Zi 字媒體

數據分析師的工作日常，在資料和程式中挖掘商業價值 | ARON HACK 亞倫害的

2021/12/25

原始文章

在2019年年中進入零售業擔任數據分析師後，偶爾會有朋友或是朋友的朋友詢問相關工作內容及產業情況。畢竟數據分析師是比較新的職業，還有一些神祕色彩，許多人甚至連聽都沒聽過，還以為是股票分析師之類的工作。(好啦數據分析確實也可以用在股價預測上，這是另一個故事了。)

這篇文章會盡量拿掉所有專有名詞，用人話說明數據分析師的工作日常。至於其他較實務面的心得與觀察會留到下一篇文章再分享。

數據分析師有很多種

雖然數據分析師是新職位，但數據分析或是資料分析的概念一點都不新。公司裡面行之有年的職位，不管是行銷、業務、採購、倉管，每個職位都需要數據，也都需要分析。隨著大數據、資料科學、機器學習、AI等酷炫的新名詞、新技術與新應用出現，所需的知識與技能多到員工爆肝也學不完。因此，數據分析師開始被視為一個獨立的職位，甚至一個獨立的部門。

1) 組織劃分

由於這個職位出現的時間還不長，大家對於數據分析師還缺乏共同的定義。所以A公司的數據分析師可能偏專案經理，B公司的數據分析師可能隸屬市調部門，C公司的分據分析師可能掛在IT部門。

光是數據分析師的定義就已經夠模糊了，更別提在較大型且正規的組織編制中還有資料工程師、數據分析師和商業分析師的差別。因此，如果你想找數據分析或資料科學相關的工作，建議不要只看職稱，最好詳細看一下工作內容和所需能力。

我所在的單位則是獨立的分析部門，協助其他單位作商業上的決策，算是輔助型的單位，或說是智囊團、師爺類型的角色。可以說我們的服務是數據分析，而我們輔助的部門則是客戶，要怎麼了解客戶需求，提供客戶滿意的服務，是我們主要的工作目標。

2) 能力需求

除了所屬單位外，每間公司的數據分析師所需的技能也不一樣。有些分析師可以用Excel打天下，有些主要製作資料視覺化圖表，呈現出好懂、美觀，甚至具有互動工具的資料儀表板。另外有一種，也是我認為比較像數據分析師的分析師，他們要寫程式，需具備一定的IT知識，要學統計和演算法。這種分析師有點像是IT，但又和IT不一樣。IT的工作通常是系統規劃、維運和功能擴充，但數據分析師則是要在一堆資料中發掘未知的商業價值(Unknown Insights)。

未知的商業價值是什麼？可以講人話嗎？

以NIKE為例，NIKE旗下有許多系列的運動用品，包含不同的運動類型、機能及價格，他們的分析師可能就會以顧客資料及購買記錄作以下分析：

顧客經常從事什麼樣的運動？
顧客購買頻率為何？是產品淘汰才買新的，還是出了新款就會買？
顧客偏好買當季新品或是Outlet過季品？
顧客都是到實體門市購買，還是也會在網路購買？
顧客總是等到折扣促銷時才購物，或是在非促銷期間也會購物？
顧客是否使用Nike運動手環，或安裝Nike Run App？他們身體狀況和運動表現如何？有沒有機會購買更高階的產品？

以上的問題已經很接近我們平常的工作內容，當然這些議題可以一直列下去，至於值不值得做，就全看商業目標怎麼訂。舉例來說，如果NIKE要推出一款NBA球星代言的籃球鞋，公司要預測哪些人會買，會在線上或門市買，要花多少廣告預算才可以讓他們果斷下單？需不需要給折扣促銷？或是某個贈品比折扣更有吸引力？

把這些問題弄懂後，行銷部門就有理論依據可以規劃行銷活動。如果研究做對了，行銷活動做對了，就能夠為公司創造營收。這就是商業價值。

大數據分析

新聞媒體很愛用「大數據」來下標題，但我和幾個圈內朋友其實不太用這個詞，因為很屁。

但為了方便說明還是不得不用一下。所謂大數據分析的特徵有5個V，其中一個是多樣化Variety，就是除了顧客總消費金額外，從其他各種面向判斷並預測顧客的行為，進而轉換為商業價值。這也是為什麼我認為會寫程式，具備一定IT知識的才算是數據分析師，因為當面對幾百萬、幾千萬、幾億筆資料時，Excel根本跑不動，更別提要對這些資料進行複雜的統計分析。

數據分析師的任務會根據公司的定位和業務而有所不同。NIKE是品牌零售商，除了營業額外，NIKE也會在意品牌市占率，而通路業的全聯可能更關心哪些商品的迴轉率高，以及應該準備多少庫存，如何降低生鮮食品的報廢率等議題。

金融業也是數據分析應用得相當廣泛的產業，他們會分析顧客的貸款還款能力，或是判斷信用卡消費記錄是否為詐騙盜刷。

零售業有很多東西可以玩

數據分析相關職缺較多的產業有三個，零售業、金融業及科技業。平均而言，零售業的平均薪水最低，金融業次之，科技業最高。比起金融業和科技業，零售業的毛利本來就低，因此薪資偏低也就顯得理所當然。

然而，在這三個產業中，我認為零售業也是最好玩的，因為它很生活化，你可能會分析各種節日，甚至是總統大選對於業績的影響，或是發現收銀台旁邊的小零食總是特別好賣。在零售業，你也有較高的機會可以走進店裡，直接觀察消費者怎麼逛、怎麼挑，他們會先看商品細節還是先看價錢，男生和女生的購物習慣有沒有差異。你可以帶著觀察結果回到電腦前，用資料驗證自己的推測是否正確，有沒有機會變成一個行銷活動，為公司創造價值。

社群媒體的熱絡與持續進化也是零售業的樂趣之一，像是PTT或是DCARD上面的各種討論，這些討論的人中是不是包含潛在消費者，能不能讓小編出馬去帶帶風向並轉換成業績。另外，LINE在2019年也實施了官方帳號2.0計畫，行銷人和數據分析師有更多的資料可以分析，也有更高的彈性可以作測試與實驗。

雖然零售業的薪資偏低，但這也代表這個產業較願意接受新人。畢竟零售業是民生產業，有固定需求，當有經驗的老鳥留不住時，只好任用比較資淺，甚至無工作經驗、非本科系的應徵者。加上零售業的發揮空間也算大，因此，對於想進入資料科學領域的人而言，我認為零售業還是個不錯的選擇。

事情不會永遠那麼順利

有陽光的地方就有陰影。數據分析雖然有趣，卻也有困難的地方。像是老闆覺得數據分析潛力無窮，但怎麼過這麼久，卻沒產出驚天地泣鬼神的成果？或是其他在第一線銷售單位的同仁會疑惑，我們不是在同一間公司嗎，你怎麼連這個產業基本的Sense都沒有？

三言兩語寫不完，我們下篇文章見。