案?可以用哪些數據應證哪些行動方案可能可行?

又或者,你應徵的是零售產品的數據分析師,那麼要怎麼提升某個新推出的產品線的銷售?怎麼降低退貨率等?怎麼為商品做標籤分析採購品項,可能都是你會遇到的數據專案。

除了解決特定的商業問題之外,另外一種常見的數據專案則是整理數據流程以及BI報表的使用,最常發生在剛建立數據團隊的公司環境,例如,身為數據分析師,你要怎麼讓公司的其他同事學著使用Tableua的報表?讓其他同事知道原來有很多可以使用的數據可以用,又或者是,你辛苦和工程師共同做完了老闆交代的網站內容推薦系統,你要怎麼幫助同事接受、應用新的推薦系統,回饋推薦系統是否有需要改善的地方等。

總結來說,我會說數據專案絕對是數據分析師工作中最具挑戰性工作項目,比起數據敏銳度與數據判讀的能力,數據專案更重要的技能溝通協作、轉換技術語言、了解商業實務的現況的能力

這個過程,可能會需要大量訪談需求單位的同事,了解他們業務執行的現況和細節、與需求單位的同事溝通,讓他們知道引進新的數據報表或是系統對於他們工作的幫助,甚至需要說服老闆投入支持等。這也就是為什麼如果去看數據分析師的Job Description,你會看到很多要跟需求單位(stakeholder)密切合作,進行需求訪談這類的工作內容,因為數據要派上用場,始終是其他部門要覺得數據有幫助,而不是加重他們的工作負擔,才有機會讓數據融入公司的各種決策。

那麼關於數據分析師的工作內容就分享到這裡啦,希望對你理解數據分析師在做什麼有幫助,我們下篇文章見~

(原文標題:數據分析師的工作日常:數據提取與數據專案


推薦閱讀:

加入粉專,每天收看職場力最新文章