〈數據力〉彙整

數據分析師實力培養攻略：解決模糊問題的五個步驟

身為數據分析師的核心能力之一是要能處理「模糊不清的問題」（deal with ambiguity），本文將分享五個步驟，包含一項表格工具，幫助各位讀者更有效面對數據分析工作上各種「模糊問題」。

Erica 在資料領域工作近十年，目前在北美零售產業任職，她在文中分享如何透過自學，以及在工作場域中運用手邊的資源提升對產業知識（domain knowledge）的理解，幫助自己成為一名出色的資料分析師。

各種分析工具都擁有他獨特的優勢及適用的範圍，從傳統的統計方法到現代的機器學習技術，這些工具應用於不同場域下能發揮顯著效果，本文將舉例 5 種使用情境及搭配的分析工具，介紹如何根據具體需求選擇適合的工具來實現分析目標。

Side project（業餘專案）有時不只是興趣，還能夠提升求職競爭力。在數據領域工作三年多的 Milana 藉本文與讀者分享製作 side project 的四大步驟，以及她在求職時實際製作過、協助 NGO 營運的 side project 開發經驗。

透過資料視覺化手法呈現數據，能夠使論述更好懂，也能讓傳遞的資訊更容易被記住。本文透過三個步驟，教你針對不同情況選出合適的圖表，並附上四種不同的圖表資源，供你深入挖掘。

作者 Nancy Yang 五年前從電商行銷成功轉戰商業分析領域，她將在本文從自身經驗出發，與讀者分享成為商業分析師會經歷怎樣的準備過程，又該如何評估自己的實力，以成為一個合格，甚至是優秀的求職競爭者。

AC 助教 Shu-Ting 分享自身在資料領域工作多年的經驗，包括資料分析和資料工程的區別、任務執掌、交付產物，以及各角色常用的工具、知識與技能。同時介紹了分析工程的概念及個人職涯歷程，探討資料工作光譜上的不同角色。

數據分析是幾乎所有產業、職位都通用的能力，越來越多人想要轉往資料分析領域工作，但幾乎沒有什麼資源，能真正把數據分析要學什麼、學到什麼程度講清楚。我們花了一年深入瞭解產業需要的資料分析技能，現在想要帶你認識資料分析學習範圍，找出最佳學習路徑。

對於衡量工程團隊績效議題，我們先前曾經推薦過相關文章，當時麥肯錫提出的方案在網路上引發很大的爭議。這次我們要推薦另一篇文章，談談技術主管要設計團隊績效指標時，可以怎麼思考。

成為數據分析師要學什麼？非本科怎麼開始？工業工程與管理背景的ㄚ文自學一手工具後發現，要解決問題並讓數據產生價值與影響力，關鍵在於定義問題與在商業世界落地解決方案。他在「商業思維」課程中怎麼學會應用這套方法，更為數據分析師職涯暖身與建立人脈？