談談數據分析的眾多Title
兩個Title都是數據分析師，怎麼一個要求技能是Excel，一個要求技能是Jave？
從第二代互聯網的老牌龍頭 Google /Amazon到眾多雨後春筍的新興互聯網企業如facebook ,Airbnb,Uber等，透過數據帶動公司成長的增長黑客這些傳聞增加了數據分析的關注度，不論新創或是老牌產業都有越來越多公司需求數據分析領域人才。
但相信許多人都曾被眾多的title迷惑，例如數據分析師/商業分析師/數據挖掘分析師/數據挖掘工程師/數據產品分析師/數據產品經理/數據分析架構師/演算法工程師/數據營運分析師/算法分析師…
甚至兩個title都是數據分析師，一個技能要求是Excel，一個技能要求是Jave？
邀請你至Blog閱讀全文：談談數據分析的眾多Title
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
之所以會有這樣的現象，主要原因是這職業對Title的定義還沒有很規範，有可能A公司的數據分析師工作內容=B公司的數據產品經理工作能容，也可能A公司有兩個職位都叫數據分析師，但工作內容南轅北轍。
讓我先從數據分析展開的流程來說明，一個數據分析的流程可大致分為以下三點：1.數據收集 2.數據應用 3.數據展現/可視化
了解這三點的工作內容後，不論title寫什麼，都可以從JD大致分辨工作偏向哪一塊。
數據收集
要從事數據分析，當然最開始要先有數據。現在數據來源非常多，有來自網頁的，來自APP的，還有訂購頁、會員頁、金流系統、社群平台、SEM、ERP等等，因此怎麼整合這些不同接口數據？再來是數據量越來越多，要用什麼結構來記錄？這部分的技術都會在最底層來處理。
有了相對標準的數據後，再來要讓user有個可以取數的地方，因此這裡出現了取數平台系統。取數平台的功能大致有訪問權限、介面設計、數據預覽、執行數據的效能排程之類。
以上到這邊的流程都是偏向數據技術，一般而言這邊的職位會是數據架構師、大數據分析師、數據倉儲、數據技術。要求的能力不外乎SQL, SPark, Hive,MapReduce,JSON,Java,C++ 。但具體是屬於哪一個，還是要仔細看JD的描述或是透過面試才能了解的。
數據應用
有了這麼多數據了，再來要怎麼把數據轉換成經營價值呢？這時候就是數據分析師上場的時候了，一個基本的分析師需要具備取數的能力、分析的能力、撰寫報告的能力以及溝通表達能力。包含思考要分析的維度、要使用的分析方法、需要什麼數據、這些數據在哪、了解數據表字段的紀錄邏輯。
一般title為數據分析師、商業分析師、增長黑客、BI分析師、大數據研究員、數據挖掘分析。要求的技能為 Excel, PPT, SQL, Hive, Spark, R, Python, Tableau。
邀請你至Blog閱讀全文：談談數據分析的眾多Title
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
數據分析師這邊會切出一塊做機器學習的，包含商品推薦、會員標籤、流失預警、眼球熱點追蹤等等。職位title通常是數據分析師、算法分析師、算法工程師。有的公司有專攻特定領域的話會寫得比較仔細，例如音頻推薦分析師。想要專攻這塊的話，在分析技術要求以及數學的要求是最高的。(當然錢也是非常多)
數據展現/可視化
為了要讓大家快速、即時的登入Web就可以得到美觀的報表，這個展示的平台就是屬於BI系統的事情。目前這領域主要玩家為Tableau跟微軟的PowerBI。
某些公司會自主開發BI系統，這個職位主要對接的需求方跟取數平台一樣，都是數據分析師。而要求的能力及職位Title跟取數平台也是差不多的，但可能會多加個”BI”這個字，例如BI系統開發、BI分析師、BI系統分析師、BI產品經理等等。
寫在最後
- 都是從事數據分析，但工作內容大不相同，想要從事數據分析領域要先想好你興趣是走哪個方向，另外投遞履歷時也要務必看清楚JD。
- 優秀的數據分析師是無法速成的，很多技能都是Learning by Doing。
- 每一種數據分析師都有它的獨特價值，一個數據分析展開是需要多種能力配合，因此數據分析不是一個人，是一個團隊。因為涉獵範圍廣所以團隊背景多元性最好要高一點。
- 根據數據決策的前提是公司必須具備這項文化，如何推動文化的展開這問題在傳產是最應該優先解決的事。
- 這是一個需要多元能力與縱向能力的工作，需要感性思考問題點，理性嚴謹的方式找答案，我們通常具備滿藝術家的性質。(自己說)
邀請你至Blog閱讀全文：談談數據分析的眾多Title
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
1. Hello All：主站遷移至👉https://andyrockdata.com/ ，請改至『ROCK DATA』Blog 閱讀新文章完整內容，如果喜歡我的文章，可以訂閱我的電子報(Medium站仍將張貼新文章訊息)2.立即追蹤👉ROCK DATA臉書粉絲頁跟ROCK DATA IG(@andyrockdata)3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，購買連結👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌：原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點：）有任何想法或感興趣的地方歡迎留言/討論，或者私訊我！5. 往期的數據相關文章可以參考以下link
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
