零經驗如何成為數據分析師? | 維斯洞察Alvis Insight

文章推薦指數: 80 %
投票人數:10人

我目前是APP 產業的數據分析師,工作內容接近行銷分析以及產品分析,所以如果是其他產業,例如金融業、廣告業、房地產等等,或是其他職稱像數據科學家、 ... 維斯洞察AlvisInsight✕MainMenu關於首頁維斯雜談內容變現職涯反思數據分析A/BTest產品數據分析Python基礎入門DataStudio教學行銷策略SEO教學數位廣告社群行銷訂閱電子報SearchMenuFacebookInstagramLinkedInWrittenbyalvis•2021年7月27日•上午12:02•職涯反思•4Comments零經驗如何成為數據分析師?數據分析師這個職缺在台灣相對來說還是個窄門,如果把目標鎖定到APP產品的數據分析師,那就更窄了。

對於一個零經驗、沒有相關背景的人來說,想成為數據分析師是一件超級不容易的事情,所以身為有幸成功轉職成為數據分析師的人,這篇文章想聊聊,如何提升成功轉職成為數據分析師的機率。

我目前是APP產業的數據分析師,工作內容接近行銷分析以及產品分析,所以如果是其他產業,例如金融業、廣告業、房地產等等,或是其他職稱像數據科學家、數據工程師,要求的條件、能力或經驗都會有不同,請斟酌參考。

內容大綱成為數據分析師的第一步:確認能力範圍轉職前工作內容的守備範圍成為數據分析師的第二步:培養新技能數據分析師有哪些技能要求?如何培養數據分析師技能?成為數據分析師的第三步:做履歷&開投零經驗轉職成為數據分析師的三大步驟成為數據分析師的第一步:確認能力範圍在轉職成為數據分析師的過程中,自己感受到最大的硬傷就是:我不是商管、統計或電腦科學相關背景出身的,就是完全純文組。

而大部分數據分析師的JD都會要求是商學院,或理工學院畢業。

所以在求職的第一關:投履歷,非相關背景畢業的求職者就很容易遇到投幾百封履歷都石沈大海的情況。

再來,因為是中途轉職,可以預期的是這些轉職數據分析師的求職者,可能因為經驗、生活水準等因素,會要求比相關背景新鮮人更高的薪資。

這對企業來說有利有弊,若對方希望倚重轉職者過去的經驗,則比較有機會轉職成功,但如果完全就是看重技能,轉職者就很難談判。

所以第一步,列出自己的守備範圍(優勢),以及培養的新技能就很重要。

轉職前工作內容的守備範圍守備範圍可以想像成是,你在跟其他數據分析師競爭同一個職缺的時候,你的優勢是什麼?可以從既有職能、產業去拆分,找出既有工作內容跟數據分析工作有連結的部分,然後把現在的產業切出幾個關鍵字,就是之後自己更有機會找到工作的方向。

以自己為例,轉職成為數據分析師前我的工作是行銷,內容包含產品流程優化、廣告投放、電子報投放、活動策展、社群經營等等,在這其中跟數據分析師工作更相關的是產品流程優化(產品數據分析)、廣告投放(行銷數據分析)兩個項目,所以我就會視工作內容去調整履歷&面試時提及的比例。

在產業方面,因為前公司經歷幾次轉型,從網紅募資轉型為內容訂閱,再到最近是線上學習平台,所以像是線上學習、訂閱制產品,以及類電商,都是我熟悉生態且有經驗的產業,在轉職中就能善用這個優勢、表達對該產業的理解。

成為數據分析師的第二步:培養新技能盤點完既有的優勢之後,就需要看看自己還需要培養哪些新技能。

我當初轉職的方向先選擇自己有興趣的商業分析師以及數據分析師職缺來研究JD,當時對兩個職位都各有簡單的技能歸納。

數據分析師有哪些技能要求?商業分析師(BusinessAnalyst)通常比較不在意coding能力,但excel會需要熟悉,部分會要求有使用SQL的能力。

而通常職稱掛上數據分析師(DataAnalyst)的話,要求懂SQL跟Python兩個技能則是大宗。

不論是商業分析師還是數據分析師,資料視覺化幾乎都是需要必備的能力,一方面是資料視覺化工具像是Tableau、PowerBI或是DataStudio本身都能做到很彈性的數據分析,再來就是視覺化的報表也更好做團隊溝通,解釋你觀察到的現象。

其中DataStudio是近期逐漸興起的視覺化工具,他本身就是Google提供的工具之一,因此能很好的串接GA、GoogleAds等功能,如果你想更了解如何操作,也可以參考Hahow的這堂線上課程:DataStudio視覺化報表|數據分析輕鬆上手如何培養數據分析師技能?我做完JD的歸納之後,幾乎是立刻就決定要培養使用SQL與Python的能力,原因是我覺得懂一些程式語言應該還是會比較有競爭力,而這塊我分成兩個部分來學。

SQL的部分我是採用完全自學+刷題的方式,主要是因為SQL的複雜度相對不高而且網路資料也很多,就算遇到問題也不會卡太久,所以就選擇這樣的方式把能力練起來。

Python的話則是參與讀書會,聽線上課程然後在短時間內大量刷題,就逐漸掌握一些Python的基本用法,而最後在讀書會期末時做了一個專案,算是將應用Python的能力落地,也順便做出一個作品集。

然後,不要覺得自己是文組就不可能學會程式,先相信自己、認真投入才是重點。

成為數據分析師的第三步:做履歷&開投接著就是連結過去經驗與新的技能,做出一份客製化履歷然後勇敢的投出去。

我自己覺得這裡要克服的是心魔,要先跟自己溝通好、做好心理準備,履歷投出去很有機會會石沉大海,才不會在連續收到好幾封已讀不回後整個信心崩塌。

如果有收到面試機會的話,會建議在轉職初期都去面面看,了解數據分析師的面試方式與項目,才能在未來面試喜歡的公司的時候,多累積一些經驗值,提高拿到offer的機會。

如果想要了解當初我有使用到哪些學習資源來準備轉職,可以前往這篇文章「轉職數據分析師的學習資源–給完全零經驗的新手」了解細節!零經驗轉職成為數據分析師的三大步驟1.整理守備範圍:將過去的工作經驗作為優勢,連結到數據分析師的工作中。

2.培養新技能:若以數據分析師為目標,建議SQL與Pyhton都要有基本能力。

3.開始投履歷:調整轉職的心態,避免在收到多封已讀不回後信心崩塌,覺得是不是選錯路。

希望以上內容能幫助到你,謝謝你閱讀到這邊!延伸閱讀留存率怎麼算?該如何正確監測留存率?留存率如何影響產品體質?深度解析留存率與DAU的關係從數據分析的角度看,新的工具型產品如何起步?←PreviousStory從數據分析的角度看,新的工具型產品如何起步?→NextStory手把手帶你用GA4漏斗分析做進階產品數據分析RelatedPosts轉職數據分析師的學習資源–給完全零經驗的新手2022年7月9日•職涯反思...ReadMore→如何培養數據敏感度?3步驟養成你的數據敏感度2021年11月29日•產品數據分析之前有人問到:「該怎麼培養數據的敏感度?」...ReadMore→轉職數據分析師前的準備工作2021年11月8日•職涯反思...ReadMore→數據分析難題:真實的商業問題遠比你想的複雜2021年10月18日•產品數據分析我之前在分析公司數據時發現一個問題:某個指標持續下降。

...ReadMore→4Repliesto“零經驗如何成為數據分析師?”Jessie表示:2021年8月30日下午5:27您好~想瞭解轉職準備的學習資源!回覆alvis表示:2021年10月18日上午1:09Jessie你好~可以私訊我的粉絲專頁哦~https://www.facebook.com/alvis.analyst回覆Sophie表示:2022年5月28日下午12:37您好!謝謝您的分享,正好解決了我心中一些疑問。

請教您從零學習SQL和Python到順利轉換跑道前,花了多久時間?是集中火力一次達成嗎?回覆alvis表示:2022年6月18日下午7:11你好,這段期間大約花了半年,幾乎平日晚上跟週末都是在各種刷題跟解題,其實在不算完全準備好的狀態下就想說開始丟履歷試試水溫,結果就順利拿到分析師職缺。

後來進公司之後還是有持續補程式跟一些統計相關的技能跟知識,才能好好做完公司的專案,給你參考!回覆發佈留言取消回覆發佈留言必須填寫的電子郵件地址不會公開。

必填欄位標示為*留言*顯示名稱*電子郵件地址*個人網站網址在瀏覽器中儲存顯示名稱、電子郵件地址及個人網站網址,以供下次發佈留言時使用。

關於作者:Alvis現任數據分析師,同時也擔任Hahow與GMA的DataStudio線上課程講師。

在工作之外則身兼YouTubeTeamLead,也參與非營利組織的Podcast製作。

網站寫數據、職涯以及任何我感興趣的議題,歡迎點擊下方連結關注我的其他平台。

在其他平台關注我訂閱電子報,不定期更新找找感興趣的內容文章分類A/BTest3DataStudio教學1Python基礎入門3SEO教學2內容變現2數位廣告1產品數據分析6社群行銷9職涯反思5近期熱門文章轉職數據分析師的學習資源–給完全零經驗的新手2021年末盤點:出社會後最有餘裕的一年如何培養數據敏感度?3步驟養成你的數據敏感度轉職數據分析師前的準備工作數據分析難題:真實的商業問題遠比你想的複雜FacebookInstagramLinkedIn©Copyright2020維斯洞察AlvisInsightAllRightsReserved.↑Close分類A/BTest3DataStudio教學1Python基礎入門3SEO教學2內容變現2數位廣告1產品數據分析6社群行銷9職涯反思5最新文章轉職數據分析師的學習資源–給完全零經驗的新手職涯反思2021年末盤點:出社會後最有餘裕的一年職涯反思如何培養數據敏感度?3步驟養成你的數據敏感度產品數據分析轉職數據分析師前的準備工作職涯反思數據分析難題:真實的商業問題遠比你想的複雜產品數據分析2021電子報準備重新開張,來訂閱吧



請為這篇文章評分?