雖然已經在公司做了好一陣子的數據分析,但因為沒有前輩帶帶路,總覺得不太踏實,得繞很多路、面對很多錯誤,最後才有點懂試算表的運作邏輯、才有點了解怎麼聽懂老闆的話轉換成圖表資訊、才在跌跌撞撞之下精進各種數據分析的事情。就算到現在,我還是會在心中吶喊:
啊啊啊,有沒有老司機可以帶帶我啊———— ٩(;ʘ¿ʘ;)۶
幸好,Google 最近這幾年在 Coursera 推出了一系列的證照課程,包含數據分析、IT 支援、專案管理、UX 設計等等。證照課程涵蓋專業領域的基本必備知識、軟體的教學應用、也會有一些考試可以評量自己的學習成效,完成課程後又可以拿到證照,放到履歷上也能加分!今年八月看到這麼香的課程,就直接註冊下去,並花了大概一個月完成所有課程,在九月拿到認證啦~
身為一個專業活潑、高科技知識型的方格子專欄,今天就來開箱「Google 數據分析專業證照(Data Analytics Professional Certificate)」的課程內容,以及我真實無業配的上課心得!
放上傳送門前往 Google 數據分析證照的 Coursera 頁面:
先說結論
- 如果你是新手、對數據分析有興趣、或是像我這種沒電腦科學背景在職場半路出家的,這個證照課程很適合你。
- 如果你已經有很充分的經驗、可以自由運用數據分析軟體(Google 試算表/Excel、Tableau/Power BI/Data Studio、SQL、R/Python 等)、有數據清理、數據視覺化等等的經驗、或是無法應付全英文課程的話,就別上這個證照課程了。
- 官方建議每週上 10 小時的課,約需半年的時間上完,但我大概前後只花了一個月,上課的步調可以自行調整。
- 開通證照課程後的七天內是免費、不收取費用的,可以試上!喜歡的話就加入 Coursera 一個月 39 塊美金的方案。
- 所有課堂都是線上的,有影片、文章閱讀、小活動、小考、週考、課堂結業考等內容,沒有實體課程。
- 上完課後會拿到一份數位證書跟徽章,可以放在履歷外,當然別忘了放在你的 LinkedIn 上面炫耀一下,吸引招募人員的注意。
關於這個證照課程
總共有八門課程(Course),包含數據分析的常見實務和基礎理論,官方號稱就算沒有電腦科學的基礎也能按照課程內的指示完成步驟、上完課程。將內容分解成三大塊的話,會像這樣:
- 常見實務:試算表軟體的基本原理和常見函式應用、SQL 基本和進階語法(Google BigQuery)、資料清理、資料整理、Tableau 基本功能、R 基本功能與簡易繪圖等。
- 基礎理論:了解資料和數據分析大概是什麼、懂得怎麼問好問題、準備和整理資料的重點、數據視覺化、數據倫理等。
- 準備新職涯:履歷寫作技巧、面試問題、製作作品集等。
在證照課程的最後(第八門課),會要學員綜合之前所學、製作針對案例做一個作品(Portfolio)。數據分析的作品集是求職時建議準備的武器,如果你有興趣的話,很推薦你親自動手做一個,放到履歷裡,展現你的程度!
裡面會接觸到的數據分析軟體有 Google Spreadsheets/Excel、Google BigQuery、Tableau 和 R。至於為什麼不是 Python,Google 的官方沒有特別解釋,只是說「如果你想學的話可以學完這套課程後去學啊 ≖‿≖」這樣。想要學這個的話還是另外找別的課上吧~
還有,我覺得這個證照課程還滿「求職導向」的,會教怎麼寫履歷、怎麼準備面試跟製作作品集這些技能,讓想要從零開始求職或是中途轉職的上班族有更好的準備,這點我很喜歡。
課綱
整個認證課程都是圍繞著數據分析的六大步驟來設計的,它們分別是:
發問 (Ask)、準備 (Prepare)、處理 (Process)、
分析 (Analyze)、分享 (Share)、行動 (Act)。
反映到課綱上,就會是這些:
- 數據分析的基礎知識(Foundations: Data, Data, Everywhere)
- 發問(Ask Questions to Make Data-Driven Decisions)
- 準備(Prepare Data for Exploration)
- 處理(Process Data from Dirty to Clean)
- 分析(Analyze Data to Answer Questions)
- 分享(Share Data Through the Art of Visualization)
- 用 R 語言做數據分析(Data Analysis with R Programming)
- 完成課程案例(Google Data Analytics Capstone: Complete a Case Study)
必須要把八門課程都完成才會拿到證照喔!雖然跳著上也沒關係,但我比較建議還是按照 1 到 8 的順序上,因為後面的課都還是會提到之前的概念或技巧,而且就算先把最後的課程案例完成,也沒辦法拿到證照,倒不如按部就班、慢慢上反而能學得更好。
課堂類型
每門課程都會再劃分成大約三到五週,每週有教學影片(Video)、延伸閱讀文章(Reading)、小考(Practice Quiz/Quiz)和週考(Weekly Challenge),每門課程最後還會有一個結業考(Course challenge)。每個考試都要超過 80 分才算及格,把課程都上過了、且考試全都及格了,就完成這門課囉!另外,每一週都是循序漸進的,建議按週次順序上,跳著上有可能會看不懂影片內容喔。
教學影片都由 Google 員工親自上陣講解,雖然是全英文、但也有字幕可以看;延伸閱讀文章會提供一些補充的教材、其他不錯的網站;練習、小考跟週考會針對教學影片講解的內容出題,如果覺得題目很難的話也可以回去重聽影片內容再作答也沒關係。
延伸閱讀的畫面。會提到影片裡面的內容外,有時會進一步說明比較進階的概念、或介紹其他網站。
每週的課程和考試都完成後,就會在最後一週有課程考試(Course challenge),完成了就會有個小小的課程證書(但這不是整個認證課程的證書喔)!
另外,想要特別提一下最後一門課程:完成課程案例(Google Data Analytics Capstone: Complete a Case Study)。雖然你就算沒有真的完成數據分析的案例也一樣可以過這門課程,但我個人還是建議趁這個機會、把前面七門的課程所學都應用看看,製作一份作品看看吧~
費用
雖然前面提到課程進度可以自己掌握,想要快速上課也可以,想要慢慢來也可以,但是要注意,這門課是每月訂閱制的形式收費的!Coursera 開放試聽課程七天,然後會在這之後每月收 39 塊美金(據 Google 官方表示,課程可以在六個月內完成,也就是通常花不到 300 塊美金就可以拿到證照)。當然,你上得越快、就會繳得越少。我在一個月內完成,所以只付了 39 塊美金(折合台幣約 1000 塊上下),覺得這樣算下來還滿划算的。
證書、徽章
結束所有課程後,在 Coursera 的頁面可以換到證書,可以下載跟分享,他們也會鼓勵你到另外一個叫 Credly 的認證平台拿一個數位徽章,證明自己有通過這整套證照課程。我個人是申請完畢之後把證書的連結放在我的 LinkedIn:
當然也可以把這項成就放在履歷上,放在證照或是學歷的部分應該都是適合的。
我個人的真實心得
如果要我從零到十分為這整套認證課程打分數,我會大方給個 8.5 分!下面是我誠實的評論(畢竟我也沒收 Google 的錢):
優點
- 理論扎實、名詞定義得很清楚
可能是因為這些課裡面初學者導向的內容比較多,課程會把一些常聽到的術語跟專有名詞定義得很清楚,讓你比較容易隨著內容學習。我個人很喜歡課綱中心的數據分析六大步驟,在工作上可以隨時定位自己在哪個階段、該做什麼事情。
- 上課時間彈性、上課地點彈性
這種線上課程的一大好處就是想上就上、想休就休,想在哪上,就在哪上。Coursera 除了有網頁版的介面外、手機跟平板也有 app 支援,在螢幕前一口吃的、一口喝的,一邊翹腳上課很輕鬆啊~
- 身為數據分析師要有的基本技能都有包含到
從問對問題、資料清理、分析技巧到最後怎麼用視覺化圖表分享結果,整個證照課程都有包含,對新手很友善!
- 準備求職的課課程很加分
除了技術與理論之外,認證課程也會教怎麼準備履歷、準備面試、準備作品集等等實用的求職技巧。
缺點
- 主要課程還是只有點到為止
可能是課程本身設計的關係,內容大概只有入門到一點點中級的程度。雖然會個別介紹工具和使用方法,不會特別深入太多。雖然有延伸閱讀,但效果還是有限。如果想要另外學更深的技巧,或許還是得另外找別的資源才行。
- 小考的題目有點廢
有時候小考或週考的題目沒什麼內容,就算不上課、看文字敘述也可以直接答題,覺得有那麼一點點沒有用。可能是因為希望可以給新手體驗體驗而已,但我還是想要有更多能動動腦的題目啊~
- 程式語言教的是 R 不是 Python
想要學 Python 的人就有點不好意思了,這課程不教!這邊想另外推薦一本書,或許能彌補這個小缺憾:
今天的 Google 數據分析師專業認證課程的開箱文就寫到這啦!我覺得整體而言其實還是不錯的入門課程,雖然稱不上完美,但這足夠讓有興趣想要開啟數據分析新職涯、沒有基礎但還是想躍躍欲試的人,可以學習到數據分析應有的技能和知識,往後再繼續練習,離數據分析師的路或許就會越來越近囉!ᕕ(ᐛ)ᕗ
如果你喜歡這次的文章,歡迎你透過這些方法支持我:
・按下愛心、按下儲存
・留言告訴我你的想法
・加入喜特先生的官方沙龍,即時看到我發布的教學
・付費訂閱喜特先生的官方沙龍,加入每月小額訂閱方案
・追蹤喜特先生的 Facebook
・按這邊小額贊助我的創作!
我是喜特先生,Mr. Sheet,我們下個教學見!