AI & Data Dreamers練功房
ADMIT ONE ·載入中…工作室 →職涯服務個人設定登出登入／註冊
寶箱片場規則
資料工程師 資料分析師 資料科學家 機器學習工程師 AI 應用工程師
Data Analyst・職位指南

資料分析師

用資料回答一個業務問題，並讓做決定的人聽得懂。

自評進度
登入後記進度
FIT・適合誰
  • 對業務問題有好奇心，看到數字會想追「為什麼」
  • 能把分析結果講成一段決策者聽得懂的話
  • 非資訊背景也能入行：企業要的是解讀資料、解決問題的人
DUTIES・職責

每天在做什麼

  • 用 SQL 取數、清理、彙總，回答營運與行銷問題
  • 做報表與儀表板（Tableau／Power BI／Looker），定義並維護 KPI
  • 用戶行為分析、漏斗、留存；實驗設計與 A/B 測試解讀
  • 把分析寫成報告與建議，追蹤建議有沒有被採用
SKILLS・技能

必備

  • SQL：查詢、清理、彙總、JOIN、CTE、WHERE／HAVING
  • Python：Pandas 處理、Matplotlib／Seaborn 視覺化
  • Excel／Google Sheets：樞紐分析表與商業報表
  • 統計基礎：敘述統計、假設檢定、p-value、迴歸、機率分布

加分

  • BI 工具（Tableau、Power BI）互動式儀表板
  • 實驗設計與因果分析
  • 產業知識：電商、金融、SaaS 的指標體系
  • 簡報與資料敘事
INTERVIEW・面試準備

會被問什麼

  1. 行為面試：為何轉職、最有挑戰的分析專案、發現資料異常怎麼處理——用 STAR 法則
  2. SQL：GROUP BY、JOIN、CTE 解商業問題；WHERE／HAVING 過濾彙總
  3. 統計：A/B 測試怎麼判斷有效、p-value 與迴歸的概念
  4. 案例分析：「某月營收下滑你怎麼查？」——先列假設、要哪些資料、用什麼方法驗證
  5. 作品集：Kaggle 或公開資料集的分析報告，放 GitHub／Medium，有結論與建議
NEIGHBORS・相鄰職位邊界

和誰容易搞混

資料工程師

DE 負責資料準時且正確地到位；DA 在上面做分析與報表。

資料科學家

DS 建模型做預測；DA 用統計與視覺化解釋已發生的事並給建議。

商業分析師（BA）／產品分析師

更靠近業務與產品決策，SQL 與統計深度可以較淺，但要懂流程與需求。

分析工程師（Analytics Engineer）

介於 DE 與 DA：用 dbt 把資料模型化給分析用，重 SQL 與版本控制。

HEADHUNTER・與獵頭合作

怎麼跟獵頭談

  • 履歷把「分析 → 建議 → 結果」寫成一句句成果：做了什麼分析、建議了什麼、帶來多少變化
  • LinkedIn 檔案關鍵字寫清楚工具（SQL／Python／Tableau）與領域（電商／金融）
  • 問清楚職缺偏報表維運還是探索分析，工作內容差很多
  • 參加資料分析社群與 Datathon，人脈推薦比海投有效

初稿整理自 Dex 的文章：無學位成功轉職資料分析師的完整入門指南。