轉職、應徵數據分析師,評估自己準備好了沒的方法和 2 個補強技巧

Hand drawn flat design sql illustration

一般人很容易被「數據分析師」這個職業名稱所誤導,理所當然地以為這個工作只是處理與分析資料;但實際上它更強調如何將死板的數據變成靈活的決策,這個過程需要融合軟硬實力,也使得成為一位傑出數據分析師比我們想像中的更具挑戰性。

儘管這項工作充滿挑戰,許多人仍舊趨之若鶩,因為數據分析師有其不可取代性。從我自身的角度出發,五年前從電商行銷專業轉戰商業分析領域,也就是看準了它作為「橋樑」的角色。

數據分析師在某些產業中又稱作商業分析師(business analyst),是由「商業」加上「分析」組成,這一直是業務團隊的人才需求缺口,因為這些商業組別往往擁有產業中的商業知識(know-how),卻苦無追蹤的方法與「撈數據」的能力;讓工程部門來分析又有殺雞用牛刀的感覺,而且工程組不能準確知道哪些數據對於商業判斷上具有意義。因此,商業分析師就成為了連接工程與商業中間的重要橋樑,不僅要有敏銳的商業嗅覺、邏輯分析能力、對資料庫的理解,還要具備最終將數據分析、解釋,並運用它來制定戰略的能力。

接下來我們會來談談,在成為商業分析師的路上,會經歷怎樣的準備過程,又該如何評估自己的實力,以成為一個符合資格的求職競爭者。

成為數據分析師的三個必備技能,軟硬實力的整合是關鍵!

我們已經在〈數據分析師 (Data Analyst) 的工作內容、需要特質、薪水、3 個必備技能〉中提到數據分析師必備的軟、硬實力,他們分別是知識技能、程式語言技能與專案能力。

在求職過程中,你將發現會寫程式只是基本,就像自我介紹在面試中所扮演的角色一樣,它應該是練習多次且熟悉的技能,但並不是你拿到 offer 的關鍵。在多數情況下,面試官更看重你的團隊合作與解決問題能力,軟、硬實力兼具才是你成為一位優秀數據分析師的要件。

    • 程式語言技能:熟悉使用 SQL 是基本。理解 window function(窗口函數)定義、不同 JOIN 方式以及 WHEREHAVING 的差異,都將使你在準備面試時更有自信;Python 在特定的分析職位會需要,雖然多數的商業分析師並不會強制要求使用 Python,但擁有這兩種技能,已使你達到成為商業分析師的基本門檻了。若會使用視覺化工具如 Tableau 或 Power BI,將使你成為一個更有競爭力的求職者。

延伸閱讀:〈Tableau:資料視覺化 BI 工具教學〉

    • 知識技能:除了基礎統計學知識之外,一般面試會要求應徵者熟悉資料庫如何運作、關聯式與非關聯式資料的差異,明白數據是一對一還是一對多,或是表格中的主鍵(Primary Key)、次要鍵(Secondary Key)分別為何,都將使你的分析變得更為精確。除此之外,一位好的數據分析師也要更多的去了解產業知識,這包含在不同產業領域中,他們主要的衡量指標有哪些,以及如何制定,也是面試中常見的問題。

    • 實戰能力:建議求職者透過數據分析相關的實習、接案工作,培養分析的敏銳度與累積經驗;若你已是離開校園的轉職者,強烈建議你可以在 Kaggle 網站中參與不定期舉辦的數據競賽,從中獲取實戰經驗,並從得獎的專案中觀摩其他分析師是如何切入題目並分析,也可以從「Datasets」中選取感興趣的數據集來做 side project。

Kaggle Datasets

 

▲ 你可以在 Kaggle 網站中參與不定期舉辦的數據競賽,從中獲取實戰經驗,並從得獎的專案中觀摩其他分析師是如何切入題目並分析,也可以從「Datasets」中選取感興趣的數據集來做 side project。(圖片來源:Kaggle

從兩方面評估自己是否準備好了

了解到商業分析師應該具備怎樣的技能與如何培養後,要如何評估自己已經成為一個有即戰力的求職者了呢?我們在前面提到知識技能與程式能力是基本條件,也是衡量自己是否已經可以開始求職的標準,但是往往求職者會遇到一個問題:不知道才能算是「準備好了」?

首先我們必須要明白,這個準備的過程並沒有一個明確、準備好就開始的起點,大部分的分析師求職者是先擁有基礎寫程式的能力,在開始申請工作之後,一邊刷題、做專案,一邊在面試中試錯學習;我們除了要有心理準備這可能會是一場長期抗戰,也要在過程中慢慢累積與評估以下兩方面的能力

1. 寫程式能力

網路上有許多「刷題」資源,最為人所使用的是 Leetcode 與 HackerRank。要拿到大公司或外商的面試,免費題庫是遠遠不夠的,如果財力允許的話,建議至少購買會員幾個月並要在能不看答案的情況下解出兩個網站「Hard」程度的題目。練習方式建議至少從頭到尾地毯式刷題三遍:第一遍通常會頻繁地看解答,也趁著第一遍建立起筆記庫,可以做出常用的語法整理;第二遍嘗試不看答案解題,此時應該是 Easy / Medium 程度的題目可以不需要看答案就能寫出;第三遍則要做到不看答案也能解出一半以上的 Hard 題目,並且能夠一邊解題一邊解說你的想法。

延伸閱讀:Leetcode 是什麼?誰需要刷題?必考題有哪些?

一般求職者如果能進入第二遍,對於 SQL 能力已經有一定程度的把握且已具有競爭力,但若你是對自己更有要求的求職者,建議試著刷到第三遍,因為能進入到第三遍的狀態,幾乎所有的技術面試對你來說都將是易如反掌。

Leetcode

 

▲ 「刷 Leetcode」到第三遍則要做到不看答案也能解出一半以上的 Hard 題目,並且能夠一邊解題一邊解說你的想法。(圖片來源:Leetcode

2. 建立專案的能力

在實際的工作場域中,最常聽見的是需要你具備「deal with ambiguity」的能力,也就是你對模糊不清的事情,你能夠處理它、與它共處的能力。這是身為分析師的重要技能之一,你是否有辦法建立從無到有的報表:從如何清理數據、整理數據到提供視覺化內容,並提出有建設的內容,你對這個過程有多熟悉,也將影響你在面試官眼中的表現。

訓練從無到有建立數據專案的能力,包含:問題闡述、數據佐證、提供解決方法。我們前面提到能在 Kaggle 網站參與比賽,平日也能找尋示範的數據集(dataset)練習,透過描述分析(descriptive analysis)了解數據並縮小議題範圍,聚焦後執行診斷分析(diagnostic analysis)去理解背後原因,最後給出結論與解法。這個過程也會成為你在面試中展露專業能力的絕佳素材。

突破零數據分析背景的困境

即使有充分的準備與練習,相較於本科出身或是已經擁有相關經歷的分析師,半路出家的分析師應徵者面臨的挑戰更多。但要跨越這些阻礙並非不可能,我們可以從以下兩個方向去減少經驗差異造成的影響:

1. 優化履歷

在刷完 Leetcode 所有困難等級的題目後,感覺自己寫 SQL 或 Python 能力提升許多,但是在沒有相關工作經驗的情況下,我們又該如何在履歷中清楚表達自己的程式語言程度?

一般業界常見的方法是在履歷中「技能」部分寫上 SQL,並且補充技能的形容詞例如:Professional 或是 Advanced。如果只是 Average 或是 Basic 建議就直接寫 SQL 就行。除此之外,也可以補充自己會的 SQL 語法例如:Window Function / Aggregation Funcation 。上述語法都是在面試中常見的考題語法,將它們加在履歷上,會使面試官看到你的履歷時,更好掌握你的技術能力程度。舉例來說:

Skills: SQL (Professional| Window Function, Aggregation Function) / Python (Advanced | Pandas,Numpy, Matplotlib,Ploty,Scikit) / Excel(Advanced)

優化履歷,在技能後面加上程度形容詞

 

▲ 除了在技能後面加上程度形容詞之外,也可以在 SQL 補充自己會的語法(圖片來源:作者提供)

我們也很常看到求職者會將專案經歷放在「Project」區。上面我們建議大家透過數據競賽或是 Kaggle 資料集累積專案經驗。你可以將內容整理在履歷中,並且把專案中所寫的 SQL code 上傳到 Github 上當作作品集並在履歷中附上連結。另外可以加分的方式,是分析你有興趣的公司、產業相關的資料。譬如:想要找電商相關的數據分析師,就分析電商相關的數據,最好可以將一些重要的指標(metrics)或是專業用語(term)放在專案中,顯示你對這家公司或是產業的了解。舉例來說:

[ 專案 ] XXX 電商行銷分析

  • 在 MySQL 中創建了數據庫,並分析了 6 個數據集,以了解客戶造訪網站、與網站互動的情形。建立了流量分析,計算跳出率和轉換報告,以顯示各頁面的表現。
  • 提取受歡迎來源的月度趨勢,分為不同的裝置類型、管道和活動,然後深入研究轉換率、退貨率以預估營收數字。在 Tableau 中創建儀表板並將結果視覺化。 

延伸閱讀:〈只要求「會 Excel」是警訊?看懂數據分析師職缺說明的隱藏訊息〉

2. 補足經驗差異

最困難的是在面試中被問到數據分析執行的具體經歷時,在沒有充分的經驗下,如何準備能更好的回答考官問題?至少你要能回答以下幾個問題,並且準備一些在專案遇到狀況作為例子。

    • 問:如何寫出一個更有效率的 Qeury?
      答:不外乎就是設立更多嚴格條件、減少欄位、檢視 Join 方式等

    • 問:在分析的時候遇到最困難的事情?
      答:可以根據你在做專案時遇到的困難舉例。例如:如何處理缺失值。

    • 問:如何建立有意義的關鍵指標?
      答:了解商業需求、具體可量化、可追蹤、可監控。可根據你所投遞的職位,找幾個關鍵的指標來切入,以電商為例:User Acquisition, GMV, Daily Active User 等。

上述的幾個問題的核心,代表公司所在乎一位分析師該做的工作:1. 優化數據 2. 處理問題 3. 設立 KPI。未來有機會我們也可以再深入討論如何準備數據分析師的面試。

將各種能力綜合起來,在面試更有機會綻放光芒

一如我們開頭所提到的,成為數據分析師的關鍵並不只是撈資料、清理數據如此簡單,在程式語言穩固的基礎之下,實際應用在 side project 與數據比賽中以累積經驗也是重要的過程。這些專案將訓練你的邏輯思考、寫程式的功力與解決問題的能力,讓你的技能綜合地發展,如此一來你在面試中也才更有機會綻放光芒。只是各種能力的培養並非一蹴可幾,建議可以多方參考各種資源,不僅能幫你把專案做得更好,也將成為你求職路上很好的養分。

成為商業分析師的道路雖漫長,卻是一分耕耘一分收穫。在等待機會來臨之前,不停訓練、讓自己軟、硬實力兼備,不只能順利拿到心儀的 offer,在成為數據分析師後的每一天,這些能力也會是你迎擊各種挑戰的關鍵武器。

免費點我下載數據技能路線指南