#經驗分享 商業分析大哉問 MSBA Q&A

這幾個月陸續收到很多問題,有些滿常被問的就乾脆發一篇文講講,以供未來有需要的人可以找到這篇並解惑。 @ 科系:Business Analytics/ Data Analytics/ Data Science的差異 關於商業跟資料分析、資料科學的介紹,我會涵蓋在下一段的工作介紹中。 先從BA開始,簡單來說就是介於「商業問題分析跟解決」 和 「資料分析/資料科學」間,每間學校差異非常大,有的幾乎是純資料科學,有的幾乎是純商業。也因此,華威是偏資料分析、科學,愛丁堡則是更tech一點,而曼大偏商一點,UCL原本有一個幾乎純商、一個很tech,但tech的已經不招新生了。華威的BA畢業生主要從事Data Analyst,有少部分從事Data Scientist,一部分結合自己過去的經歷跟專業從事行銷分析、供應鏈分析、會計軟體的分析師等等。對應職位:Business Analyst/ Data Analyst/ Data Scientist/ BI Analyst。 再來是Data Analytics,這個科系則幾乎都是純分析,從資料清理、視覺化、建模、應用等等,很多學校都把該系納入理工學院(資訊學院)底下,而BA則是在商學院底下(有的跟理工學院合開),因此這個系的門檻會稍微更tech一點,例如要修過更多數學跟統計相關課程等等。如果明確知道想當數據分析師,這個系應該是比BA更適合一點。對應職位:Data Analyst/ Data Scientist/ BI Analyst。 最後是Data Science,這個比DA還要更吃重數學跟編程能力,也就是學習用各種演算法、機器學習模型去幫公司製作可應用的程式,例如產品推薦系統等等,也因此很多大學念computer science跟統計的人碩士選這個科系。對應職位:Data Scientist/ ML Engineer。 @ 工作:Business Analyst/ Data Analyst/ Data Scientist/ BI Analyst/ Data Engineer/ ML Engineer的差異 Business Analyst (商業分析師)簡單來說就是從資料方面跟商業方面(例如流程、產品、行銷等等)的角度切入解決各種商業問題,以及使用各種資料分析跟統計工具驗證成效。這個職缺不強求精通資料分析的技巧,更著重在問題解決能力跟stakeholder management。 參考網址:
megapx
我隨便在LinkedIn的職缺抓了一個BA的工作內容來看,可以看到主要在解決企業遇到的問題、想辦法增加效率跟降低風險、各種報告、支援各部門以解決各式問題。並沒要求R或Python,SQL也只是prefer而已。 對工作有什麼不確定的,都可以直接到linkedin搜尋你好奇的工作,看看十幾個同職稱間的工作內容差異跟能力要求。 第二個是Data Analyst,這個跟商業分析師的目的類似,但流程、方法跟切入點不太一樣,這個更著重在用統計、R/Python、SQL、PowerBI/Tableau等工具做分析,也有可能跟商業分析師合作,幫他們實現腦中的幻想,也是需要做很多的ppt去呈現給stakeholders的職位。過程中也有可能用到機器學習,同時在每個公司間的差異非常大,有的甚至只要求用excel,有的則有點跨到data scientist。 工作內容舉例來說,給你一份問卷結果,其中包含答題者的個人資料、1-5分制的題目、自由填寫題,要你找出其中的insights。資料分析師做了各種長條圖、關聯性圖去視覺化不同題目間的回答分佈跟關聯性,然後用卡方檢定看不同題目間有沒有關聯性,但呈現的時候大多不是用p-value或各種模型公式等,而是用簡單易懂的方式跟stakeholders說明過程跟結果,最後再用NLP對文字部分做單字、bigram、trigram文字雲等等。 第三個是Data Scientist,主要就是用機器學習/深度學習做各種模型,也需要帶到一點分析能力,去預測消費者行為、產品銷量預估、示警系統等等,是三者中最吃數學、編程能力的,通常也是薪水最高的。 舉例來說,購物車產品推薦系統、產品銷售預估、洗錢行為偵測、用戶跳槽預測等等。 第四個是BI Analyst,就我任職公司的BI部門來說,他們主要就是用power bi做各種dashboard,各部門有針對某產品、時間、地點等等任何關於資料視覺化的問題都可以請他們幫忙。通常需要非常強的SQL跟PowerBI/Tableau,但不一定需要幫忙解讀資料,很多時候只需要幫忙指出數據哪裡有異常或特例,剩下的為什麼跟怎麼解決的部分就丟回各自專業部門各自解決。例如想知道過去三年的不同地區產品銷售差異等等。 第五個是data engineer,每個公司的定義都差蠻多的,主要就是做資料處理跟準備,讓資料分析師、資料科學家、BI Analyst可以用準備好的資料分析。有的還會需要建database(跟data warehouse analyst重疊)跟搜集整理資料。這部分我不是非常非常清楚,可以參考以下網址:
最後一個是ML Engineer,個人認為跟DS非常像,但是又更著重在演算法建構跟應用。很多從事這個職位的人是統計系跟資工系背景,薪水平均來說應該是最高的,前景十分樂觀。 總結來說,六者都互相有重疊,但是各自專精的領域又差很多。以薪水來說,除了data engineer我不清楚以外,通常ML工程師>=DS>>DA>=BA>BI Analyst,但一樣浮動程度非常大,有的公司的da薪水可能是其他公司ds的2倍之類的。 @ R要學到多深 這邊開始都單就華威BA來討論。雖然會從0開始教,但基礎部分會非常快就帶過去,因此還是建議先自學避免跟不上。 雖然要正式開學才能拿到一年datacamp帳號(每個科系根據課程規劃可以得到的帳號期限有所不同),但也可以先買幾個月的datacamp 會員,上Data Scientist或Data Analyst的R track。當然也可以從各種你偏好跟方便的管道學。 主要從怎麼安裝packages學到可以用ggplot2做出所有你想像中的完美圖片(包含用facet_grid)、怎麼用dplyr的%>%、怎麼找跟處理NA和離群值就差不多了。 @ Python要學到多深 我那屆的華威BA沒有教Python,然後華威課綱2年一改,所以現在不知道有沒有教。 到工作需求的話,很多職缺直接表明至少學完panda跟pytorch建模。 @ SQL要學到多深 如果單就學校夠用的話,學完子查詢就夠了,工作的話可能要學一下cte跟用global variable。 華威BA也會教怎麼用sql創建、修改表格到串聯各表格做完整的database,但個人覺得沒有很難,而且工作短期內不會用到,所以要不要先學就自己拿捏。 @ 求職作品集 有些公司會希望看到你放在github的作品們,可以把學期間的各種實作練習好好包裝一下放上去,也可以自己去Kaggle參加各種專案或參加資料分析/資料科學比賽放到作品集中。 DA/DS會問非常多你的過去作品(當然也包含實作測驗),要對自己過去的所有專案細節一清二楚。 @ 統計學? 統計對各種抽樣、檢定、t-test、p-value瞭若指掌就好了。 @ 微積分? 不用到非常高深的微積分,搞清楚微分跟積分,知道各種ln、e、分數的微積分怎麼拉來拉去就好了,老師上課不會再從頭開始教什麼是微積分,先複習好才不會一頭霧水。 @ 其他數學如線代等等? 其實上課還有用到滿多其他不同數學的,尤其是演算法的部分,但自己覺得不是真的特別難,好好上課應該就能跟得上了。 @ 求職時程(一般職/graduate scheme) 如果要找graduate scheme,通常是一落地英國的7-12月就要投履歷了,這些項目的時程都拉得非常長,大多都不要求專業背景或技能,只需要你的人格特質跟邏輯符合要求即可,但有些data scientist的graduate scheme還是會有coding test,所以要一入學就通過DA/DS的測驗應該是滿困難的。 如果是一般的DA/DS等等則建議大概5-8月再開始就好了,太早開始的話一來你沒有作品集可以講,二來專業能力不夠也只是當炮灰+犧牲自己上課的時間而已。各公司拿到offer到報到的間隔大約是3週到一個半月左右,有的願意等更久。 其他詳細內容,如流程、項目等等,在上一篇文章都有提到了, 以上這些是近幾個月最多人私訊問的問題,雖然很簡短,但應該都有講到重點了,剩下的小東西應該滿容易google到的。 如果有任何問題都歡迎留言發問或私訊我,我以後會直接更新這篇文章做回覆。 ———————————————— 更新 @ 英文要多好才能找到工作? 當然英文越好機會越多,尤其DA滿需要溝通的,但目前英國就業市場極缺DA,理論上不要太挑加上努力一點就可以找到。 我自己的英文不是特別好,聽幾乎都沒問題,但口語很差而且字彙量很有限,最後也找到很好的工作了。也有知道一個英文極差的同學找到數據分析師的工作,只是花了超過六個月+薪水低很多+非常鄉下。
LikeBow
236
31 comments
Post information