top of page
  • 作家相片任性分析師 GT

非程式背景,也能成為數據分析師?(Data Analyst / Business Intelligence Analyst)|經驗談

已更新:2023年4月29日

身為非頂大商科準畢業生,我在最後一年的大學生涯做了什麼準備?


前言

得知滿多人在職涯規劃、求職準備上遭遇了挫折,正是大家的提問進而促成了這篇文章的產生。這次想和大家聊聊,我是怎麼從零程式語言背景的的商管科系學生,進入數據這個領域。

 

從零開始


隨著「大數據」關鍵字成為熱搜,各產業對於數據人才的需求也漸增。三年前,基於自己對「大數據」領域的好奇,以及對於狹隘的科系出路的不滿,我決定從零開始進入這個領域。當時的我,剛結束一份任職兩年的全職工作、剛完成復學手續,即將重拾「學生」身分。


說是學生,具體而言是國立科大的二技體系應屆畢業生,就讀商管相關科系。(註:二技畢業即享有大學同等學歷)


會特地說明自己是「從零開始」,是由於不論在求學期間,又或是自己的第一份工作,我的所學與工作內容和數據完全沾不上邊。


但即便是這樣的背景,我現在也能自信地以數據人自居。


bianalyst gt 商業分析師的隨筆記 商業分析 數據分析
 

第一步:確立目標


由於是應屆畢業生的緣故,最後一年的努力可以進展到哪,大幅攸關未來畢業後的第一份工作。因此,先去了解市場需求以訂立自己的目標十分重要!(不論什麼工作都一樣!)


當時在 104 研究一陣子後我大致掌握了方向,希望自己在數據部門扮演的角色偏向「分析」而非「工程」,所以就以資料分析師相關的職缺作為目標(其他相似的職稱還包含:營運分析師/商業分析師)來努力。


當時找到的職缺所需技能不外乎是 Excel、BI 工具(PowerBI、Tableau)、MySQL、Python、R、GA、流利英文能力、簡報能力、統計或是心理科系背景 … 等等的排列組合。


另外,Python 和 R 大多時候是二擇一,所以當時也花了點時間研究到底要選擇哪個語言。


總之,大致列出相關工作的技能要求後,再加上自己的偏好篩選,就能先有個初步的技能學習列表。以我自己的案例,考量我偏好的工作內容後,我只把 Excel、MySQL、Python 列入最高優先級別中,未來便是以這個方向來加強。


(註:除了確定學習技能/工具以外,需要學到什麼程度,要至少掌握到哪些操作也需要衡量。例如:Excel 一定要熟 Vlookup 和 Pivot Table、Python 基礎以外至少要學會 Matplotlib 還有 Pandas,諸如此類)




第二步之一:尋找學習資源


學校資源是學生最易取得、且你已付費的資源,不好好利用實在可惜。看到很多工作需求希望是統計背景的學生,所以後來我也決定去加修學校的統計課(不用懷疑,統計學不是我的必修課)。


可惜的是母校並沒有開設入門的 Python 課程,所以當時也就放棄透過實體課程的方式學習程式語言。


礙於學校沒有 Python 與 MySQL 的入門課程,我後來就到 DataCamp 付費買了一年期的線上課程。為什麼選擇 DataCamp 在之前的文章裡面已經詳細介紹,這邊就不再贅述。


第二步之二:尋找人脈資源

記得學習到後期,遇到問題不知道該怎麼辦的時候,回頭看看身邊的人也不是相關背景,只能作罷、繼續詢問 Google 大神。對於出路迷惘的時候也一樣,身邊根本沒有朋友是像我一樣往數據領域發展的,這時我才意識到:

人脈造成的影響比想像中來得巨大

也是這樣我才決定加入 Python 相關社群並擔任社群志工,為的就是提升技能的同時能夠知道,這個領域入門應該注意/加強什麼、分析師的 Roadmap 是長什麼樣子。

第三步:怎麼證明自己的能力?

在某次社群志工聚會的時候得知,有前輩會因為應徵者履歷中沒有提供 Github 連結直接不給予面試機會,對於當時小菜鳥的我來說真的是個衝擊。要知道對於商科學生,我們可能連 Github 的存在都不曉得(哭)

經營 Github 能讓面試者初步知道應徵者的能力到哪、符不符合應徵條件。

同理,若是投遞的職缺與 Machine Learning 有關,也很建議去 Kaggle 打場比賽放進自己的履歷。

總之,對於像我這種非本科出身的完全新鮮人,有個作品集證明自己的能力十分重要,不論是簡報、Github、Kaggle 還是附加個有註解的 Jupyter Notebook 也行,都比起一堆修課紀錄更有說服力。


 

結論:畢業後的工作


後來在畢業前兩個月左右,先後參與了兩場面試,而兩場上機考大概都是考 Excel 功力、分析與洞察能力,以及英文閱讀能力。


後來很幸運地拿到了其中一間公司的 Offer,工作職稱是輿情分析師;關於該職位的工作內容可參考這篇文章


離開輿情分析師的崗位後,現在則擔任外商遊戲公司的商業分析師。工作工具告別以往的 Excel 與 BI Tools,轉變成 40% MySQL、60% Python。

 

建議與提醒


自己的面試與工作經驗不算長,所以底下就只能針對自己過往的作法與遇過的事情給大家建議(有些也適用於其他類型工作):


I、作品集準備


履歷附帶的作品集(不論是簡報、Github 還是 Jupyter Notebook),一定都要明確指出目的或是用途,且針對每段 script 一定要有註記,否則面試官可能根本懶得看。


Github README.md 裡面儘可能先提及這個專案(Repo)想達到的目的


善用 # 表達每段 script 的重點


不只是履歷,作品集的內容也一定要熟記,面試官假如有看過你的作品集,一定會針對內容去提問。


II、上機考準備


目前遇過的面試八成都會有上機考。建議拿到面試通知當下,可以先詢問人資是否會包含上機考,若有的話內容為何,好讓自己可以有個方向準備。


但是上機考的難度則每間公司有所不同,我自己遇過的狀況都是放你一個人考試、當場可以上網 Google,但實際上他給你的考試時間沒有充裕到讓一個基礎差的人靠 Google 就可以在時間內完成答題,所以自身的硬實力才是重點。


其他問題?


假設你的問題在於自學的毅力,準備上一直難以持之以恆,不論是全職工作想轉職的上班族、還是非本科的畢業生,可以參考這篇文章

 

最後,想告訴大家:對於非本科出身的轉職者/新鮮人而言,其實要跨到這個領域的門檻真的越來越低。現在已經有很多程式語言、各種分析工具的免費教學資源,問題只在於我們該怎麼督促自己去運用、去學習。


希望這篇文章能夠成為大家轉職的助力!加油!

Comments


bottom of page