[數據分析師 Data Analyst] 薪資最高不是Google？職涯發展、日常工作、3個技能需求

Reading Time: 3 minutes

文章最後更新於 2022-10-07

數據分析師(Data Analyst)到底在做什麼呢？根據我在Data Team多年的觀察，還有身邊朋友的經驗整理！

在美國的商業分析師，每天都在做些什麼？如果想轉行，成為資料分析師/商業分析師，需要具備技能？

未來有什麼發展？薪資多少呢？今天就要來一步一步的揭曉這個行業的內幕！

未來這個領域，會在不同的產業蓬勃發展！

延伸閱讀：[美國求職] #2 英文履歷的5個原則、履歷範本，Google, Amazon注重什麼？

美國求職攻略

希望陪你走過美國求職馬拉松，整理了我自己、朋友的經驗，幫助你在逆境中，找到好工作！

內容包含：簡歷、LinkedIn、相關準備資源、準備面試的方法，希望讓你在美國求職路上更順暢。

找工作資源彙整
- [美國求職] #0 美國面試資源彙整，必備15個網站、2本書、4個Projects
- [美國求職] #1 北美科技產業市場，SDE? DE? DS? DA? BA?
Resume & LinkedIn
- [美國求職] #2 英文履歷的5個原則、履歷範本，Google, Amazon注重什麼？
- [美國求職] #3 LinkedIn教學，提升找工作效率的3個技巧
面試準備
- [美國求職] #4 Amazon, Google面試，常見的3個面試流程
- [北美求職] #5 如何準備面試？實用技巧？需要多少時間準備？
職涯剖析系列
- Data Analyst: [數據分析師 Data Analyst] 薪資最高不是Google？
- Data Engineer: [資料工程師Data Engineer]年薪20萬美元？Meta在找哪種人？3個技能要求
- Data Scientist: [資料科學家Data Scientist] 年薪薪水20萬美元？Uber在找哪種人？職涯發展
- Full Stack Engineer: [全端工程師Full Stack Engineer] Meta, Google薪水不是前五？職涯發展
- Backend Engineer
- Machine Learning Engineer
學習資源推薦
- 履歷＆LinkedIn：Career Hacking™: Resume, LinkedIn, Interviewing
- 技術面試準備：Master the Coding Interview: Data Structures + Algorithms
- 技術面試經典：Cracking the Coding Interview

歡迎訂閱我的IG: @nyc.engineer.jack

文章目錄

日常工作

這是很常見的8個步驟，我還分別列出3種常見職責、4個職能，並且用我自己過去在Data Team的經驗來說明！

希望幫助你更了解Data Analyst的日常工作！

解決商業問題
建立假說
採取某種方法
蒐集資料
驗證資料
了解資料，並且清理資料（Excel, SQL, Python都可以
資料視覺化
報告

3種常見職責

描述分析（Descriptive analysis）：What Happened?

在產業中，有很多已經發生的事情，這些數據散落在不同系統中，管理階層也看不到這些資料！

這時候就需要BA/DA去做以下的事情，幫助決策者做決定

找出這些資料
整合這些資料
分析這些資料
輸出成有Insights的報告

我的經驗：使用者偏好、使用者頭像

在我過去的公司中，我們是一間Car Leasing公司，有不同的租車資料、使用者資料

我們想了解，在我們平台的使用者，

大多喜歡租那些品牌的車子、大概價位在哪、信用紀錄落在哪？每個州有什麼差異？

這時候，就會需要去不同的Table，找到相對應的資料，

還需要了解不同Table間的關聯性，如何Join，並且解讀Data！

診斷分析（Diagnostic Analysis）: Why did it happen?

當我們了解了目前產業發生了什麼事情，下一步，就是去了解為什麼這會發生。

這一步，通常很難將原因簡單歸因於單一條件，因為現實生活中的條件相對複雜。

常見的使用情境，資料分析師，在不同領域中，要找出在過去中，

有沒有固定的pattern?
找出導致結果的可能因素

我的經驗：訂閱制行為

像是我目前的公司Meetup，我們是一個實體的社交平台

我們有會員的訂閱制，在這個系統中，我們會想了解

過去取消訂閱的用戶，取消的原因（可以透過問卷
取消的時候，有沒有特別的季節（感恩節、聖誕節？
取消訂閱的用戶中，是哪一種族群（Outdoor, Tech, Social？

我們嘗試在我們的平台中，要找出原因，當我們找出可能的原因時

我們會將這個結果跟Product一起討論，看能不能推出

新的功能、修正過去的功能？
推出新的方案？
提出異業合作？

當討論出下一步的時候，就會進入我們季度的OKR裡，不同Team就會分工合作！

預測分析（Predictive Analysis）: What will happen?

在了解了目前的產業挑戰後，我們想進一步去預測公司下一季的表現

決策者，需要很多過去的資料，來修正整個公司的方向！

我的經驗：用戶過去使用率

我們的管理階層，會想知道我們平台的基本資料

每天的active使用者有多少？
用戶平均訂閱的單價是多少？
用戶的cycle時間是多長？
Year by Year的比較

還有使用者的成長率、使用率、不同平台的用戶使用率。

藉由這些過去的因素，來預測明年的成長幅度！

並且制定下個年度的目標、每個Team的執行策略！

4種常見的職能

職能一：與工程師合作

BA/DA商業分析師／資料分析師，很常需要跟工程師合作，因為很多資料都是藉由工程師蒐集的，

很常會需要跟工程師

要資料
詢問資料當時定義（每個column的定義
了解不同資料間的關聯

像是我們公司，主要有內部系統的資料、多元的外部資料（如GA，

我同事常常會問我資料的問題

資料在哪：我想了解使用者的某個行為，資料要去哪找？
資料分析：我有了這個資料，我要怎麼回答這個問題？
資料蒐集：我們還沒有這個資料，我們要怎麼搜集？

我的經驗: Office Hour

我們Team每週也都會有固定的office hour時間，提供不同同事，

來問問題，

去解答很多商業決策的問題
從過去去了解這個product的impact（影響1000人，10,000人？

職能二：與決策者(C Level)或管理階層合作

這也是數據分析師，很常會合作的對象，管理階層（VP, Director

他們的問題通常都是比較大方向、High Level的，他們會需要資料來佐證他們的決策

來了解產品是否符合市場需求，也能藉由資料來預測未來產品走向！

我的經驗: 資源分配決策

我自己的經驗中，我在推薦系統的Team裡，負責很多使用者的資料

我們的決策者，常常會問我們不同推薦系統，能產生的impact會有多大？

來決定我們下一季，模型優化的方向、投入人力的分配（維護過去功能、開發新功能、提升系統效率。

職能三：與產品經理Product Manager合作

當公司有產品的時候，通常都會有Product Manager，產品經理的工作很明確

他們通常會負責某個產品的開發流程，當產品出現問題時，或是想了解這個產品的impact

就會很常跟BA/DA 資料分析師合作，運用統計的方式、A/B Test，了解產品，做出決策！

我的經驗：A/B Testing, 資料Dashboard

像是我們推出一個小功能，我們通常都會做A/B Testing，來了解使用者有沒有提高互動率。

在我們的Office Hour中，PM最常問我們問題了！

這時候，就會需要BA來整合資料！

但我自己覺得更好的做法是，資料分析師，可以整合出一個可以讓不同領域的同事

可以自己輕鬆的產出Report的地方，不需要SQL，只需要拖拉資料，就能獲得insight的Dashboard!

初期可能需要花很多時間，去跟不同Team討論需求，但是長期下來會是Win win。

因為資料分析師，可以把簡單的report交給使用者，自己拉出report，

對於使用者而言，他們也不用等資料分析師產出簡單的報告。

資料分析師，可以專注在比較複雜的report，提供公司價值！

職能四：研究特定用戶行為

這也是資料分析師，很常會面臨的狀況，了解使用者的行為！

很多網站都會使用Google Analytics來記錄使用者的互動、行為！

或是，公司內部也有很多資料，可以來了解使用者的行為！

我的經驗：線上活動的參與率

像是舉辦線上活動時，提交報名的人，不一定都會出現

這時候，我們就會想了解線上活動的出席率。

我們可以藉由Zoom的紀錄，來了解參加的100人中，

有多少人實際點擊了Zoom Meeting的按鈕，

來了解線上的出席率！

這也是使用者分析的其中一個例子！

常見的數據分析師背景

根據市場調查，多數的資料分析師，通常有這些背景

市場行銷 (Marketing)
數學或統計學 (Maths or Statistics)
金融或經濟學 (Finance or Economics)
計算機科學 (Computer science)
商業資訊系統 (Business information system)

但也不一定僅限於這些領域，只要有一種domain know how＋基礎分析技能。

其實就能勝任不同產業中的Data Analyst並為其產業創造價值！

那需要有哪些技術技能呢？

需求技能

資料分析技術技能

Excel：最常用

Excel還是許多傳統產業中，很常使用的工具，

多數都是沿襲過去幾十年的系統，多數都是使用Windows系統，

那在整個公司的基本架構上，都會使用Excel作為分析的工具！

而且基本的Excel其實就能分析很多複雜的資料。

例如：Pivot Table、公式、甚至簡單的爬蟲、重複性的事情可以寫VBA。

R/ Python：彈性、自動化

通常Data Analyst不會硬性的要求Python，

但是會使用Python，不但會增加自己對於資料取得的彈性

可以有效的蒐集來自不同來源的資料，並且做分析！

對於之後想轉Data Scientist, Data Engineer都會很有幫助！

SQL：海量資料

多數公司的資料，都是放在資料庫裡，

要取得公司的資料，就會需要使用SQL。

特別是有大量使用者資料的資料庫，是不太可能下載資料到本機端分析

通常都會在Redshift（為海量資料設計的資料庫）裡，做複雜的分析！

最後再將分析的結果產出報告。

資料視覺技能

Tableau / Looker

當資料處理完後，最後一個步驟就是視覺化資料！

如果公司是使用Window環境，很有可能最常用的工具是Power BI（算是強化版的Excel

但多數的公司都會使用Tableau，作為資料視覺化的工具

提供很多直覺的拖拉工具，讓使用者很輕鬆的可以拉出有意義的Report!

軟性能力

這會因為不同產業，而有所不同，不過大致可以歸納成

產業知識 Domain Know how：如果在藥廠工作，有基本的背景知識，處理起資料就會相對更容易。
Presentation：當處理完資料，最重要的就是Insightful Report，這時候呈現報告的能力就會很重要。
溝通能力：處理資料時，常常需要跟不同部門，要不同來源的資料！很多時候，也會需要跟產品經理、工程師、管理階層合作！

市場需求

根據IBM的分析，未來的DA/ BA會有越來越多職位，

中小型企業

現在很多中小型企業，都往Analytics轉型，有很多公司的VP可能連Excel都不太會用，更不用說Tableau工具！

所以很多中小型公司，都處於在BA/DA的起步階段，正在經歷數位轉型中！

科技公司

對於大型的科技公司中，也是有許多BA/DA的職缺！

但是沒有外界傳聞的多，因為在公司建立了一個BA Team後，

其實不太需要新的畢業應屆生，反而更需要有Domain Know How，或是在DA技能上更成熟的人！

智能商業分析工具蓬勃發展

在很多公司中，都會使用BI Tools，來完成複雜的BA/DA工作

例如：Looker, Omniture, Quick Sight等，都可以在BI工具裡，輸入關鍵字

就會自動產生Query來，不需要自己寫Query!

我們自己公司，就有使用Looker，在我們的Data Engineer設定好資料模型Model後

產品經理、行銷經理、管理階層，都可以很輕易的從側邊欄，輸入他們想資料的資訊

就可以將不同的Table連接在一起，並且產生出不同的Report/ Dashboard!

薪資分析

當然，在看薪資的時候，還要額外考慮

當地的物價（加州、紐約、德州
當地的稅（加州、紐約最高、西雅圖不用繳州稅

所以折合上述的兩個因素，更能算出實質的消費力、存錢率！

薪資也會根據下面這些因素，而有所不同

Industry(不同的industry整體的收入結構都會不同）
Company Size(取決於公司目前營收階段，大公司、中型公司、新創公司)
Location(加州、紐約州的物價與稅相對高、收入也相對高)
Job Title(你是Software Engineer, Data Analyst, Product Manager…)
Personal Experience
- 面試表現
- 級別
- 工作經驗

在薪資中，有時候公司會包含

Base
Bonus
Stock(很多科技公司會分4年給
Sign On Bonus
其他福利（托嬰服務、某些藥廠給予買房優惠

延伸閱讀：[退休規劃] 401k是什麼？常見的3種Plan，可以滾到百萬美金以上？

延伸閱讀：美國留學生報稅-8個常見問題&7個報稅步驟

全美平均薪資

這是Glassdoor蒐集全美的統計資料，根據很多人提交自己的薪資的統計，

我們可以看到整體在不同產業的平均是$71,825，

但是不同地區、產業、公司，都會不太一樣！

所以接下來，我會分別對於公司、地區來做更深入的觀察！

哪間公司給的薪水最高？

我們可以看到Meta給出了將近全美平均的兩倍薪資，

前十名的公司，都給出了將近兩倍的薪資！

而且前十名，都是科技公司！

哪一個州的薪水最高？

根據Indeed的資料，上圖，我們可以明顯看到加州，平均薪資，在全平均之上，還有麻州（波士頓）地區也是比平均還高！

比較讓我意外的是，紐約只有在平均值！

職涯發展

方向一：Operation Analytics

如果在Walmart、物流業、電子商務的產業中，就可能會有的3個面相Merchant、Sales、Site Analytics

特別是Site Analytics, 最常見的工具就是Google Analytics，會研究使用者在電商平台的行為分析！

例如：點擊、Funnel、瀏覽行為，在哪個頁面停留比較久？哪一種方式，會提高轉換率！

方向二：Customer Analytics

這個會是以研究市場，或是會面對客戶，針對某個市場的調查或是調查！

根據資料，整理出有insights的報告，提供給客戶，做決策！

方向三：Product Analytics

這是針對產品的分析，通常會跟Product Manager密切的合作。

主要會研究使用者，使用產品或是平台的行為，許多時候會搭配A/B Testing，

來比較新的功能！藉由資料，來了解使用者的行為，

並且根據使用者的行為，提供更好的產品服務！

數據分析師(Data Analyst)未來發展

根據Indeed的調查，常見的職位層級有

Data Analyst
Senior Data Analyst
Director

管理走向

相對於Software Engineer而言，其實Data Analyst/ Business Analyst沒有相對清晰的職涯階梯，

有兩個主要的因素

BA/ DA是個相對比較新的職位
很多BA/ DA之後會轉做PM

特別是有CS背景的Data Analyst，因為BA/DA最了解資料，而且也很懂產品！

BA/DA可以根據產品的特型，很輕易地取得到資料。

所以長遠來講，BA/DA可以選擇做PM，或是往Senior Manager走！

技術走向

也會有人，初期會先做Data Analyst，把SQL, Python，還有視覺化工具練很熟！

之後也可以往技術職缺走

Senior Data Analyst：深化目前的技能！
Data Enigneer：要補充Cloud Service，還有Pipeline的技能。
Data Scientist：要補充Machine Learning還有統計的技能！

我自己就有朋友前一兩年，就是做DA，後來就轉成Data Scientist。

我自己Team裡面，也有人進來的前兩年是做DA，但很常碰我們的推薦系統，

然後也跟著學著優化我們的Model，今年就轉成Data Scientist。

資料分析師、資料科學家、資料工程師，差在哪？

從上面這張圖，我們可以看清楚不同職位的合作，與整個Data Project流程。

接下來我會針對這三個職位，背景與能力，來解釋不同之處！

找出問題：Data Analyst

Data Analyst負責找出問題，並且分析第一步！

資料分析師，是資料領域中的初階職位，背景多為有統計、數據、資訊相關的學士畢業生，

也有很多是碩士轉職畢業生。

他們需要的技能是，資料處理，並且做資料建模(Data Modling)，並且視覺化資料！

用資料，幫助公司作出Data Driven的商業決策！

比較常用的技能有：Excel, Tableau, SQL等技能！

延伸閱讀： [數據分析師 Data Analyst] 薪資最高不是Google？職涯發展、日常工作、3個技能需求

設計解決方案：Data Scientist

Data Scientist通常在知道問題後，就會負責找出解決的方法，

並且設定假說，並且驗證假說。

資料科學家，通常需要比較多的資料科學領域的經驗！

很多公司都偏好有多年專業經驗、或是博士畢業生。

他們主要負責統籌資料的處理、解析、預測，藉由模型，來解決複雜的商業問題！

主要需要的技能有：統計、模型訓練、機器學習、Python等。

延伸閱讀：[資料科學家Data Scientist] 年薪薪水20萬美元？Uber在找哪種人？3個技能要求、職涯發展

建立自動化流程、系統架構：Data Engineer

Data Engineer更專注於Data Pipeline的系統設計，

還有設計可以Scale up的資料流，讓系統可以順利處理TB, PB等級的資料

確保每個Team可以使用這些資料！

資料工程師，多數都是資料領域、資工領域畢業的碩士畢業生，

或是多年在後端工作的工程師。

他除了需要處理資料，還需要設計大數據的系統架構，

自動化整個資料處理流（Data Pipeline），還有需要設計API！

延伸閱讀：[資料工程師Data Engineer]年薪20萬美元？Meta在找哪種人？3個技能要求、職涯發展