數據分析師的主要工作是藉由分析資料,從中挖掘出有價值的商業見解來幫助企業決策。我曾在大型網路公司擔任過數據分析師,目前在美國大型零售業擔任資料科學家,近十年的數據領域工作經驗告訴我,要成為一名出色的資料分析師,深入了解並掌握相關產業知識(domain knowledge)是很重要的。
本文將分享如何透過自學,以及在工作場域中有哪些資源可以幫助自己提升產業知識。看完這篇文章後,你將能知道如何學習某個領域的產業知識,幫助提升自己在資料分析職場的工作表現,並讓自己與他人的協作更加順利。
產業知識在數據分析工作扮演重要角色
產業知識是指對特定產業的了解和專業知識,包括了該產業的運作、相關的標準和規範、市場趨勢、技術發展等等。舉例來說,電子商務的產業知識包括市場的主要參與者、發展趨勢(例如行動電子商務、跨境電子商務),以及商業模式像是 B2C(企業對消費者)或是 C2C(消費者對消費者)等不同交易模式,到金流和物流的安全性和法規,以及用戶行為和市場分析,包括搜尋的偏好和購買行等等。
對數據分析師來說,即使是同一產業,所需具備的產業知識也會因所處的部門不同而有所差別。例如,物流配送需要訂定有效率同時維護品質的運送方案、B2C 和 C2C 由於主要競爭對手和客戶群體的不同,需要制定不同的行銷策略。因此,只有深入了解產業及部門的運作方式和相關因素,數據分析師才能更好地理解數據背後的意義,提供有價值的商業見解。
而在數據分析師的工作場景中,常見的產業知識運用包括知道該產業或部門中通常選取什麼指標(metrics)、為什麼這個指標對於公司或產品的發展很重要,以及了解該如何運用這些指標來推動商業決策。例如,線上串流產業的關鍵指標之一是「使用者收聽時間的長短」,但對於電子商務產業,比起使用網站的時間長短,會更專注在購物車大小、下單轉換率等反映顧客購買偏好的指標。如果不了解這些細節,直接套用某一產業的關鍵指標到另一個產業,可能就會用資料給出錯誤的商業建議,而無法順利看出成效。
數據分析師應用產業知識的三種情境
根據我的經驗和觀察,數據分析實務上需要用到產業知識的情境大致分為以下三種:
- 最近想要推出某個新功能/新方案/新設計,我們怎麼知道效果好不好?例如要選哪些指標來追蹤、為什麼這些指標重要、收集哪些歷史資料來分析這個方案會不會成功、成功的話影響有多大。
- 想做儀表板來追蹤業務/產品的表現,我們怎麼知道哪些指標該加入這個儀表板?又該將群體依據什麼(例如各種人口統計資料)來區分?
- 某個關鍵指標的數值突然下降了,原因是什麼? 我們會需要知道組織內部互相影響的指標有哪些,也需要知道大環境發生什麼變化。
以上都是希望我們在分析資料後,能夠提出更符合產業需求,並且可以實際推動、改進產品或效率的洞察。在面試中,往往也會有一些關卡會依據上述方向來設計情境題,因此了解該產業的產業知識及重點指標是十分重要的。
如果你曾經遇過上述類似的問題,但不知道從何找到這個領域中重要的指標,或是單純想要多瞭解某個產業但不知從何開始,希望以下的方法能幫助到你。
學習產業知識的三個方法
在了解數據分析師的工作情境後,接下來介紹三種學習方法來掌握產業知識,分別是:閱讀書籍、追蹤目標公司技術部落格,和公司內的協作。如果你是已經在職場的分析師,相信這三種方法都會很有幫助,而如果你是想求職或是想轉換領域,也可以在日常生活中先透過前兩種方法來精進自己的產業知識。
方法一、閱讀書籍
閱讀書籍的優點是能夠吸收到作者整理後的知識精華,能夠比較有系統地學習,不會在一開始接觸不熟悉的產業時,有東學一點、西湊一點的碎片感,而無法建立完整的知識體系。
市面上有許多不錯的書籍在介紹不同公司的產業知識和分析方法,我特別喜歡的是這本 《Lean Analytics》(簡體中文版:精益數據分析)。這本書教導讀者如何選取正確的產業指標,來做出好的決策。其中,作者將市面上的公司概要分為六大產業,除了提供該產業重要的幾個關鍵指標,這本書最棒的地方在於提供了十幾個實際產業案例,來指出這些公司選取了哪些指標、最後推動決策的成效如何。以下為書中的六大產業:
- 電子商務(E-Commerce)
- 軟體服務(Software as a Service, SaaS)
- 免費 App(Free Mobile App)
- 媒體網站(Media Site):例如 Google、新聞網站
- 使用者供應內容(User-Generated Conten, UGC):例如 Facebook、Wikipedia
- 雙邊市集(Two-side Marketplace):例如 Uber、Airbnb、Tinder 需要同時考慮供給和需求方的公司
建議你可以直接挑選自己想了解的產業章節來閱讀,有時間再看看其他章節即可。另外,本書還有許多給新創公司的指南,並搭配實務案例,告訴新創在不同時期應該關注哪些層面的指標會比較好。例如草創期應該著重在了解用戶、提升黏著度,等到中後期再考慮獲利相關的指標。
方法二、關注目標公司的技術部落格
看書可以讓我們有個大方向知道某個產業如何選取指標來改進產品,但若想要知道實務上最新且更深入的例子,可以閱讀目標公司或是類似的產業有沒有技術部落格。在公司的技術部落格中,常常會提到他們最新的發現、使用的模型、做過的商業實驗等等。
有時部落格中雖然可能是以某項艱深的技術為主題,但從中可以看出他們選取的商業指標是什麼,這可以用來作為了解該產業關注重點的參考之一。例如:
- Spotify 的這篇文章,描述如何提升用因果分析的方法來判斷行銷策略的效果,其中選取的指標是 Podcast Hour Consumed(Podcast 收聽小時數)。藉此我們可以看出 podcast 是音樂串流平台的重點之一,並且希望使用者收聽得越久越好。
- 想了解 App 公司,也可以看看 Duolingo 的這篇文章。它選了 Current User Retention Rate(留存率)來預測 Daily Active Users(每日活躍使用者),代表了這兩個指標對 App 產業而言很重要。
- Meta 的這篇文章也同樣提及了 Retention Rate(留存率),並且討論如何送出最少的通知,在不過度干擾使用者的情況下,來同時提升 App Usage(應用程式使用率) 和 User Satisfaction(使用者滿意度)。
- Uber 這篇文章中雖然主題是建立一個偵測指標異常的系統,但是提到了以「來回機場的付款成功率」有沒有異常作為他們觀測的範例,可以看出這段路線以及這個指標會是該產業分析重點之一。
這些文章都是具備實戰經驗的公司員工所撰寫的第一手內容,可以看出該公司在乎的商業目標是什麼,所開發的產品又是如何圍繞指標來進行決策,是學習數據分析相關產業知識的好方法。
方法三、閱讀內部文件及詢問公司內的主要協作對象
如果你是在職的數據分析師,另一個很好的產業知識來源,就是公司內部文件、日常工作中的協作對象,以及比你資深的分析師們。你可以先從公司文件中了解過去團隊做過哪些事情、如何決策,並從組織圖中了解所在組織的架構,知道哪些會是你會密切的合作對象、部門。你可以主動跟他們約一對一的會議,了解他們在乎的角度和事情、希望分析師可以協助他們解決的事,以及他們會關注什麼指標。不過在問同事前,一定要自己先做過功課,提出的問題最好是公司內部文件沒有寫到/沒有的,或是標示不清的資訊為主。
- 較差的提問範例:「我要做這個產品追蹤儀表板,請問要加入什麼指標比較好?」
- 較好的提問範例:「我要做這個產品追蹤儀表板,研究後(或是閱讀公司文件後)發現多數是使用 A、B、C 指標,請問從你的經驗來看,有沒有哪個指標是比較適合先開始追蹤的?或是我遺漏掉了一些更重要的指標呢?」
第一個提問方法會讓人覺得你可能不具有需足夠產業知識,或是沒有先自己做好功課;而第二個提問方法,會讓合作對象覺得你已經做過研究,是對這個產品有熱情和想法的,而不是空手而來索取答案,如此一來,相信他也會更加願意與你分享他的看法。
以美國的職場風格為例,一般在剛到職的三個月內,大家都會很樂意回答你所有的問題,不過因為這些前輩通常都很忙碌,會希望不要被問到太多次重複的問題,或是沒有事先做過功課的問題,只要注意這幾點,往往能夠學到實務上很有用的產業知識,幫助你更快上手資料分析工作。
透過以上的三種方法,不論是在我們的日常生活中,或是在工作場景中,都能夠開始練習掌握特定的產業知識。希望這篇文章能夠提供在數據職涯不同階段的你,一些持續學習的方向,或是幫助你未來在分析資料時,產出更具產業實務價值的報表以及洞察,用數據分析幫助組織做出更有價值的商業決策。