大綱

數據分析師的角色、所需的技能、與資料科學家的區別，以及如何撰寫和溝通數據分析報告。

  • 數位轉型與數據分析師需求：受疫情等影響，線上產業興起，企業為分散風險，數位轉型勢在必行。體現數位能力的方式之一是在數位行銷或數據分析上展現成果。數據行銷人員和數據分析師成為熱門職缺。
  • 數據分析的定義：在行銷商業上，指用對的統計方法分析數據，找出有價值資訊，協助企業做出對的決策。可拆解為「數據」（取樣、歸納、整理）和「分析」（結合企業背景、業務需求，用科學方法整理數據）兩部分。
  • 數據分析師與資料科學家 (Data Scientist) 的區別：
    • 資料科學家：更重視演算法領域，如寫爬蟲程式、研究數據模型建立歸因理論、研究算法提升工作效率。
    • 數據分析師：更常與業務單位協調、說服老闆、透過數據洞察提供決策建議（如提升網站使用者體驗）。
  • 成為好的數據分析師所需的技能 (3點)：
    1. 基礎統計學知識和擅長的資料工具：不一定要一開始就會資料庫（SQL, Python）。從Excel開始也可以。但建議學習雲端工具如SQL, Google BigQuery。
    2. 熟悉業務知識：必須了解所在產業的經營模式、行規、關鍵獲利指標，以及為什麼需要數據分析。需要了解業務數據如何蒐集、來源、時間長度單位等。很多數據分析師是從業務或PM轉任，因為他們了解市場和客戶。
    3. 自訂維度指標及提出問題的能力：能探勘數據，不斷找出問題，發現企業需要的數據。能自訂新的指標（如流失率、逆金流）。能找出新方法測量和解決問題，回答業務疑問，滿足業務需求。
  • 數據分析報告的重要性與挑戰：報告是數據分析的具體成果。數據分析師提供觀點或論點，數據是支持這些論點的確據。挑戰：不同部門可能因責任編組對同一數據有不同解讀（數據各自表述），導致認知差異或推卸責任。
  • 提供數據分析報告的注意事項 (4點)：
    1. 用實際的客觀數字取代個人觀點：這是新手數據分析師最需訓練的思維。好的分析表述應直接講事實，而非模糊觀點。例如，不要說「跳出率上升很多」，應說「最近跳出率連續七天上升15%，相較上一時期上升30%」。這能讓溝通時大家聽到的是事實，避免誤會。
    2. 利用數據找到共識並使用客觀標準衡量成效：找出指標對生意或各部門工作方式的影響。設定共同的標準或KPI，讓大家在同一標準上工作，知道如何努力。找到共識的數字通常是老闆的KPI。
    3. 用正確的邏輯做數據分析：邏輯分歸納法和演繹法。
      • 歸納法：概括事物的共同特徵集合分析。問題在於透過有限樣本了解事物全貌，容易受取樣維度影響導致錯誤結論。應注意取樣維度是否正確（如中暑率應看曝曬時間而非性別）。
      • 演繹法：資料分析中較可靠的推論方法。先有結果，再往前找出原因。需要了解形成結果所需的條件因素，並評估當前背景是否具備這些條件。
    4. 不要先入為主，不要預設結果再找資料證明：這是道德問題。數據分析必須中立，不為任何人說話。最終目的是找出過去哪些做對/錯了，並用客觀科學方法提供後續建議。帶有成見容易從數據中只挑選支持或反對特定觀點的數據，誤導大家。

數據分析師的核心價值：學會與同事一起利用數據推動業務成長。這需要能夠以客觀、數字的思維與人溝通，建立共識。