2024-02-08|閱讀時間 ‧ 約 29 分鐘

數據分析師 Data Analyst 需要的四種能力

前幾個月被 promote 為 Senior Data Analyst,被升遷一來覺得開心,認為自己的價值有被肯定;另一方面覺得擔心,害怕自己被 promote 是因為對於公司的資料夠熟悉,但這樣的價值一旦換工作以後就消失了,因而產生了自我懷疑

後來在和其他 DA 交流,以及觀察自己和 mid-level DA 合作的過程後,發現到一些自己做得還算不錯的地方,因此對於 Senior Data Analyst 的身份有了多一點信心


想透過這篇文章,記錄一下自己認為一個好的數據分析師需要具備哪些能力,同時也分享給對於 Data Analyst 工作有興趣的讀者參考,如果有任何想法也都歡迎留言與我討論

下述內容都是來自我的個人觀察與心得,因為我的個人經驗有限,所以沒辦法考慮到所有情境,如果你有其他覺得也很重要但我沒提到的能力與特質,歡迎大家留言分享

0. 用 inspiration-per-minute 衡量 DA 的表現

在探討好的數據分析師該有什麼樣的能力之前,首先要先確認的是「衡量數據分析師好壞的標準」。衡量標準必須先定義出來,才可以知道哪些能力能讓我們相比其他分析師做得更好

然而,因為 DA 在做的事蠻多元(像是製作 dashboard, 產分析數據, 給予分析 insights),所以很難有個指標去綜合考量這些行為後給予一個評分

後來在前輩推薦下讀了這篇文章,裡面提到

The analytics game is all about optimizing inspiration-per-minute.

發現 inspiration-per-minute 是個很棒的指標可以概括所有 DA 在做的事。不管是製作 dashboard、產分析數據或是給予分析 insights,背後的目標都是為了給 decision maker "inspiration",因此能夠在愈短時間內給出有意義的資訊,就代表這個 DA 更有價值

這裡強調「inspiration」我個人還有一層解讀是:

你做的分析必須要有意義,才會產生價值

如果你在很短時間內算好數字,但卻給了一個錯誤或是沒有回答到問題的分析,這樣你的 inspiration 為零,即便完成的時間再短也沒意義,因此用 inspiration-per-minute 去衡量表現時,背後也隱含了「設定正確分析目標」的重要性


1. 能釐清合作方的需求

我個人認為 DA 的工作性質很像顧問,工作的重點在於針對合作方提出的問題給予建議。而在回答任何問題前,我認為第一件該做的事是釐清合作方想的需求是什麼

這件事非常非常重要,一旦這件事沒做好,很有可能花了時間下去,結果卻做出一個沒有影響力的分析,這樣對於公司或是自己的績效來說,都不是一件好事

釐清需求時,我覺得有三個問題是需要被回答的:

  1. 這個問題真的存在嗎?
  2. 為什麼這個問題重要?
  3. 有哪些可能解決方案?

「這個問題真的存在嗎?」的重要性在於,確保需求方提的問題是對的問題。因為我遇過幾次需求方提了數據需求請我深入研究,結果談了之後才發現,他看錯數據或是做了錯誤的解讀,因此在收到需求時,先確認對方提的問題是否存在很重要,才不會花了時間下去之後,最後發現根本在處理一個不存在的問題

「為什麼這個問題重要?」的重要性在於,知道對方想達成的目標是什麼,因為目標會影響分析的方向,同一個數據可以因為不同的目標而有不同的解讀,因此需要知道目標才能確定分析該如何下手

「有哪些可能解決方案」的重要性在於,確保我們的分析建議是可以有相對應的行動方案。

分析必須對應到行動方案才能產生價值

如果分析結果不能被使用,這樣這個分析就沒意義了。

舉例來說,如果我們的分析目標是想找出一群高價值用戶去下廣告,在進一步分析前,我們需要先知道「廣告受眾的選項有哪些?」這樣才知道怎麼切分受眾,如果沒有做這件事,我們可能會跟行銷單位說「進站五次以上的使用者是高價值用戶」,但我們的廣告系統沒辦法做到進站五次以上的使用者判斷,這樣即便發現了這個洞察,也沒辦法被使用進而產生價值

面對需求方提需求時,最省力的方法就是直接無腦去算,還不用去想上面三個問題,可以省去很多討論跟思辨的時間,但以我們追求最大化「inspiration-per-minute」的角度來說,不先把問題定義清楚就下去做,最後可能無法產生 inspiration,你花的時間也都成為了無用功。


2. 能拆解問題並用數字詮釋問題

在了解問題核心後,下一步要開始「拆解問題」

舉我常被老闆問的問題為例「最近的營收下降的原因是什麼?」,要回答這個問題,必須先把「營收」拆小,才能夠找出更源頭的問題,進而提供優化的建議

可能的拆法像是拆成「人均消費金額 x 消費人數」、「北中南的消費金額占比變化」等,不同切入的角度會有不同的詮釋方式以及解決方案

拆解問題的技巧我個人比較習慣的是 MECE,透過 MECE 的方式去拆解問題,可以確保沒有漏考慮的情境,最後的結論會比較完備

在拆解問題時,有些時候會遇到很難直接拆解問題的情況,像是前面的「營收」,本身就已經是數字,因此很簡單就可以拆解,但有些時候你收到的問題可能更抽象,像是「我們公司適不適合在亞太區多聘一個業務」,這個問題就不是可以直接透過 MECE 拆解的,因此需要先透過「將問題轉換成數字」才可以做到進一步的分析

像是「我們公司適不適合在亞太區多聘一個業務」的問題,背後的決策邏輯是「只要聘這個人的收益大於成本」就值得多聘這個人,當我們做了這一層轉換之後,原本很抽象的問題就變成是可以用數字回答的問題了。當變成數字問題以後,就可以用 MECE 再往下拆小

不過,在用數字詮釋問題時,需要注意分析方法背後的假設是什麼,因為同樣一個問題,可以有很多分析方法,而不同方法背後都有不同的假設,假設不同,最後產生的結論也會不同。

像是我之前收到一個分析問題是「想找出成效最好的 sales + pre-sales 組合」,分析的背景是公司希望固定 sales + pre-sales 的配對,讓客戶可以有更一致的使用體驗(先前的配對都是隨機的)

在用數字詮釋這個問題時,一個方法是「各自看哪個 sales/pre-sales 表現最好,再把最好的幾個湊在一起」,這個做法可能可以找出很強的組合,但沒有達到公司這個問題真正想達到的目標。

因為公司實際上想找到的是「當某個 sales + pre-sales 湊在一起時,會比跟別人合作時有更好的成效」,在這種情況下,如果你單看 sales, pre-sales 個人的成效,你只能找到個人能力很強的人,但不代表兩個單兵作戰很強的人就很適合組隊作戰。怎麼樣的組合可以做到 1+1 > 2 才是公司這個分析真正追求的目標


3. 能用聽眾可理解的方式解釋分析結果

在拆解完問題並完成分析後,下一階段重要的能力在於,如何把分析結果,轉譯成合作方聽得懂的語言

舉例來說,我在前公司幫一個零售業客戶做了一次購物籃分析,過程中會使用到 lift 這個指標,A 之於 B 的 lift 愈大,代表購買 A 商品的人,更傾向買 B 商品

如果是一個不懂得轉譯分析結果的 DA,可能會直接跟合作方說「A, B 商品的 lift 最大,很適合捆綁銷售」,但對於多數的聽眾來說來說,lift 並不是一個有意義的指標,因此他們也無法根據這個結論去做判斷。

但如果我們在報告時,改成「A, B 商品的 lift 最大,代表購買 A 商品的人,傾向買 B 商品,因此很適合捆綁銷售」,把 lift 的定義用淺顯易懂的方式去說明,這樣可以讓聽眾用更短的時間吸收進而做出判斷,進而提升「inspiration-per-minute」


4. 能寫出好維護的 SQL

因為 SQL 不是一個太難的語言,可以很快就上手,因此我一直都不認為「會寫 SQL」是個好 DA 的衡量指標。

但最近感受到「會寫 SQL」跟「寫出能重複使用的 SQL」是兩個不同的層級。雖然 DA 的 SQL 不像是工程師一樣需要重複更新,因此可讀性或是可維護性沒有這麼講究,但如果有能力寫出好維護的 SQL,能夠讓我們在調整分析目標時,可以更得心應手。

這也扣回到一開始講的「inspiration-per-minute」,當我們寫的 SQL 可以更容易維護,未來想做類似分析或是想調整分析方向時,就可以用更短的時間產出有用的數據進而做出分析,這也是提升「inspiration-per-minute」的方法


一直以來對於怎樣算是一個好 DA 都只有很模糊的想法,剛好透過寫這篇文章的過程,釐清自己對於一個好 DA 的理解,也希望可以提供對於 Data Analyst 職位有興趣的讀者一些參考

如果你有任何想法或建議,都很歡迎在留言區提出分享!或是歡迎加我的 Linkedin 與我交流

分享至
成為作者繼續創作的動力吧!
© 2024 vocus All rights reserved.